Gemini API 支援 DOC、PPT 與 ODF 檔：企業文件 AI 化前的格式盤點與 RAG 檢查清單
企業想用生成式 AI 整理內部文件時，第一個卡關點常常不是模型能力，而是「檔案格式」：十幾年前的 .doc 規章、業務留下的 .ppt 簡報、公部門往來的 ODF（.odt、.ods、.odp）文件，過去多半要先轉成 PDF 或純文字，才能交給模型處理。
Google 在 2026-11-05 的 Gemini API release notes 公布：API 新增支援 PowerPoint 97-2003（PPT）、OpenDocument 簡報（ODP）與試算表（ODS），Word 97-2003（DOC）改以頁面影像處理；同時，工具的函式回應也能直接回傳 Office 檔、音訊、影片，或 Files API 的檔案 URI。 這讓「AI 讀企業文件」少了一道轉檔工序，但各格式的處理方式差異很大，直接丟進去不一定得到預期結果。以下整理官方說明與企業導入前的檢查重點。
更新重點：新增 4 種格式，工具也能回傳檔案
以下為 Gemini API 官方文件整理的事實（查核日期：2026-11-07）。
新增與調整的檔案格式
新增輸入格式： PPT、ODP、ODS。
DOC 改為頁面影像處理： Word 97-2003 檔案會逐頁轉成影像交給模型。
不變的格式： DOCX、DOTX、ODT、PPTX、XLSX、XLS 的處理方式維持原樣。
傳送方式： 和 PDF 一樣，可以直接夾帶在請求中（inline），或先用 Files API 上傳後引用；既有的檔案大小與頁數限制適用於整個檔案。
函式回應（function response）支援更多檔案
GenerateContent API： 函式回應除了圖片、PDF、純文字，現在也接受音訊、影片與 Office／OpenDocument 檔；並接受 fileData，讓工具回傳 Files API URI，不必把檔案內容整包塞進請求。
Interactions API： function_result 可包含 document、audio、video 內容區塊（影片區塊限 v1beta 與 v1alpha）。
適用模型： 官方函式呼叫文件說明，多模態函式回應適用 Gemini 3 系列模型。MIME 類型不支援時，API 會回傳 400 INVALID_ARGUMENT。
大型檔案建議： inline 資料會計入請求大小上限，影片、長音訊或多頁文件建議改用 Files API 上傳後回傳 URI。
各格式處理方式不同，結果也不同
這次更新最值得注意的，是不同格式「模型實際看到的內容」不一樣：
檔案格式 | 模型收到的內容 | 需要注意 |
|---|---|---|
DOCX、DOTX、ODT | 整份文字；DOCX 另含內嵌圖片 | 不渲染頁面，版面與圖表可能無法保留 |
PPTX | 整份文字＋內嵌圖片 | 投影片不轉成影像，圖表版面可能遺失 |
DOC、PPT、ODP | 每頁／每張投影片轉成影像 | 可理解版面、圖表與圖片 |
XLSX、XLS | 只讀第一個工作表，轉成 CSV | 收到儲存格值，不含公式與格式 |
ODS | 只讀第一個工作表 | 收到儲存格資料與公式 |
原生視覺理解，最多 1,000 頁 | 單檔上限 50MB，每頁約 258 tokens |
官方也說明，工作簿中的其他工作表會被忽略；若要分析其他工作表，要把它移到第一個位置，或另存成獨立檔案。另外，Files API 上傳的檔案會保存 48 小時。
對台灣企業的影響
以下為 WeWinCloud 的分析與建議，非官方說法。
舊檔案終於能直接用： 很多企業的規章、SOP、合約範本與歷年簡報仍是 .doc、.ppt。這次更新讓這些檔案可以直接送進 Gemini，降低文件 AI 化的前置工作量。
「新格式」反而可能看不到圖表： DOC、PPT 會轉成頁面影像，模型能看到圖表；但 DOCX、PPTX 只取文字與內嵌圖片，用圖表或 SmartArt 表達的內容可能遺漏。圖表很多的簡報，轉成 PDF 再送出可能更穩定，建議實測比較。
Excel 只讀第一個工作表是最大陷阱： 財務、庫存或報價檔常有多個工作表，若沒有先拆檔，AI 可能只根據第一個工作表回答，而且使用者不會察覺。XLSX 也不會帶入公式，需要計算邏輯的問題要另外處理。
ODF 文件更好處理： 往來單位使用 ODT、ODS、ODP 格式的企業，現在可以直接處理這些檔案，不必先轉成 Office 格式。
AI Agent 可以「自己去拿檔案」： 函式回應能回傳 Files API URI 後，AI Agent 可以呼叫內部工具（例如文件管理系統、雲端硬碟）取得簡報或試算表，再交給模型閱讀。這讓企業知識庫（RAG）與自動化流程的設計更彈性，但也代表工具權限要設計得更嚴謹。
企業行動建議：導入前 5 項檢查
盤點文件格式與比例： 列出知識庫或自動化流程中 DOC、DOCX、PPT、PPTX、XLS(X)、ODF、PDF 的數量，對照上表確認模型實際會讀到什麼。
處理多工作表的試算表： 在送進模型前，把需要的工作表拆成獨立檔案，或在流程中檢查工作表數量並提示使用者。
用實際文件做抽樣測試： 挑 10–20 份有代表性的檔案（含圖表、表格、掃描頁），比較原格式與轉 PDF 後的回答品質，再決定轉檔規則。
檢查資料保存與權限設定： Files API 檔案保存 48 小時；Gemini API 付費層的新專案也有請求紀錄預設儲存的設定（詳見延伸閱讀）。機敏文件要先確認資料分級、紀錄設定與存取權限。
限制 AI Agent 工具能取得的檔案： 讓工具回傳檔案前，先依使用者身分檢查權限，避免 Agent 讀到使用者本來看不到的文件；並記錄每次工具回傳了哪些檔案。
常見問題 FAQ
Gemini API 可以直接讀 Word 和 PowerPoint 嗎？
可以。依官方文件，DOCX、DOTX、PPTX 等新格式會轉成文字（DOCX、PPTX 另含內嵌圖片），2026-11-05 起 DOC、PPT、ODP 會逐頁轉成影像處理。傳送方式和 PDF 相同。
Excel 有多個工作表，Gemini 會全部讀取嗎？
不會。XLSX、XLS 與 ODS 都只讀第一個工作表，其他工作表會被忽略。需要分析其他工作表時，要調整順序或另存成獨立檔案。
函式回應回傳檔案有什麼限制？
官方說明多模態函式回應適用 Gemini 3 系列模型；影片內容區塊在 Interactions API 限 v1beta 與 v1alpha。MIME 類型不支援時會回傳 400 錯誤。大型檔案建議用 Files API 上傳後回傳 URI。
這次更新會改變計費嗎？
release notes 未提到計費變更。PDF 每頁約 258 tokens；Office 檔的實際 token 用量依內容與處理方式而定，建議以 API 回傳的用量資料與官方定價頁為準。
WeWinCloud 可以協助什麼
WeWinCloud 的 AI 企業應用方案，協助企業把內部文件安全地導入 AI 流程：
企業知識庫（RAG）： 文件格式盤點、轉檔規則與檢索流程設計
Claude／Gemini／OpenAI： 依文件類型與用途評估合適的模型與 API
AI 導入顧問與技術支援： 資料分級、權限設計與 AI Agent 工具串接規劃
延伸閱讀
參考資料
留言