Hakuna uchakataji wa maudhui ya faili yako unaofanyika kwenye seva yoyote. Huhitaji mkataba wa uchakataji wa data na gottrix ili kushughulikia nyaraka za siri au za kibiashara.
Imepangishwa UjerumaniUsambazaji duniani kote
Seva za asili ziko Hetzner nchini Ujerumani, zikiwasilishwa duniani kote kupitia mtandao wa usambazaji maudhui (CDN). Maudhui ya faili yako hayatumwi kamwe katika mchakato huu - hayaachi kifaa chako.
Anayempa msaidizi wa AI nyaraka mara nyingi hubandika maandishi kutoka faili kadhaa na kupoteza mahali kila kifungu kilipotoka. Zana hii husoma faili za PDF zenye safu ya maandishi, maandishi ya kawaida, Markdown, CSV, DOCX na ODT kwa vitoaji ambavyo tovuti hii tayari hutumia, na kujenga kifurushi kimoja cha muktadha: juu kuna orodha ya vyanzo yenye jina la faili, aina, ukubwa, checksum ya SHA-256, upana na hali, kisha jedwali la yaliyomo kutoka kwenye vichwa, kisha vipande vya maandishi. Kila kipande hutaja chanzo chake na kiwango cha kurasa au mistari, ili uweze kufuatilia kila jibu la AI hadi kifungu chake.
Vipande (chunks) huundwa kulingana na kikomo cha tokeni unachoweka, kikihesabiwa kwa makadirio yaliyowekwa alama wazi kwa mfumo wa uandishi, si kwa tokenizer ya modeli fulani. Ukiingiza dirisha la muktadha la modeli yako na akiba ya swali na jibu, ripoti hukagua kama kifurushi kinatosha au kitumwe kipande kwa kipande; hakuna thamani za modeli zilizojazwa mapema. Vichwa huanzisha kipande, vipande vya CSV hurudia safu ya kichwa, na mistari mirefu kupita kiasi hukatwa kwenye mipaka ya herufi, hata kwa Kichina, Kijapani au emoji.
Kabla ya matokeo, ukaguzi hutafuta anwani za barua pepe, nambari za simu, IBAN, nambari za kadi (zenye tarakimu ya ukaguzi) na funguo za API. Kwa chaguo-msingi hubadilishwa na vishikilia nafasi kama [EMAIL_1]; ripoti hutaja aina na mahali tu, kamwe si thamani. Metadata kama mwandishi au historia ya uhariri haiingii kwenye kifurushi, na majina ya faili yanaweza kubadilishwa kwa majina yasiyoegemea upande. PDF zilizochanganuliwa bila safu ya maandishi huripotiwa; utambuzi wa maandishi (OCR) ukiwashwa, kurasa hizo husomwa kwa lugha uliyochagua. Faili zilizolindwa dhidi ya kunakiliwa au zilizosimbwa hazikwepwi. Kila kitu hufanyika kwenye kivinjari chako, hata nje ya mtandao baada ya kupakia mara ya kwanza.
AI nyingi za mazungumzo huweka kikomo kwa ukubwa wa faili, idadi ya faili, na dirisha la muktadha kwa token - faili kubwa kupita kiasi hukataliwa au kusomwa kwa sehemu tu. Andaa faili kwa AI huandaa faili yako kwa njia ya ndani kwenye kivinjari kabla hata hujapakia chochote.
Chagua au dondosha faili zako, hata kadhaa kwa wakati mmoja.
Chagua muundo wa matokeo na ukubwa wa kipande, ukipenda ingiza dirisha la muktadha la modeli yako, na kwa PDF zilizochanganuliwa washa utambuzi wa maandishi pamoja na lugha ya hati.
Kagua ripoti, kisha nakili kifurushi au kipakue kama Markdown, maandishi au ZIP.
Mipaka: Idadi za tokeni ni makadirio na zinaweza kutofautiana na tokenizer ya modeli yako. Safu ya maandishi iliyopo ndiyo husomwa; majedwali, safu wima na fomula hazijengwi upya kikamilifu, na utambuzi wa maandishi unaweza kukosea. Ukaguzi wa data binafsi ni wa kukisia na haupati majina wala anwani za posta. Kumbukumbu zilizobanwa (ZIP, GZIP, 7z, RAR, TAR) na lahajedwali (XLS, XLSX, ODS) hazifunguliwi, PowerPoint haisomwi. Mipaka: faili 50, MB 100 kwa kila faili, MB 300 kwa jumla, herufi milioni 20 za maandishi, faili za Office zisizozidi MB 64 zikifunguliwa. Kifurushi na ripoti hutumia lebo fupi za Kiingereza zinazoelezwa kwenye ukurasa huu.
Maswali yanayoulizwa mara kwa mara
Je, faili zangu hupakiwa?
Hapana. Kusoma, utambuzi wa maandishi, ukaguzi wa data binafsi na ujenzi wa kifurushi hufanyika kikamilifu kwenye kivinjari chako. Hakuna kinachohifadhiwa na hakuna muunganisho na huduma yoyote ya AI; unachompa AI baadaye ni uamuzi wako.
Idadi ya tokeni ni sahihi kiasi gani?
Ni makadirio kwa mfumo wa uandishi yenye kiwango, si tokenizer ya modeli fulani. Kwa ukaguzi wa kutosha, ripoti hutumia pia makadirio ya juu, ili ukiwa na shaka kifurushi kihesabiwe kuwa kikubwa mno.
Nini hutokea kwa anwani za barua pepe na IBAN kwenye faili zangu?
Katika hali ya Ficha, zana hubadilisha kila thamani iliyogunduliwa kwa kishikilia nafasi kama [EMAIL_1] au [IBAN_1]; thamani zinazofanana hupata kishikilia kilekile. Katika hali ya Ripoti tu, maandishi hayabadiliki na ripoti huonyesha mahali bila thamani.
Kwa nini PDF yangu inaonyesha no_text_layer?
PDF imechanganuliwa au ina picha tu na haina safu ya maandishi. Washa utambuzi wa maandishi na uchague lugha ya hati; baada ya hapo ripoti huorodhesha kurasa zilizosomwa kwa OCR.
Kwa nini kupakia faili moja kwa moja kwenye AI ya mazungumzo mara nyingi hakutoshi?
AI za mazungumzo huweka kikomo kwa ukubwa wa faili, idadi ya faili, na dirisha la muktadha kwa token; faili kubwa kupita kiasi hukataliwa au kusomwa kwa sehemu tu. Andaa faili kwa AI hugawanya au kuandaa faili yako mapema, kwa njia ya ndani - bila kupakia.
Tunapima matumizi bila kukutambua kupitia vidakuzi ili kuboresha gottrix kwa idhini yako pekee. Faili zako hubaki kila wakati ndani ya kifaa chako. Faragha