Anthropicは最近、Claude 3.5 SonnetモデルがPDFファイル処理機能を追加し、現在パブリックベータステージに入っていることを発表しました。この関数により、ユーザーは、画像、チャート、テーブルを含むPDFドキュメントのテキストと視覚要素を分析できます。この動きにより、Claudeの機能がさらに拡大され、ユーザーにドキュメント処理機能が強くなり、作業効率が向上します。
最近、人工知能会社Anthropicは、PDFファイル処理機能をClaude 3.5 Sonnetモデルに追加したことを発表しました。ユーザーはこのモデルを使用して、財務レポート、法的文書、ドキュメント翻訳などのさまざまなシナリオについて、画像、チャート、表などのPDFドキュメントのテキストと視覚要素を分析できるようになりました。
Claude 3.5ソネットのPDF処理プロセスは、3つのステップに分かれています。まず、システムはドキュメントからテキストコンテンツを抽出します。次に、ドキュメントの各ページは、より詳細な分析のために画像に変換されます。これにより、ユーザーはテキスト情報を取得するだけでなく、PDFファイルの視覚情報に関する洞察を得ることができます。
ClaudeのPDF機能は、特定の情報を抽出したり、ツール入力として使用したりするなど、他の機能と組み合わせて使用できることに言及する価値があります。アップロードされたファイルは32MB未満でなければならず、ページ数は100ページを超えてはなりません。現在、このシステムは暗号化またはパスワードで保護されたドキュメントをサポートしていません。
PDFファイルを処理するコストは、ドキュメントの長さとコンテンツ密度によって異なります。通常、ページごとに1,500〜3,000トークンは、標準のトークン料金を超える追加料金なしで消費されます。ユーザーは、Claudeチャット機能のプレビューとAPIアクセスを介してこの新機能を使用できます。これには、APIリクエストで特定のリクエストヘッダー「Anthropic-Beta：PDFS-2024-09-25」を使用する必要があります。人類は、この機能を将来Amazon BedrockおよびGoogle Vertex AIプラットフォームに拡張する予定です。
処理を改善するために、人類は、ユーザーがドキュメントに明確で読み取り可能なテキストがあり、ページレイアウトが正しいことを確認することを推奨しています。さらに、特定のコンテンツを引用する場合、ユーザーはPDFリーダーに表示されるページ番号を使用する必要があります。また、APIの使用中に、PDFファイルはテキストの前に配置する必要があります。ドキュメントが大きく、制限を超えている場合、人類はそれを小さなセクションに分割することをお勧めします。最後に、同じドキュメントを複数回分析する場合、ユーザーはプロセス効率を改善するために迅速なキャッシュを使用することも検討することもできます。
キーポイント：
AnthropicはClaude 3.5 Sonnetを起動し、PDFファイル処理機能を追加してテキストと画像分析をサポートします。
処理プロセスは、テキストの抽出、ページの画像への変換、包括的な分析の3つのステップに分割されます。
処理コストはドキュメントの長さとコンテンツ密度によって異なり、ユーザーはファイルサイズとページ制限の対象となります。
Claude 3.5 SonnetのPDF処理機能は、そのアプリケーションの範囲をさらに拡張して、より多くのプラットフォームでアップグレードすることを楽しみにしています。