色々やってみたのですが、今回は預金明細のOCRを記事にしてみました。 ちなみに、ChatGPT 4o でもほぼ同じことが出来ました。 Geminiは、Google AIによって開発されたマルチモーダル大規模言語モデルです。 2023年12月に発表され、LaMDAとPaLM2の後継モデルとして位置付けられています。 Geminiの特徴 テキストと画像の生成: テキストと画像の両方を生成することができます。これは、従来の言語モデルではできなかったことです。 マルチモーダル理解: テキストと画像だけでなく、音声や動画などのマルチモーダルデータも理解することができます。 高度な推論能力: 複雑な質問や指示を理解し、それに応答することができます。 創造性: 詩、コード、台本、音楽作品、メール、手紙など、様々な創造的なテキスト形式を生成することができます。 ( 「Geminiとは」でGeminiが回答
![【Gemini】AI活用で通帳のデータ化が爆速になった【OCR】|福岡市のまつしま税理士事務所](https://cdn-ak-scissors.b.st-hatena.com/image/square/4682e2de4f2eb33f16be5f044c09c8b3713fa300/height=288;version=1;width=512/https%3A%2F%2Ffuk-office.com%2Fwp-content%2Fuploads%2F2024%2F05%2Fwp_eye-catch-2024-05-16T192201.703.png)