Logo
Project Icon

MinerU

开源工具实现PDF到机器可读格式的高效转换

MinerUPDF处理文本提取机器学习开源工具Github开源项目

MinerU是一个开源的PDF转换工具，专注于科研文献处理。它能将PDF转换为markdown和JSON等机器可读格式，同时保留原文档结构和语义连贯性。该工具支持移除页眉页脚，处理多列布局，提取图像和表格，以及将公式转换为LaTeX格式。MinerU兼容多种操作系统和硬件环境，可在CPU或GPU上运行，为大规模语言模型的发展提供数据支持。

访问官网访问官网GithubGithub
介绍相关项目
marker - 高效准确的PDF转Markdown转换器 支持多语言和多类文档
GPU加速GithubMarkdownOCRPDF转换开源项目深度学习
Marker是一款高效的PDF转Markdown转换工具，支持多语言和多类文档，特别适合处理书籍和科学论文。该工具能自动清理页眉页脚，格式化表格和代码，提取图像，并将方程转为LaTeX。Marker可在GPU、CPU或MPS上运行，具有优异的性能和准确度。其独特的深度学习模型流程确保了转换的速度和质量。
marker-api - 高效精准的PDF到Markdown转换工具
API部署GithubMarker APIOCRPDF转Markdown开源项目文档转换
Marker API是一款性能卓越的PDF转Markdown工具，支持多语言和多种文档类型。该工具能精准提取文本、表格、代码块和图片，通过深度学习模型实现高速转换，尤其适用于学术论文、技术文档等复杂PDF的转换。与同类产品相比，转换速度提升4倍。Marker API部署简便，适用于GPU和CPU环境，为PDF文档处理提供灵活选择。
OCRmyPDF - 扫描PDF文件的OCR转换与优化工具
GithubOCRmyPDFPDF文档多语言支持开源软件开源项目文字识别
OCRmyPDF是一款开源的命令行工具，专门用于为扫描PDF文件添加OCR文本层。它支持多语言识别、页面旋转和倾斜校正，并能生成符合长期存储标准的PDF/A文件。此工具可优化PDF图像，常常生成比原文件更小的输出。OCRmyPDF利用多核处理技术，能高效处理大型文档，已在数百万PDF文件上得到验证。它为用户提供了将不可搜索的扫描文档转换为可搜索、可复制的PDF文件的简便方法。
pdf2htmlEX - 将PDF精确转换为HTML的开源工具 支持复杂排版和公式
GithubPDF转HTMLpdf2htmlEX开源工具开源项目文档转换网页渲染
pdf2htmlEX是一个开源的PDF转HTML工具，能精确还原PDF文档的文本、字体和布局。它支持复杂的学术论文和杂志排版，可处理大量公式和图表。该工具提供灵活的输出选项，包括生成单一HTML文件或按需加载页面。pdf2htmlEX保持较小的文件体积，同时支持链接、大纲和打印等功能，适用于多种在线发布场景。
PDF-Extract-Kit - 全面高效的PDF文档内容提取工具包
GithubPDF提取公式识别布局检测开源项目文档内容表格识别
PDF-Extract-Kit是一款集成多种先进技术的PDF内容提取工具包。它结合了LayoutLMv3布局分析、YOLOv8公式检测、UniMERNet公式识别、StructEqTable表格识别和PaddleOCR文字识别等功能,能够准确高效地提取各类PDF文档中的结构化内容。该工具适用于学术论文、教科书、研究报告和财务报表等多种文档类型,即使面对扫描质量欠佳或带有水印的PDF文件,也能保持稳定的提取效果。
uniflow-llm-based-pdf-extraction-text-cleaning-data-clustering - 多源文档提取与转换的统一LLM框架
GithubLLM接口uniflow开源项目数据转换文档提取模型微调
uniflow是一个开源项目，为多种文档类型提供统一的LLM接口，实现数据提取和转换。支持PDF、HTML和TXT等格式，兼容OpenAI、Google Gemini和AWS BedRock等主流LLM模型。该项目致力于解决遗留文档处理和数据准备的难题，为数据科学家提供生成隐私保护训练数据集的工具，简化LLM微调流程。uniflow还包含多个实用案例，如财务报告分析和教育资料问答生成等。
pdf2md - JavaScript库实现PDF到Markdown的高效转换
GithubJavaScript库PDF转Markdownpdf2md命令行工具开源项目文件转换
pdf2md是一个JavaScript npm库，专门用于将PDF文件转换为Markdown格式。这个开源项目提供了简洁的库接口和命令行工具，支持批量和递归处理PDF文件。基于Mozilla的PDF.js解析引擎，pdf2md能够高效处理多种PDF文档。该工具适用于需要将PDF内容转换为易于编辑和共享的Markdown格式的开发者和用户。
gptpdf - gptpdf 高效智能的PDF转Markdown工具
GithubOpenAI APIPDF解析gptpdfmarkdown转换大型视觉模型开源项目
gptpdf是一个基于VLLM技术的PDF解析工具，可将PDF文件转换为Markdown格式。该工具能够处理复杂排版、数学公式、表格和图表，保持原文档的格式和结构。gptpdf代码简洁，支持本地使用和Google Colab环境，并提供API接口以适应不同需求。它适用于文档处理和学术研究等场景，能够提高工作效率。
pdfdeal - PDF文本提取与优化工具 支持多种OCR引擎
Doc2XGithubOCR识别PDF处理pdfdeal开源项目知识库构建
pdfdeal是一个开源的PDF处理工具，专注于提取和优化文本内容。该工具支持多种OCR引擎，包括Doc2X，可实现PDF文本提取、图像文字识别和格式优化。pdfdeal支持多种文件格式，并提供与graphrag等检索增强生成(RAG)工具的集成指南，有助于提高知识库构建效率。
markdowner - 高效将网站内容转换为LLM适用的Markdown数据
CloudflareGithubLLMMarkdownMarkdowner开源项目网站转换
Markdowner是一款开源工具，可将网站内容快速转换为Markdown格式，适用于大型语言模型处理。它具备详细转换模式、自动爬虫和LLM过滤功能，支持文本及JSON输出。该工具部署简便，免费使用，通过API调用即可获取结构化网页内容，有助于提高AI应用的响应质量。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号