Imágenes y escaneos
Todos los modelos de Perch pueden trabajar con imágenes, incluidos los que no pueden ver. Comparte una captura de pantalla, una factura escaneada o una foto, y Perch la lee para el modelo que hace tu tarea.
Algunos de los modelos más potentes que existen son de solo texto. Son excelentes razonando, programando y con documentos largos, y no pueden abrir una imagen en absoluto. Normalmente eso es un muro infranqueable: eliges el mejor modelo y pierdes la posibilidad de pasarle una captura de pantalla.
Perch elimina esa disyuntiva. Todos los modelos de Perch pueden trabajar con imágenes, incluidos los que no pueden ver, y funciona en todos los planes, incluido el gratis.
En pocas palabras
Cómo funciona
Cuando compartes una imagen, Perch la envía a un modelo que puede ver. Ese modelo hace un solo trabajo: describir lo que se ve, incluido el texto, el diseño y cualquier cosa que parezca dudosa. La descripción vuelve como texto simple y entra en el contexto del modelo que realmente está haciendo tu trabajo.
Así, un modelo de solo texto nunca ve la imagen. Lee una descripción cuidadosa de ella, que basta para responder preguntas sobre una captura de pantalla, sacar cifras de un estado de cuenta escaneado o decirte qué muestra un gráfico.
Qué es esto y qué no es
Capturas de pantalla, fotos y escaneos
Pasan dos cosas distintas según lo que compartas.
Las capturas de pantalla, las fotos y las imágenes se leen directamente, y la descripción cubre tanto el texto como el contexto visual: qué control está seleccionado, qué dice el error, qué tendencia muestra un gráfico, qué parece estar mal.
Los PDF escaneados pasan primero por extracción de texto. La mayoría de los PDF ya tienen una capa de texto, y cuando la tienen, Perch la lee de corrido, lo que es más rápido y exacto. Cuando un PDF resulta ser un escaneo sin texto utilizable, Perch renderiza las páginas y las lee ópticamente. No tienes que decirle de qué tipo es el tuyo.
Cuánto cuesta
Nada extra. Leer imágenes es parte de Perch en todos los planes, incluido Starter, y no es una función premium ni un complemento. El paso de lectura no cuenta para tu uso mensual incluido, así que compartir capturas de pantalla y escaneos no te cuesta nada más allá del trabajo que el modelo hace con ellos. No hay ningún ajuste que activar ni nada que configurar.
Límites
Leer una imagen es un paso rápido por diseño, para que no estorbe al trabajo real. Eso trae algunos límites que conviene conocer:
- Imágenes de hasta 10 MB.
- PDF escaneados de hasta 80 páginas en una sola lectura.
- El paso de lectura es rápido, no exhaustivo. Detecta de forma confiable el texto, la estructura y los datos visuales evidentes. Las tablas muy densas, la letra pequeña y la escritura a mano son donde es más probable que se le escape algo.
- Como el modelo que hace tu tarea trabaja a partir de una descripción, solo puede decirte lo que la descripción capturó. Si un detalle importa y no lo ves reflejado, pregunta por él directamente y Perch volverá a mirar.
Cuando un escaneo vuelve vacío
De vez en cuando, Perch te dirá que no pudo sacar texto de un documento. Las causas habituales:
- El archivo es una foto de una página tomada en ángulo o con poca luz. Volver a tomarla de frente y con mejor luz suele resolverlo.
- El escaneo tiene una resolución muy baja. El texto que tú no puedes leer tampoco se puede leer aquí.
- El documento supera el límite de páginas. Divídelo y comparte la parte que necesitas.
Cuando esto pasa, Perch lo dice en lugar de adivinar el contenido. Una lectura vacía se reporta, no se rellena.
Los documentos son datos, nunca instrucciones
Todo lo que Perch lee de una imagen se trata como material no confiable. Si un documento contiene texto que parece una instrucción, como pedirle al asistente que ignore sus pautas, que envíe un archivo a alguna parte o que cambie lo que está haciendo, ese texto se trata como contenido de una página y nada más.
Esto importa más de lo que parece. Una factura escaneada es un archivo que produjo otra persona, y llega en medio de una tarea que tú pediste. Perch la lee como evidencia sobre la factura, no como una solicitud tuya.
Trabajar en el navegador
Esta misma capacidad es la que permite que un modelo de solo texto maneje el navegador del agente en Perch Terminal Desktop. Después de cada acción, el modelo puede mirar la pantalla actual y ver el resultado antes de decidir el siguiente paso. Consulta El navegador del agente.
Perch Roost
Roost es el motor de enrutamiento de Perch. Elige el modelo adecuado para cada tarea, pone a competir a varios proveedores para ganar velocidad y confiabilidad, y permite que los modelos de solo texto trabajen con imágenes.
Modelos
Los modelos disponibles en cada plan de Perch y cómo elige Roost entre ellos.