圖片轉文字工具是很常見的需求，本文介紹如何利用Gemini分析圖片文字，匯出為Google文件，再搭配NotebookLM完成任務，過程中將2個Google AI組合應用，打造免費轉換器。
一、景點說明立牌
很多時候會遇到圖片上有很多文字的情況，例如在旅遊時，通常歷史性景點會有說明立牌，以這篇文章範例而言，贊贊小屋是在搭乘貓空纜車到木柵山上的時候，看到關於木柵地名由來的說明，內容非常詳細，資料來源自「指南社區發展協會、台北探索館」。
二、Gemini上傳檔案
想要取得圖片中的文字，目前AI這部分的技術已經相當成熟，有很多工具包括手機App可以使用，iPhone拍照也是可以的。
在此介紹比較正式的AI工具用法，依照贊贊小屋實際測試，可以考慮Gemini使用技巧的簡單操作。在提問框的左下角點一下「＋／－」，有「上傳檔案」和「加入雲端硬碟檔案」兩個選項。在此選擇「上傳檔案」，把上個步驟提到的圖片，從手機或者電腦上傳到Gemini。
三、解析圖片文字
Gemini好用嗎？果然非常強大，馬上瞭解我的用意，立即解析出圖片文字。仔細看，跟原始圖片簡直就是逐字抄寫出來的內容，只是有一個很大的問題，明明圖片是繁體中文，Google Gemini卻反而用簡體中文寫出來。
四、AI幻覺是什麼？
將Gemini的分析拉到最後，它連圖片右下角有一行小字也有列出來，但明顯和第一步驟看到圖片文字不同，果然AI工具很方便，但仍然有必要小心求證。另外針對簡體字的情況，通常用Office Word就能處理，也有很多網頁線上工具可以轉換，對AI來說，這只是小事一樁。
因此在這裡提出需求：繁體中文。然而出乎贊贊小屋意料的是，竟然以簡體字回覆「你好，這似乎是一個誤解」。它堅稱提供的文字已經完全是繁體中文，但實際上卻是以簡體字回覆，這就是所謂的AI幻覺(hallucination)，認真的指鹿為馬，實在有些哭笑不得，本來已經在研究Gemini Deep Research使用方法了，沒想到它竟然會被繁簡中文的轉換給絆倒。
五、複製與匯出文件
Gemini堅持是誤解，雖然有些無奈，但倒也不會造成太大問題。因為如同文章先前所述，很多工具都能代勞。
在此還是以Google體系為主。首先，回答的左下角都有一行工具列，可以選擇最右邊複製文字的小圖標，也可以如同截圖所示，點選「分享對話」小圖標中，可以直接「匯出到文件」，也可以「在Gmail建立草稿」，在此選擇第一項，將AI回覆內容直接匯入，就跟Deep Research怎麼用的分享功能一樣，會自動在自己雲端硬碟建立新的Google文件。
六、NotebookLM來源
接下來選擇同樣是Google體系的NotebookLM台灣應用，在新增來源的地方有兩個可以使用的選項。第一個是左邊的「Google 雲端硬碟」，其中的「Google文件」便是延續上個步驟的操作；另外還可以很簡單地選擇右邊的「貼上文字」，如此一來不限於Google文件，在任何地方複製的文字，都可以快速貼上到這裡。
七、雲端硬碟文件
選擇Google文件之後，接下來的操作很簡單，因為就是剛才Gemini匯出的文件，在「近期存取」就可以看到，選取之後再按右下角的「插入」。
另外，這裡剛好是近期存取，操作很方便，但一般情況可能會有很多Google檔案，所以這裡提供了快速選項來幫助選擇，例如「近期存取」、「我的雲端硬碟」、「與我共用」「已加星號」，還有「電腦」同步文件，當然也可以直接利用搜尋功能：「在雲端硬碟中搜尋或貼上」，這可以算是NotebookLM教學中的基本技巧。
八、來源文件摘要
新增Google文件作為來源之後，NotebookLM會先簡單地摘要這份文件，這時候終於出現繁體中文了。接著在下方的AI搜尋框或題目框，就可以開始進行AI輸入，會提供一些預設的相關問題可直接點選，如此對於NotebookLM是什麼應該能有初步的瞭解。
九、圖片轉文字工具
接下來要做的事情很簡單：「將原始文件的內容轉換為繁體中文」，雖然只是簡單的一件事，卻是Gemini容易產生誤解的地方。NotebookLM語音摘要都能輕輕鬆鬆完成了，這對於它真的是小事一樁，沒有出現讓贊贊小屋覺得奇怪的幻覺。
最後整理圖片轉文字工具的操作流程：先利用Gemini分析圖片文字，匯出成為Google文件，再導入到NotebbokLM進行繁體中文轉換，算是一個完整的AI工具實戰範例。
| 步驟 | 操作內容 | 說明 |
|---|---|---|
| 一、景點說明立牌 | 參觀景點的文字說明 | 旅遊時，歷史景點有說明立牌。 |
| 二、Gemini上傳檔案 | 上傳圖片檔案至Gemini | 點選圖示，上傳手機或電腦檔案。 |
| 三、解析圖片文字 | Gemini解析圖片文字 | Gemini解析圖片內容並轉為簡體。 |
| 四、繁體中文回答 | 簡體轉繁體處理 | 使用工具將簡體轉換為繁體。 |
| 五、複製與匯出文件 | 匯出文字與資料 | 複製文字並匯出至Google文件。 |
| 六、NotebookLM來源 | 新增來源文件至NotebookLM | 選擇Google文件或貼上文字。 |
| 七、雲端硬碟文件 | 匯入Google文件 | 從近期存取選取並插入文件。 |
| 八、來源文件摘要 | 生成文件摘要 | NotebookLM生成簡要摘要。 |
| 九、轉換為繁體中文 | 將文件轉換為繁體中文 | 簡體中文轉換為繁體中文。 |
多AI工具組合用法
文章提到Gemini堅持以簡體中文回答，並且認為這是個誤解，AI覺得如此理所當然，以致於贊贊小屋都懷疑是否真的誤解了。不過以實際的個人使用體驗而言，確實會覺得這是個Bug，多少有些不太方便。
後來仔細回想，贊贊小屋也遇過ChatGPT旅遊規劃時突然以英文回答，瞭解之後發現它會去搜尋英文旅遊文章，再回覆中文的旅遊問題。所以合理推測，也許是因為AI模型搜尋英文網頁，就直接以英文回覆了。至於這裡的Gemini範例，也許可能因為它用的文字擷取工具來源自簡體中文，所以直接以簡體中文回答，畢竟像微信App的文字擷取速度很快，AI也許就直接用了。
另外，這篇文章的操作雖然因誤解而多了幾個步驟，其實剛好是一個極佳範例。目前AI工具這麼多，各有特色，就連開創者與最主流的ChatGPT也無法完全覆蓋每個層面，在深入研究某項主題確實比不上專業戶Gemini，因此有些時候就是必須搭配和嘗試不同的AI工具，才能順利解決問題完成任務。
學會計、學Excel、學習AI工具，歡迎加入贊贊小屋社群。
AI工具大全：8種不同功能用途和30個應用清單
