Распознавание документов через GPT и Gemini

30.06.2026

Читать новость полностью в блоге

Раньше через /vision можно было работать в основном с Google Form Parser — получать структуру и разметку документов.

Теперь всё стало проще: загружаете картинку или PDF, выбираете AI-модель — и получаете готовый текст.
Без лишних настроек и отдельных сервисов.

Что доступно:

• GPT-4o-mini
• GPT-4o
• Gemini 2.5 Pro
• Gemini 2.5 Flash

Что можно обрабатывать:

• документы
• изображения
• сканы PDF
• текст с фотографий
  
  

Функционал доступен через API AI-Коннект.

Клиент отправляет:

• файл (изображение или PDF);
• название модели, которая должна обработать документ.

В ответ получает:

• распознанный текст;
• количество обработанных страниц;
• информацию о выбранной модели.

То есть логика максимально простая:

Файл → AI-модель → готовый текст

Один API, единый интерфейс и оплата по страницам — как в form-parser.

Попробуйте новый Vision-функционал в своём кабинете.
Подробнее о новом функционале с примером в блоге.