はじめに

エンジニアのmiyakawaです。

GeminiのWebチャットでは、11件以上のファイルをアップロードすると以下のように表示されます。

一度にアップロードできる添付ファイルは 10 件までのため、一部のファイルをアップロードできませんでした。

これに対して 10個のファイルアップロード制限を回避するためにPDFとして結合する方法 を過去に紹介しました。また、GeminiはPDFに埋め込まれた画像も読み取れるため、この方法は画像にも使えます。

ということで今回は、画像に対しても1つのPDFにまとめてしまえばより多くの画像を読み取らせられるのでは？という仮説を検証してみました。

検証環境

PDF埋め込み画像読み取り数の検証方法

読み取れた枚数を機械的に判定できるよう、以下のようなPDFを作成しました。

• 1ページに、数値を描画した画像を1枚だけ埋め込む
• 各ページの数値は、1ページ目が 1、2ページ目が 2 …というように1〜400の連番にする
• 数値は画像として描画しているため、PDFからテキストとして抜き出せない

このPDFを添付し、下記のプロンプトで全ページの数値の合計だけを答えさせました。

このPDFを読み取って、画像内の数値を全ページ分合計した結果だけ出力して。合計する時はsumを使用して。

数値が1からの連番なので、先頭から k ページ読めていれば合計は k(k+1)/2 になります。

400ページすべて読めていれば合計は 80,200 です。

回答された合計値から、何ページ目まで読めたかを逆算できます。

また画質の影響を確認するため、画像サイズを変えた2種類のPDFで検証しました。

読み取り数結果

400ページすべては読めませんでした。

読めたのは先頭から166〜200ページで、1ファイルで読めるページ数には上限がありました。

また、画像を高画質にしても読めるページ数はほとんど変わりませんでした。

考察

上限は画質やファイルサイズではなくページ数で決まっている

高画質のPDFは、画像の縦横がそれぞれ2倍（画素数は4倍）、ファイルサイズも約2.8倍（8.5MB → 23.5MB）です。それでも読めたページ数は166〜168ページで、通常のPDFとほぼ同じでした。

このことから、読めるページ数の上限は画質やファイルサイズではなく、PDFのページ数で決まっていると考えられます。

上限は毎回同じではない

同じPDFでも、166ページのときもあれば200ページのときもありました。上限は決まった値ではなく、実行するたびに多少ぶれるようです。

そのため「166ページまでなら必ず読める」とはいえず、余裕を持ったページ数にしておく方が安全です。

結論

複数の画像をPDFファイル1つにまとめることで、本来のアップロードファイルの制約である10個以上の画像をGeminiに読ませることができました。

画像の複雑さなどによって変動するかもしれませんがサイズそのものには関係なく、アラビア数字の場合は166～200ページまで読めました。実用する際には、余裕を持って100ページ程度のPDFにまとめるのが良いでしょう。