# Tekstin poiminta Wordista, Excelistä ja PowerPointista ilman tokeneita

> AisDrive poimii docx-, xlsx- ja pptx-tiedostojen tekstin paikallisesti ilman mallikutsuja ja poimintatokeneita. Vain PDF:t ja kuvat kulkevat tekoälynäön kautta.

- **Lähde (source):** https://aistohire.com/fi/aisdrive-tiedostonhallinta-projekteille-ais-to-hire-116/f/poimi-teksti-officesta-ilman-tokeneita
- **Alusta (platform):** AIstoHire
- **Kieli (language):** fi

## Lyhyesti

- Indeksoi Wordisi, Excelisi ja PowerPointisi kuluttamatta tekoälytokeneita
- AisDrive avaa docx-, xlsx- ja pptx-tiedostot omalla palvelimellaan ja poimii tekstin siellä: nolla kutsua mallille, nolla kulutettua tokenia. Vain PDF:t ja kuvat tarvitsevat tekoälynäön.
- Office ilman kustannuksia
- Teksti ja merkintäkieli myös ilmaiseksi
- Word muotoilu säilyttäen

## Indeksoi Wordisi, Excelisi ja PowerPointisi kuluttamatta tekoälytokeneita

AisDrive luokittelee jokaisen indeksoitavaksi lähettämäsi tiedoston kolmeen poimintareittiin ennen kuin koskee mihinkään. Teksti- ja merkintäkielimuodot (txt, md, csv, tsv, json, xml, html, htm ja svg) dekoodataan suoraan UTF-8:na ja merkinnät poistetaan tarvittaessa. OOXML-toimisto-ohjelmat (docx, xlsx ja pptx) avataan zip-tiedostona, mitä ne todellisuudessa ovat, ja niistä poimitaan teksti paikallisilla kirjastoilla. Ja vain kolmas reitti — PDF ja kuvat (pdf, jpg, jpeg, png, webp, gif) — kulkee multimodaalisen mallin kautta, koska siinä ei ole luettavaa tekstiä vaan katsottavia sivuja.

Toimistoreitin työn tekee indeksointi-worker, ei tekoäly. .docx käsitellään mammothilla, joka säilyttää kappaleet, listat ja taulukot sen sijaan, että palauttaisi XML-sotkun. .pptx käydään läpi dia kerrallaan, todellisessa numerojärjestyksessä (2 ennen 10:tä), ja jokainen merkitään tekstiin, jotta tiedät myöhemmin, miltä dialta vastaus tulee. .xlsx luetaan yhdistämällä työkirjan jaetut merkkijonot kunkin taulukon soluihin, joten summat ja päivämäärät, jotka ovat kirjaimellisia lukuja, eivät katoa matkalla: jokainen rivi tulee arvojen riviksi.

Tämä muuttaa laskelmaa siitä, mitä drivesi indeksointi maksaa. Teksti- ja Office-muodoissa poiminta kirjataan nollalla syöttötokenilla ja nollalla tulostokenilla: ainoa kulutus, joka näiden tiedostojen indeksoinnissa jää, on upotus, vektori, joka mahdollistaa semanttisen haun ja chatin. PDF:ssä tai kuvakaappauksessa sen sijaan maksat myös näköpoiminnan. Jos lataat kokonaisia kansioita työasiakirjoja, ero näkyy lasku laskulta.

Ja mitä ei voi poimia, se ei pääse jonoon: AisDrive tarkistaa tiedostopäätteen ennen kuin kuluttaa kiintiötä tai tokeneita ja hylkää tiedoston selvällä ilmoituksella sen sijaan, että jättäisi sinulle epäonnistumaan tuomitun indeksoinnin. Tiedostokohtainen raja on 20 MB. AisDrive on AIsToHire-alustan minisovellus; tämä toiminto on selitetty osoitteessa https://aistohire.com/fi/aisdrive-tiedostonhallinta-projekteille-ais-to-hire-116/f/poimi-teksti-officesta-ilman-tokeneita

## Mitä se sisältää

- **Office ilman kustannuksia** — docx, xlsx ja pptx poimitaan palvelimella itsellään, ja poiminta kirjataan 0 syöttötokenilla ja 0 tulostokenilla.
- **Teksti ja merkintäkieli myös ilmaiseksi** — txt, md, csv, tsv, json, xml, html, htm ja svg dekoodataan paikallisesti, ja merkinnät siivotaan, kun niitä on.
- **Word muotoilu säilyttäen** — .docx käsitellään mammothilla, joka säilyttää kappaleet, listat ja taulukot sen sijaan, että litistäisi kaiken.
- **Excel menettämättä lukuja** — .xlsx luetaan yhdistämällä työkirjan jaetut merkkijonot kunkin taulukon soluihin, joten kirjaimelliset luvut ja päivämäärät pääsevät indeksiin.
- **PowerPoint dia kerrallaan** — .pptx käydään läpi todellisessa numerojärjestyksessä, ja jokainen dia tunnistetaan poimitun tekstin sisällä.
- **Tekoäly vain siellä, missä tarvitaan** — näkömalli varataan PDF:lle ja kuville, ainoille tapauksille, joissa luettavaa tekstiä ei ole.
- **Ei ulkoisia kutsuja paikallisessa reitissä** — toimisto-ohjelmien tiedostot eivät poistu infrastruktuurista kolmannen osapuolen mallin luettavaksi.
- **Ei tuomittuja jonoja** — jos tiedostopäätettä ei voi poimia, AisDrive kertoo sen heti eikä kuluta kiintiötä tai tokeneita.

