Gambar dan hasil pindai

Setiap model di Perch dapat bekerja dengan gambar, termasuk model yang tidak bisa melihat. Bagikan screenshot, faktur hasil pindai, atau foto, dan Perch membacanya untuk model yang mengerjakan tugas Anda.

Sebagian model terkuat yang tersedia hanya mendukung teks. Model-model itu sangat baik dalam penalaran, kode, dan dokumen panjang, tetapi sama sekali tidak bisa membuka gambar. Biasanya itu adalah tembok yang tidak bisa ditembus: pilih model yang lebih baik, dan Anda kehilangan kemampuan untuk memberinya screenshot.

Perch menghilangkan pilihan itu. Setiap model di Perch dapat bekerja dengan gambar, termasuk model yang tidak bisa melihat, dan fitur ini berfungsi di setiap paket, termasuk paket gratis.

Versi singkatnya

Bagikan screenshot, halaman hasil pindai, atau foto ke model mana pun. Jika model itu tidak bisa melihat, Perch membaca gambar itu untuknya dan meneruskan isinya.

Cara kerjanya

Gambar atau tangkapan layar

Hasil pindaian, tangkapan layar, atau foto yang Anda bagikan.

Jalur visi

Model berkemampuan visi membaca gambar dan mengekstrak teks serta konteks visualnya.

Model khusus teks mengerjakan tugasnya

Model ini menerima teks hasil ekstraksi, sehingga model seperti DeepSeek bisa bekerja dengan gambar yang tidak dapat dilihatnya secara langsung.

Saat Anda membagikan gambar, Perch mengirimnya ke model yang bisa melihat. Model itu hanya mengerjakan satu tugas: menggambarkan apa yang terlihat, termasuk teks, tata letak, dan apa pun yang tampak tidak pasti. Deskripsi itu dikembalikan sebagai teks biasa dan masuk ke konteks model yang sebenarnya mengerjakan tugas Anda.

Jadi, model khusus teks tidak pernah melihat gambarnya. Model itu membaca deskripsi gambar yang cermat, dan itu sudah cukup untuk menjawab pertanyaan tentang screenshot, mengambil angka dari laporan rekening hasil pindai, atau memberi tahu Anda apa yang ditunjukkan sebuah grafik.

Apa fitur ini, dan apa yang bukan

Model yang mengerjakan tugas Anda tetap memegang kendali dari awal sampai akhir. Langkah pembacaan hanya menggambarkan apa yang dilihatnya. Langkah itu tidak menentukan apa yang terjadi selanjutnya, dan tidak pernah mengambil alih pekerjaan.

Screenshot, foto, dan hasil pindai

Ada dua hal berbeda yang terjadi, tergantung apa yang Anda bagikan.

Screenshot, foto, dan gambar dibaca secara langsung, dan deskripsinya mencakup teks sekaligus konteks visualnya: kontrol mana yang dipilih, apa isi pesan error, bagaimana tren sebuah grafik, apa yang tampak janggal.

PDF hasil pindai melewati ekstraksi teks terlebih dahulu. Sebagian besar PDF sudah memiliki lapisan teks, dan jika ada, Perch langsung membacanya, yang lebih cepat dan persis. Jika sebuah PDF ternyata hasil pindai tanpa teks yang bisa dipakai, Perch me-render halamannya dan membacanya secara optik. Anda tidak perlu memberi tahu jenis PDF yang Anda miliki.

Biayanya

Tidak ada biaya tambahan. Pembacaan gambar adalah bagian dari Perch di setiap paket, termasuk Starter, dan bukan fitur premium atau add-on. Langkah pembacaan tidak dihitung dalam penggunaan bulanan yang sudah termasuk dalam paket Anda, sehingga membagikan screenshot dan hasil pindai tidak menambah biaya apa pun selain pekerjaan yang dilakukan model dengan isinya. Tidak ada pengaturan yang perlu diaktifkan dan tidak ada yang perlu dikonfigurasi.

Batasan

Membaca gambar sengaja dibuat sebagai langkah cepat, agar tidak menghalangi pekerjaan yang sebenarnya. Hal itu membawa beberapa batasan yang perlu diketahui:

Gambar hingga 10 MB.
PDF hasil pindai hingga 80 halaman dalam satu kali baca.
Langkah pembacaan bersifat cepat, bukan menyeluruh. Langkah ini dapat diandalkan untuk menangkap teks, struktur, dan fakta visual yang jelas. Tabel yang sangat padat, cetakan kecil, dan tulisan tangan adalah bagian yang paling mungkin terlewat.
Karena model yang mengerjakan tugas Anda bekerja dari sebuah deskripsi, model itu hanya bisa memberi tahu apa yang tertangkap dalam deskripsi. Jika sebuah detail penting dan Anda tidak melihatnya tercermin, tanyakan langsung dan Perch akan melihatnya lagi.

Saat hasil pindai kosong

Sesekali Perch akan memberi tahu bahwa ia tidak dapat mengambil teks dari sebuah dokumen. Penyebab yang umum:

File berupa foto halaman yang diambil dari sudut miring atau dalam cahaya redup. Mengambil ulang foto secara rata dan dengan cahaya yang lebih baik biasanya menyelesaikannya.
Resolusi hasil pindai sangat rendah. Teks yang tidak terbaca oleh Anda juga tidak terbaca di sini.
Dokumennya lebih panjang dari batas halaman. Pisahkan dan bagikan bagian yang Anda perlukan.

Perch memberitahukan hal ini saat terjadi, alih-alih menebak isinya. Hasil baca yang kosong dilaporkan, bukan diisi sendiri.

Dokumen adalah data, bukan instruksi

Apa pun yang dibaca Perch dari sebuah gambar diperlakukan sebagai materi yang tidak tepercaya. Jika sebuah dokumen berisi teks yang terlihat seperti instruksi, misalnya menyuruh asisten mengabaikan pedomannya, mengirim file melalui email ke suatu tempat, atau mengubah apa yang sedang dilakukannya, teks itu diperlakukan sebagai isi halaman, tidak lebih.

Hal ini lebih penting daripada kedengarannya. Faktur hasil pindai adalah file yang dibuat orang lain, dan file itu datang di tengah tugas yang Anda minta. Perch membacanya sebagai bukti tentang faktur itu, bukan sebagai permintaan dari Anda.

Bekerja di browser

Kemampuan yang sama inilah yang memungkinkan model khusus teks mengendalikan browser agen di Perch Terminal Desktop. Setelah setiap tindakan, model dapat melihat layar saat ini dan melihat hasilnya sebelum menentukan langkah berikutnya. Lihat Browser agen.

Perch Roost

Cara Perch memilih model untuk setiap tugas.

Browser agen

Browser sungguhan yang dikendalikan Perch untuk Anda.