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

> AisDrive extrahuje text z docx, xlsx a pptx lokálně, bez volání jakéhokoli modelu a bez spotřeby tokenů extrakce. Jen PDF a obrázky procházejí vizí AI.

- **Zdroj (source):** https://aistohire.com/cs/aisdrive-spravce-souboru-pro-projekty-ais-to-hire-116/f/extrahovat-text-office-bez-tokenu
- **Platforma (platform):** AIstoHire
- **Jazyk (language):** cs

## Ve zkratce

- 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.
- Office za nulové náklady
- Text a značkování také zdarma
- Word se zachovaným formátováním

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

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

## Co obsahuje

- **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.

## Často kladené otázky

### Spotřebuje indexování dokumentu Word v AisDrive tokeny AI?

Extrakce textu ne. Soubor .docx se otevírá přímo v workeru AisDrive pomocí knihovny mammoth a jeho extrakce se zaznamenává s 0 vstupními a 0 výstupními tokeny. Co tokeny při každém indexování spotřebovává, je embedding, vektor, který umožňuje pozdější sémantické vyhledávání a chat nad tímto dokumentem. Jinak řečeno: u Wordu platíš embedding a nic víc; u PDF platíš navíc čtení pomocí vidění.

### Jaké formáty čte AisDrive bez použití modelu AI?

Dvě skupiny. Textové formáty a formáty se značkováním: txt, md, csv, tsv, json, xml, html, htm a svg, které se dekódují lokálně v UTF-8 (a u html, htm, svg a xml se před indexováním odstraní značkování). A kancelářské formáty OOXML: docx, xlsx a pptx, které se otevírají jako zip a parsují pomocí mammoth a jszip. Jen pdf, jpg, jpeg, png, webp a gif vyžadují multimodální model, protože jde o stránky nebo obrázky, ne o text.

### Jak AisDrive extrahuje obsah listu Excelu?

Otevře .xlsx jako zip a čte současně sdílené řetězce sešitu (kde Excel ukládá texty) i buňky každého listu, které u textu obsahují jen odkaz do této tabulky a u čísel nebo dat doslovnou hodnotu. Je třeba číst obojí, jinak by se ztratily všechny částky na listu. Každý řádek se indexuje jako řádek oddělených hodnot, takže AI pak může odpovídat na data z tabulky.

### A prezentace PowerPoint?

AisDrive prochází .pptx snímek po snímku ve správném číselném pořadí (snímek 2 před 10, což je místo, kde selhává naivní parsování podle názvu souboru) a z každého extrahuje text. Každý blok je v indexovaném textu označen číslem snímku, takže když chat tuto prezentaci cituje, lze dohledat, odkud informace pochází.

### Co se stane, když nahraji starý .doc, .zip nebo formát, který není na seznamu?

AisDrive zkontroluje příponu dřív, než spotřebuje kvótu tarifu nebo tokeny, a indexování odmítne s upozorněním, že tento typ souboru nelze indexovat, místo aby zařadil úlohu, která by skončila chybou. Soubor zůstane na tvém disku uložený jako obvykle: neproběhne jen jeho indexování pro AI. Limit velikosti na nahraný soubor je 20 MB.

- [AisDrive – Správce souborů](https://aistohire.com/cs/aisdrive-spravce-souboru-pro-projekty-ais-to-hire-116)

## O platformě

**AisDrive – Správce souborů** — aplikace pro AIstoHire. Dostupné v: https://aistohire.com/cs/aisdrive-spravce-souboru-pro-projekty-ais-to-hire-116/f/extrahovat-text-office-bez-tokenu

### Další jazyky

- `es`: https://aistohire.com/es/aisdrive-gestor-archivos-116/f/extraer-texto-office-sin-tokens
- `en`: https://aistohire.com/aisdrive-file-manager-116/f/extract-text-office-without-tokens
- `fr`: https://aistohire.com/fr/aisdrive-gestionnaire-fichiers-116/f/extraire-texte-office-sans-tokens
- `it`: https://aistohire.com/it/aisdrive-gestore-file-116/f/estrarre-testo-office-senza-token
- `pt`: https://aistohire.com/pt/aisdrive-gerenciador-arquivos-116/f/extrair-texto-office-sem-tokens
- `de`: https://aistohire.com/de/aisdrive-dateimanager-116/f/text-aus-office-ohne-tokens-extrahieren
- `bg`: https://aistohire.com/bg/aisdrive-menidzhar-na-faylove-za-proekti-ais-to-hire-116/f/izvlichane-na-tekst-ot-office-bez-tokeni
- `ja`: https://aistohire.com/ja/fairu-kanri-manager-116/f/office-text-chushutsu-token-nashi
- `nl`: https://aistohire.com/nl/aisdrive-bestandsbeheer-voor-projecten-ais-to-hire-116/f/tekst-uit-office-halen-zonder-tokens
- `ko`: https://aistohire.com/ko/aisdrive-file-manager-pail-gwanlija-116/f/office-tokeun-eopsi-teksteu-chuchul
- `sv`: https://aistohire.com/sv/aisdrive-filhanterare-for-projekt-ais-to-hire-116/f/extrahera-text-office-utan-tokens
- `da`: https://aistohire.com/da/aisdrive-filhandtering-til-projekter-ais-to-hire-116/f/udtraek-tekst-fra-office-uden-tokens
- `ar`: https://aistohire.com/ar/aisdrive-mdir-mlfat-llmsharia-ais-to-hire-116/f/istikhraj-nass-office-bila-tokens
- `no`: https://aistohire.com/no/aisdrive-filbehandler-for-prosjekter-ais-to-hire-116/f/trekke-ut-tekst-office-uten-tokens
- `fi`: https://aistohire.com/fi/aisdrive-tiedostonhallinta-projekteille-ais-to-hire-116/f/poimi-teksti-officesta-ilman-tokeneita
- `zh`: https://aistohire.com/zh/aisdrive-file-manager-116/f/yongbu-token-tiqu-office-wenzi
- `pl`: https://aistohire.com/pl/aisdrive-menedzer-plikow-dla-projektow-ais-to-hire-116/f/wyodrebnianie-tekstu-office-bez-tokenow
- `he`: https://aistohire.com/he/aisdrive-mnhl-kbtsim-lproiktim-ais-to-hire-116/f/extract-office-text-without-tokens
- `id`: https://aistohire.com/id/aisdrive-pengelola-file-untuk-proyek-ais-to-hire-116/f/ekstrak-teks-office-tanpa-token
