| OmniDoc free document extraction আমাৰ সঁজুলি | Up to 501 pages per PDF, no monthly limit; tasks on the free plan wait in a queue; a free OmniDoc account is required | PDF, scanned PDF, PNG/JPG/WEBP/BMP images, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASS | ৱেব পৃষ্ঠা, কোনো ইনষ্টল কৰিবলগীয়া নাই; document.md, document.json, images/ আৰু manifest.json থকা এটা ZIP |
| MinerU | Open source, self-hosted; online API: 2,000 pages a day per account at top priority, lower priority after that | PDF, ছবিবোৰ, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSV | Markdown, HTML, LaTeX, DOCX আৰু অধিক; নিজেই হোষ্ট কৰা, অনলাইন API, বা Hugging Face আৰু ModelScopeত ডেম'স্ |
| Docling | ওপেন সোৰ্স (ক'ড MITৰ অধীনত), আপোনাৰ নিজৰ কম্পিউটাৰত চলে, ব্যৱহাৰৰ কোনো সীমা নাই | PDF, DOCX, PPTX, XLSX, HTML, EPUB, ছবি আৰু অধিক | Markdown, HTML, DocTags, লোচলেছ JSON; স্থানীয়ভাৱে চলে, স্কেনৰ বাবে OCR |
| Marker (Datalab) | কোড মুকলি উৎস (Apache 2.0); হোষ্ট কৰা API প্ৰতি মাহে $20 অনুমতি, কৰ্মসংশ্লিষ্ট ইমেইলৰ সৈতে, ব্যক্তিগত এটাৰ সৈতে $10 | PDF, ছবিবোৰ, PPTX, DOCX, XLSX, HTML, EPUB | Markdown, JSON, HTML, খণ্ড; সমীকৰণবোৰ LaTeX হিচাপে, টেবুলবোৰ HTML হিচাপে |
| LlamaParse (LlamaIndex) | নতুন ব্যৱহাৰকাৰীসকলৰ বাবে প্ৰতি মাহে 10,000টা বিনামূল্যে ক্ৰেডিট; প্ৰতি পৃষ্ঠাৰ বাবে 1টা ক্ৰেডিটৰ পৰা মৌলিক পাৰ্চিং | অফিচিয়েল ৱেবছাইট চাওক | অনলাইন API (LlamaCloud), একাউণ্টৰ প্ৰয়োজন |
| Mathpix | বিনামূল্যে: প্ৰতি মাহে 10টা PDF পৃষ্ঠা আৰু 10টা ছবি (এটা .edu ইমেইলৰ সৈতে 2x); Pro $4.99/মাহে 1,000টা পৃষ্ঠাৰ বাবে | PDF, ছবিবোৰ | এপ আৰু API; সূত্ৰসমূহৰ ওপৰত অধিক গুৰুত্ব |
| Azure AI Document Intelligence | বিনামূল্যেৰ পৰ্যায় F0: প্ৰতি মাহে 500টা পৃষ্ঠা, কিন্তু প্ৰতিটো বিশ্লেষণে কেৱল প্ৰথম 2টা পৃষ্ঠা আৰু 4 MB পৰ্যন্ত ফাইল সামৰি লয় | PDF, JPEG/PNG/BMP/TIFF/HEIF ছবি, DOCX, PPTX, XLS | ক্লাউড API, Azure একাউণ্টৰ প্ৰয়োজন; লেআউট মডেলটোৱে অনুচ্ছেদ, তালিকা আৰু গঠন ঘূৰ্ণি দিয়ে |