選擇文件處理函式

您可以比較 BigQuery ML 提供的文件處理函式，選擇最適合分析非結構化文字和文件的工具。瞭解 AI.GENERATE_TEXT 和 ML.PROCESS_DOCUMENT 函式之間的差異，有助於最佳化資料工作流程，兼顧成本、語言支援和結構化文件剖析。

這些函式的主要差異如下：

  • AI.GENERATE_TEXT 適合用於執行自然語言處理 (NLP) 工作，其中部分內容位於文件中。這項功能有以下優點：

    • 降低費用
    • 支援更多語言
    • 處理量更高
    • 模型調整功能
    • 多模態模型的適用情形

    如需最適合這種做法的文件處理工作範例，請參閱「使用 Gemini API 探索文件處理功能」。

  • ML.PROCESS_DOCUMENT 適合用於執行文件處理工作，這類工作需要剖析文件，並提供預先定義的結構化回覆。

函式比較

請參閱下表，比較 AI.GENERATE_TEXT 和 ML.PROCESS_DOCUMENT 函式：

AI.GENERATE_TEXT ML.PROCESS_DOCUMENT
目的

將提示傳送至 Gemini 或合作夥伴模型，或開放式模型，即可執行任何與文件相關的自然語言處理工作。

舉例來說，假設您有一份公司的財務文件，只要提供「What is the quarterly revenue for each division?」等提示，即可擷取文件資訊。

 使用 Document AI API，針對不同文件類型 (例如應付憑據、稅務表單和財務報表) 執行專門的文件處理作業。您也可以執行文件分塊。
帳單

會產生 BigQuery ML 資料處理費用。詳情請參閱「BigQuery ML 定價」。

呼叫模型會產生 Gemini Enterprise Agent Platform 費用。如果使用 Gemini 2.0 以上版本模型，則會按照 Batch API 費率計費。詳情請參閱「在 Agent Platform 建構及部署 AI 模型的成本」。

 會產生 BigQuery ML 資料處理費用。詳情請參閱「BigQuery ML 定價」。

呼叫 Document AI API 會產生費用。詳情請參閱 Document AI API 定價。
每分鐘要求數 (RPM) 不適用於 Gemini 模型。合作夥伴模型則介於 25 到 60 之間。詳情請參閱「每分鐘要求數限制」。 每種處理器類型每分鐘 120 次，每項專案每分鐘總計 600 次。 詳情請參閱配額清單。
每分鐘詞元數 視使用的模型而定，範圍從 8,192 到超過 100 萬。 沒有詞元限制。不過，這項功能確實有不同的頁數限制，具體取決於您使用的處理器。詳情請參閱「限制」。
監督式調整 部分模型支援監督式調整。 不支援。
支援的語言 支援情形會因您選擇的大型語言模型而異。 支援的語言取決於文件處理器類型，大多數僅支援英文。詳情請參閱處理器清單。
支援的地區 支援所有 Generative AI for Agent Platform 區域。 所有處理器均支援 EU 和 US 多區域。部分處理器也適用於特定單一區域。詳情請參閱「區域和多區域支援」。