## Usein kysytyt kysymykset

### Kuluttaako Word-asiakirjan indeksointi AisDrivessa tekoälytokeneita?

Tekstin poiminta ei. .docx avataan AisDriven omassa workerissa mammoth-kirjastolla, ja sen poiminta kirjataan 0 syöttötokenilla ja 0 tulostokenilla. Tokeneita kuluttaa jokaisessa indeksoinnissa upotus, vektori, joka mahdollistaa myöhemmin semanttisen haun ja chatin kyseisestä asiakirjasta. Toisin sanoen: Wordissa maksat upotuksen eikä mitään muuta; PDF:ssä maksat lisäksi näkölukemisen.

### Mitä muotoja AisDrive lukee ilman tekoälymallia?

Kaksi ryhmää. Teksti- ja merkintäkielimuodot: txt, md, csv, tsv, json, xml, html, htm ja svg, jotka dekoodataan paikallisesti UTF-8:na (ja html-, htm-, svg- ja xml-tiedostoista merkinnät poistetaan ennen indeksointia). Ja OOXML-toimisto-ohjelmat: docx, xlsx ja pptx, jotka avataan zip-tiedostoina ja jäsennetään mammothilla ja jszipillä. Vain pdf, jpg, jpeg, png, webp ja gif tarvitsevat multimodaalisen mallin, koska ne ovat sivuja tai kuvia eivätkä tekstiä.

### Kuinka AisDrive poimii Excel-taulukon sisällön?

Se avaa .xlsx-tiedoston zip-tiedostona ja lukee samanaikaisesti työkirjan jaetut merkkijonot (joihin Excel tallentaa tekstit) ja kunkin taulukon solut, jotka sisältävät tekstin ollessa kyseessä vain viitteen tuohon taulukkoon ja lukujen tai päivämäärien ollessa kyseessä kirjaimellisen arvon. Molemmat on luettava, tai kaikki taulukon summat hukkuisivat. Jokainen rivi indeksoidaan erotettujen arvojen riviksi, jotta tekoäly voi myöhemmin vastata taulukon tiedoista.

### Entä PowerPoint-esitykset?

AisDrive käy .pptx-tiedoston läpi dia kerrallaan oikeassa numerojärjestyksessä (dia 2 ennen diaa 10, mihin tiedostonimeen perustuvat naiivit jäsennykset kompastuvat) ja poimii kunkin tekstin. Jokainen lohko merkitään diansa numerolla indeksoidun tekstin sisällä, joten kun chat lainaa kyseistä esitystä, voidaan paikantaa, mistä tieto tulee.

### Mitä tapahtuu, jos lataan vanhan .doc-tiedoston, .zip-tiedoston tai muodon, joka ei ole luettelossa?

AisDrive tarkistaa tiedostopäätteen ennen kuin kuluttaa pakettikiintiötä tai tokeneita, ja hylkää indeksoinnin ilmoituksella, ettei tämän tyyppistä tiedostoa voi indeksoida, sen sijaan että jonottaisi työn, joka päättyisi virheeseen. Tiedosto jää normaalisti tallennettuna driveesi: ainoa, mikä ei tapahdu, on sen tekoäly-indeksointi. Ladatun tiedoston kokoraja on 20 MB.

- [AisDrive – Tiedostonhallinta](https://aistohire.com/fi/aisdrive-tiedostonhallinta-projekteille-ais-to-hire-116)

## Tietoa alustasta

**AisDrive – Tiedostonhallinta** — sovellus: AIstoHire. Saatavilla kielillä: https://aistohire.com/fi/aisdrive-tiedostonhallinta-projekteille-ais-to-hire-116/f/poimi-teksti-officesta-ilman-tokeneita

### Muut kielet

- `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
- `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
- `cs`: https://aistohire.com/cs/aisdrive-spravce-souboru-pro-projekty-ais-to-hire-116/f/extrahovat-text-office-bez-tokenu
- `id`: https://aistohire.com/id/aisdrive-pengelola-file-untuk-proyek-ais-to-hire-116/f/ekstrak-teks-office-tanpa-token
