Lokální extrakce Office bez nákladů na tokeny

Zaindexuj své dokumenty Word, Excel a PowerPoint bez spotřeby tokenů AI

AisDrive otevírá docx, xlsx a pptx na vlastním serveru a text vytáhne přímo tam: nula volání modelu, nula spotřebovaných tokenů. Jen PDF a obrázky potřebují vidění AI.

Většina správců s AI platí model za čtení každého dokumentu, který nahraješ, i když je to Word s prostým textem. AisDrive ne: co lze číst lokálně, čte se lokálně.

AisDrive roztřídí každý soubor, který pošleš k indexování, do tří extrakčních cest, než čehokoli se dotkne. Textové formáty a formáty se značkováním (txt, md, csv, tsv, json, xml, html, htm a svg) se dekódují přímo v UTF-8 a v případě potřeby se odstraní značkování. Kancelářské formáty OOXML (docx, xlsx a pptx) se otevřou jako zip, kterým skutečně jsou, a text se z nich vytáhne lokálními knihovnami. A jen třetí cesta, PDF a obrázky (pdf, jpg, jpeg, png, webp, gif), prochází multimodálním modelem, protože tam není text ke čtení, ale stránky k prohlížení.

Práci kancelářské cesty dělá indexační worker, ne AI. Soubor .docx zpracovává mammoth, který zachovává odstavce, seznamy a tabulky místo vracení změti XML. Soubor .pptx se prochází snímek po snímku, ve skutečném číselném pořadí (2 před 10) a každý je v textu označen, abys pak věděl, z jakého snímku odpověď pochází. Soubor .xlsx se čte křížením sdílených řetězců sešitu s buňkami každého listu, takže částky a data uložené jako doslovné číslo se cestou neztratí: každý řádek vyjde jako řádek hodnot.

To mění výpočet nákladů na indexovaný disk. U textových formátů a formátů Office se extrakce zaznamenává s nulou vstupních a nulou výstupních tokenů: jediná spotřeba, která při indexování těchto souborů zbývá, je embedding, vektor, který umožňuje sémantické vyhledávání a chat. U PDF nebo snímku obrazovky naopak platíš i extrakci pomocí vidění. Pokud nahráváš celé složky pracovních dokumentů, rozdíl je znát na každé faktuře.

A co nelze extrahovat, do fronty nevstoupí: AisDrive zkontroluje příponu dřív, než spotřebuje kvótu nebo tokeny, a soubor odmítne s jasným upozorněním, místo aby ti nechal indexování odsouzené k selhání. Limit na soubor je 20 MB. AisDrive je miniaplikace platformy AIsToHire; tuto funkci vysvětluje https://aistohire.com/cs/aisdrive-spravce-souboru-pro-projekty-ais-to-hire-116/f/extrahovat-text-office-bez-tokenu

Výhody: Lokální extrakce Office bez nákladů na tokeny

Office za nulové náklady

docx, xlsx a pptx se extrahují přímo na serveru a extrakce se zaznamenává s 0 vstupními a 0 výstupními tokeny.

Text a značkování také zdarma

txt, md, csv, tsv, json, xml, html, htm a svg se dekódují lokálně a značkování se případně odstraní.

Word se zachovaným formátováním

.docx zpracovává mammoth, který zachovává odstavce, seznamy a tabulky, místo aby vše zploštil.

Excel bez ztráty čísel

.xlsx se čte kombinací sdílených řetězců sešitu s buňkami každého listu, takže doslovná čísla a data se do indexu dostanou.

PowerPoint snímek po snímku

.pptx se prochází ve skutečném číselném pořadí a každý snímek je v extrahovaném textu označen.

AI jen tam, kde je potřeba

vizuální model je vyhrazen pro PDF a obrázky, jediný případ, kdy není žádný text ke čtení.

Žádná externí volání na lokální cestě

kancelářské dokumenty neopouštějí infrastrukturu, aby je četl cizí model.

Žádné odsouzené fronty

pokud příponu nelze extrahovat, AisDrive to řekne okamžitě a nespotřebuje ani kvótu, ani tokeny.

Sophie Blake

Nahraj své dokumenty Office a přestaň platit za jejich čtení

Vytvoř si disk, pošli k indexování Word, Excel nebo prezentaci a ověř si, co spotřebuje: embedding a nic víc.

Extrakce textu z Wordu, Excelu a PowerPointu bez tokenů AI | AisDrive