Gemini OCR
Gemini OCR lee el texto de imágenes y documentos PDF con un modelo de Gemini, de Google, capaz de ver. Además de copiar el texto, puede seguir tus indicaciones, por ejemplo devolver solo los campos que te interesan.
Cuándo usarlo
- Leer facturas o albaranes escaneados para registrar sus datos.
- Sacar el texto de fotos de documentos que llegan por WhatsApp o correo.
- Extraer campos concretos de un formulario, como el nombre y el importe.
Configuración
Necesitas una credencial Google Gemini con tu clave de Google AI. Consulta Credenciales.
| Campo | Qué hace |
|---|---|
| Credential (obligatorio) | La credencial Google Gemini. |
| Model Name (obligatorio) | El modelo de Gemini. Pulsa el botón de refrescar para ver los disponibles. |
| OCR Prompt (obligatorio) | Qué debe hacer el modelo con el documento. Por defecto, «Read all the text in the image.» (leer todo el texto). Puedes pedir, por ejemplo, que devuelva solo ciertos campos. |
| Image/PDF Input | La imagen o el PDF que se lee, por ejemplo la salida de Binary o de un componente que carga archivos. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Max Output Tokens | Longitud máxima de la respuesta. Por defecto, 8192. |
| Temperature | Lo creativo que es el modelo, de 0 a 1. Por defecto, 0,1, para copiar el texto con fidelidad. |
Resultado
La salida OCR Results trae el texto leído de cada imagen o página.
En modo herramienta, un agente puede usar el componente por sí mismo. Consulta Tool Mode.
Ejemplo
Una gestoría recibe facturas escaneadas por correo.
- Conecta el adjunto a Image/PDF Input.
- Escribe en OCR Prompt: «Devuelve el número de factura, la fecha, el NIF del emisor y el total».
- Guarda OCR Results en una hoja de cálculo.
Componentes relacionados
- Text Extractor: saca nombres, fechas o importes del texto leído.