Gemini Notebook要求PDF为可复制文字型，扫描图需OCR处理；音视频仅支持MP3/M4A/WAV/MP4/MOV，文件名须英文数字、无特殊字符，时长分别不超2小时和90分钟；上传后需待绿色对勾出现方可提问。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把PDF、音视频等资料上传到Gemini Notebook里，才能让AI基于你自己的材料生成摘要、对比表格或研究缺口分析——但不是所有文件都能直接用，格式和属性不达标会导致索引失败、文字无法识别、音频无声或视频被跳过。
PDF必须是文字型，不能是扫描图
打开PDF后，用鼠标拖选任意一段正文，能正常高亮并复制出可编辑文字（如“Transformer架构在时序预测中存在长程依赖建模不足”），才是合格的文字型PDF。如果复制出来是乱码、方框或空格，说明它是扫描图PDF，Gemini Notebook无法提取任何有效文本。
用WPS或Adobe Acrobat对扫描图PDF执行OCR识别，语言选“中文+英文”，输出格式选“可复制文本的PDF”，再上传。这一步跳过会导致后续所有分析基于空白或错误字符展开，生成内容全不可信。
上传前检查页眉页脚是否含大量页码、水印、分栏线——这些干扰元素可能被误识别为正文，造成关键词错位。建议OCR后手动删除页眉页脚区域再保存。
音视频文件支持范围与命名规范
目前仅支持上传MP3、M4A、WAV音频，以及MP4、MOV视频；AVI、FLAC、MKV等格式会被拒绝，上传按钮灰显或提示“不支持的文件类型”。
文件名必须用英文或数字，不能含空格、中文标点、斜杠或emoji。例如：interview_20240315.mp3 ✅，专家访谈-2024.3.15.mp3 ❌（短横线和中文句号会中断解析）。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
【音频时长不能超过2小时，视频总时长不能超过90分钟】 超限文件上传后显示“处理中…”但永远不完成索引，且不报错，容易误判为网络问题。
多文件批量上传的操作要点
第一步：在Gemini Notebook网页版（https://gemini.google.com）中，点击左上角「+ 新建笔记本」→ 命名后进入空白笔记本界面。
第二步：将PDF、音频、视频文件全部拖入右侧「资料来源」区域，或点击「+ 添加资料」→「上传文件」逐个选择。
第三步：一次最多上传10个文件，超出需分批。若混传PDF与视频，系统会先处理PDF文本索引，再排队转录音频/视频语音——【视频语音转录依赖Google Cloud Speech-to-Text，中文识别准确率受说话人口音、背景噪音影响极大，关键结论务必人工核对原文时间戳】。
第四步：等待右上角进度条消失、每份资料旁出现绿色对勾，表示索引完成。此时才可提问，如“从这3段访谈录音中提取用户提到的5个最高频痛点”。
