ToolNavs 便利なAIツールを発見
ツール投稿 ログイン
戻るAI情報
Gemini APIがOfficeファイルを直接読めるように:必要な部分だけ処理すれば、料金も軽くなる

Gemini APIがOfficeファイルを直接読めるように:必要な部分だけ処理すれば、料金も軽くなる

AI情報 • Admin • • 18 回閲覧

11月18日、GoogleはGemini APIの変更履歴で、開発者向けの変更を確認しました。Word、PowerPoint、ExcelなどのMicrosoft OfficeファイルやOpenDocumentファイルを、PDFやプレーンテキストに変換せずにGemini APIへ直接渡せるようになりました。同時にファイルのスライス機能も追加され、開発者はファイルの必要な部分だけをモデルに処理させ、その部分の分だけ料金を払うことができます。

どこまで細かく切れるか:ページ番号やセルから動画の一部分まで

スライスの粒度が、今回の更新で最も実用的な部分です。文書はページ範囲で、表計算ファイルはワークシートのタブやセル範囲で、動画と音声は時間区間で切れます。コンテンツ層での指定も可能で、あるページの画像だけ、抽出されたテキストだけ、表の中の数式だけ、動画の文字起こしだけ、といった選び方ができます。スライスはユーザーのプロンプトだけでなく、関数レスポンスで返される文書や表、動画、音声にも使えます。つまり、1ページについて尋ねるためだけにファイル全体をモデルに渡す必要がなくなります。

誰にとって最も有用か:長い文書と従量課金の場面

契約書、決算報告、スライド資料、会議の録音などが最も違いを実感するでしょう。これまでは一つの数字を尋ねるにもファイル全体の分のトークンが必要でしたが、今は関連する数ページ、数行、数分だけを送れば済みます。文書への質問応答や検索拡張生成(RAG)のアプリではトークン料金が直接下がり、モデルが読む無関係な内容が減るため、回答がずれる可能性も低くなります。同じ週には、一般ユーザー向けのGemini Tasksが6か国で無料開放されており、Googleは両面からGeminiの普及を進めています。

節約するには、範囲を自分で指定する必要がある

スライスはオンデマンドの処理であり、自動的な節約ではありません。範囲を指定しなければ、モデルはファイル全体を処理し、全体の料金がかかります。開発者はプロンプトや関数呼び出しの中で、ページ番号、セル、時間区間を明示する必要があり、変更履歴には文書理解、動画理解、音声処理の入門ガイドへの案内があります。今回の変更はファイルがモデルに入る方法に関するもので、モデル自体の能力の変化ではないため、モデルを変えずに利用できます。

関連記事

おすすめツール

もっと見る