Extração local do Office sem custo de tokens

Indexe seus Word, Excel e PowerPoint sem gastar tokens de IA

AisDrive abre os docx, xlsx e pptx em seu próprio servidor e extrai o texto ali mesmo: zero chamadas a um modelo, zero tokens consumidos. Apenas PDFs e imagens precisam de visão por IA.

A maioria dos gerenciadores com IA paga um modelo para ler cada documento que você envia, mesmo que esse documento seja um Word com texto simples dentro. AisDrive não: o que pode ser lido localmente, é lido localmente.

AisDrive classifica cada arquivo que você envia para indexar em três rotas de extração antes de tocar em qualquer coisa. Os formatos de texto e marcação (txt, md, csv, tsv, json, xml, html, htm e svg) são decodificados diretamente em UTF-8, removendo a marcação quando necessário. A suíte de escritório OOXML (docx, xlsx e pptx) é aberta como o zip que realmente é e o texto é extraído com bibliotecas locais. E apenas a terceira rota —PDF e imagens (pdf, jpg, jpeg, png, webp, gif)— passa por um modelo multimodal, porque ali não há texto para ler, mas páginas para visualizar.

O trabalho da rota de escritório é feito pelo trabalhador de indexação, não pela IA. Um .docx é processado com mammoth, que preserva parágrafos, listas e tabelas em vez de devolver um monte de XML. Um .pptx é percorrido slide por slide, na ordem numérica correta (o 2 antes do 10), e cada um é marcado no texto para que depois você saiba de qual slide vem uma resposta. Um .xlsx é lido cruzando as strings compartilhadas do livro com as células de cada planilha, assim os valores e as datas que vão como números literais não se perdem pelo caminho: cada linha sai como uma linha de valores.

Isso muda a conta do que custa ter seu drive indexado. Nos formatos de texto e de Office, a extração é registrada a zero tokens de entrada e zero de saída: o único consumo que resta em uma indexação desses arquivos é a incorporação, o vetor que possibilita a busca semântica e o chat. Em um PDF ou uma captura de tela, por outro lado, você também paga pela extração por visão. Se você enviar pastas inteiras de documentos de trabalho, a diferença se torna evidente fatura a fatura.

E o que não pode ser extraído não entra na fila: AisDrive verifica a extensão antes de consumir cota ou tokens e rejeita o arquivo com um aviso claro, em vez de deixar você com uma indexação condenada a falhar. O limite por arquivo é de 20 MB. AisDrive é um mini-app da plataforma AIsToHire; essa funcionalidade é explicada em https://aistohire.com/pt/aisdrive-gerenciador-arquivos-116/f/extrair-texto-office-sem-tokens

Vantagens de Extração local do Office sem custo de tokens

Office a custo zero

docx, xlsx e pptx são extraídos no próprio servidor e a extração é registrada a 0 tokens de entrada e 0 de saída.

Texto e marcação também grátis

txt, md, csv, tsv, json, xml, html, htm e svg são decodificados localmente, limpando a marcação quando existe.

Word com formatação respeitada

o .docx é processado com mammoth, que mantém parágrafos, listas e tabelas em vez de achatar tudo.

Excel sem perder números

o .xlsx é lido combinando as cadeias compartilhadas do livro com as células de cada planilha, assim os números e datas literais entram no índice.

PowerPoint slide a slide

o .pptx é percorrido em ordem numérica real e cada slide é identificado dentro do texto extraído.

IA apenas onde necessário

o modelo de visão é reservado para PDF e imagens, o único caso em que não há texto para ler.

Nada de chamadas externas na rota local

a suíte de escritório não sai da infraestrutura para ser lida por um modelo de terceiros.

Sem filas condenadas

se a extensão não for extraível, AisDrive informa no momento e não consome nem cota nem tokens.

Sophie Blake

Carregue seus documentos do Office e pare de pagar para lê-los

Crie seu drive, envie um Word, um Excel ou uma apresentação para indexar e veja o que consome: o embedding e nada mais.

Extrair texto de Word, Excel e PowerPoint sem gastar tokens de IA | AisDrive