توصیف خودکار عکس‌های داخل PDF
خیلی از مستندات کسب‌وکارها فقط متن نیستند — جدول سایز پوشاک، دیاگرام مونتاژ، منوی اسکن‌شده‌ی رستوران، یا نمودار مقایسه‌ی محصولات، همه به‌صورت عکس داخل یک فایل PDF هستند. اگر همان PDF را برای ربات آپلود کنید، میراکل این عکس‌ها را نادیده نمی‌گیرد.
چطور کار می‌کند؟
وقتی یک فایل PDF آپلود می‌کنید، علاوه بر لایه‌ی متنی سند، عکس‌های داخلش هم استخراج و با یک مدل هوش مصنوعی ارزان‌قیمت «توصیف» می‌شوند — مثلاً یک جدول سایز به این شکل به متن تبدیل می‌شود: «جدول سایز: سایز M برای دور سینه ۹۲ تا ۹۶ سانتی‌متر، سایز L برای ۹۶ تا ۱۰۰ سانتی‌متر...». این توصیف به‌عنوان متن اضافه به همان سند چسبانده می‌شود و از این لحظه، جزئی از دانش ربات است — دقیقاً مثل هر متن دیگری.
این کاملاً جدا از قابلیت «وقتی بازدیدکننده عکس می‌فرستد» است. اینجا هزینه فقط یک‌بار، همان لحظه‌ی آپلود سند اتفاق می‌افتد — نه به ازای هر پیامی که یک بازدیدکننده در چت زنده می‌فرستد.
عکس‌های تزئینی و تکراری نادیده گرفته می‌شوند
- عکس‌های خیلی کوچک (کمتر از ۱۰۰ پیکسل) پردازش نمی‌شوند — معمولاً آیکون یا خط تزئینی هستند.
- لوگو یا آیکونی که خودِ مدل تشخیص دهد صرفاً تزئینی است، توصیف نمی‌شود.
- اگر یک عکس (مثلاً لوگوی سرصفحه) در هر صفحه‌ی سند تکرار شده باشد، فقط یک‌بار پردازش می‌شود، نه به تعداد صفحات.
این‌ها باعث می‌شوند هزینه‌ی پردازش فقط صرف عکس‌هایی شود که واقعاً اطلاعات دارند.
سقف تعداد عکس، بر اساس پلن
برای کنترل هزینه، حداکثر تعداد عکسی که از هر سند پردازش می‌شود به پلن شما بستگی دارد:
| پلن | حداکثر عکس در هر سند |
|---|---|
| آزمایشی | ۱ عکس |
| پایه | ۵ عکس |
| حرفه‌ای | ۲۰ عکس |
| سازمانی | ۵۰ عکس |
محدودیت فعلی
این قابلیت فعلاً فقط برای فایل‌های PDF فعال است. اگر فایل Word شما عکس دارد، آن عکس‌ها فعلاً نادیده گرفته می‌شوند و فقط متن سند وارد دانش ربات می‌شود. اگر جدول یا دیاگرام مهمی در یک فایل Word دارید، ساده‌ترین راه‌حل فعلی این است که همان فایل را به PDF تبدیل کنید و دوباره آپلود کنید.