OmniDoc দলিল পৃথকীকৰণ

OmniDoc দলিল পৃথকীকৰণ / 2026 চনৰ তুলনা

2026 চনৰ বাবে তুলনা কৰা বিনামূলীয়া নথি উদ্ধাৰকাৰী সঁজুলিসমূহ: PDF ৰ পৰা Markdown আৰু JSON

PDF, স্কেন আৰু অফিচ ফাইলসমূহক Markdown আৰু JSON লৈ ৰূপান্তৰ কৰা, য'ত শিৰোনাম, টেবুল আৰু ছবিবোৰ থাকে, ইয়াৰ অৰ্থ হ'ব পাৰে এটা উন্মুক্ত-সোৰ্স মডেল নিজেই হোষ্ট কৰা বা প্ৰতি পৃষ্ঠাৰ ভিত্তিত মাচুল লোৱা এটা API ব্যৱহাৰ কৰা। এই পৃষ্ঠাখনে সাতটা সাধাৰণ সঁজুলিৰ বিনামূলীয়া সুবিধা, ইনপুট, আউটপুট আৰু সেটআপ একেলগে দেখুৱাইছে, প্ৰতিটো সংখ্যাৰ বাবে চৰকাৰী উৎস উল্লেখ কৰি।

এই তুলনাটো OmniDoc দলে লিখিছে, আৰু OmniDoc আমাৰ নিজস্ব সামগ্ৰী। অন্য এটা সঁজুলিৰ বিষয়ে প্ৰতিটো সংখ্যা ইয়াৰ চৰকাৰী পৃষ্ঠা বা ৰিপজিটৰীৰ পৰা আহিছে, যি 14 নৱেম্বৰ 2026ত পৰীক্ষা কৰা হৈছে; যদি কিছু পাৰ্থক্য থাকে, তেন্তে সেইবোৰৰ পৃষ্ঠাইহে সঠিক।

OmniDoc সহ এটা ফাইল বিনামূলীয়াভাৱে পৰিৱৰ্তন কৰক

এক নজৰত: বিনামূলীয়া সুবিধা, ইনপুট, আউটপুট

সঁজুলিবিনামূলীয়া সুবিধাইনপুটসমূহআউটপুট / সেটআপ
OmniDoc free document extraction আমাৰ সঁজুলিUp to 501 pages per PDF, no monthly limit; tasks on the free plan wait in a queue; a free OmniDoc account is requiredPDF, scanned PDF, PNG/JPG/WEBP/BMP images, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSৱেব পৃষ্ঠা, কোনো ইনষ্টল কৰিবলগীয়া নাই; document.md, document.json, images/ আৰু manifest.json থকা এটা ZIP
MinerUOpen source, self-hosted; online API: 2,000 pages a day per account at top priority, lower priority after thatPDF, ছবিবোৰ, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX আৰু অধিক; নিজেই হোষ্ট কৰা, অনলাইন API, বা Hugging Face আৰু ModelScopeত ডেম'স্‌
Doclingওপেন সোৰ্স (ক'ড MITৰ অধীনত), আপোনাৰ নিজৰ কম্পিউটাৰত চলে, ব্যৱহাৰৰ কোনো সীমা নাইPDF, DOCX, PPTX, XLSX, HTML, EPUB, ছবি আৰু অধিকMarkdown, 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 $10PDF, ছবিবোৰ, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, 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 পাৰ্চিংঅফিচিয়েল ৱেবছাইট চাওকঅনলাইন API (LlamaCloud), একাউণ্টৰ প্ৰয়োজন
Mathpixবিনামূল্যে: প্ৰতি মাহে 10টা PDF পৃষ্ঠা আৰু 10টা ছবি (এটা .edu ইমেইলৰ সৈতে 2x); Pro $4.99/মাহে 1,000টা পৃষ্ঠাৰ বাবেPDF, ছবিবোৰএপ আৰু API; সূত্ৰসমূহৰ ওপৰত অধিক গুৰুত্ব
Azure AI Document Intelligenceবিনামূল্যেৰ পৰ্যায় F0: প্ৰতি মাহে 500টা পৃষ্ঠা, কিন্তু প্ৰতিটো বিশ্লেষণে কেৱল প্ৰথম 2টা পৃষ্ঠা আৰু 4 MB পৰ্যন্ত ফাইল সামৰি লয়PDF, JPEG/PNG/BMP/TIFF/HEIF ছবি, DOCX, PPTX, XLSক্লাউড API, Azure একাউণ্টৰ প্ৰয়োজন; লেআউট মডেলটোৱে অনুচ্ছেদ, তালিকা আৰু গঠন ঘূৰ্ণি দিয়ে

সঁজুলি অনুসৰি: ইয়াৰ উপযোগিতা আৰু কি কি দ্ৰষ্টব্য

OmniDoc free document extraction আমাৰ সঁজুলি

Headings, paragraphs and lists keep the hierarchy of the original; two or three columns are joined in reading order. Tables come out as Markdown tables and as rows and columns in the JSON; pictures are saved in images/ with their positions marked. Scans go through text recognition (OCR) and are then organised by their layout. Only you can see the files you upload and their results.

ভাল: Markdown and JSON without setting anything up or writing code; preparing documents for a knowledge base or RAG.

MinerU

Licensed under the MinerU Open Source License (based on Apache 2.0 with additional conditions). The Precision Extract API needs a token and takes files up to 200 MB and 600 pages; the Agent Lightweight API needs no login and takes files up to 10 MB and 20 pages, rate-limited per IP.

ভাল: developers with a GPU who want to self-host, or who batch Chinese documents through an API.

উৎস: MinerU — GitHub README, MinerU — API documentation (limits)

Docling

ইয়াৰ README পৃষ্ঠা লেআউট, পঢ়াৰ ক্ৰম আৰু টেবুল গঠন তালিকাভুক্ত কৰে, OCR স্কেন কৰা PDF আৰু ছবিৰ বাবে, আৰু সংবেদনশীল তথ্য আৰু এয়াৰ-গেপড পৰিবেশৰ বাবে স্থানীয় কাৰ্যকলাপ। মডেলৰ ওজনসমূহৰ নিজস্ব লাইচেন্স আছে, যিবোৰ পৃথকভাৱে পৰীক্ষা কৰিব লাগিব।

ভাল: যিসকল দলে অফলাইনত বা নিজৰ নেটৱৰ্কৰ ভিতৰতে থাকিব লাগে আৰু Pythonৰ সৈতে সুবিধাজনক।

উৎস: Docling — GitHub README

Marker (Datalab)

মডেলৰ ওজনবোৰে এটা সংশোধিত OpenRAIL-M লাইচেন্স ব্যৱহাৰ কৰে, গৱেষণা, ব্যক্তিগত ব্যৱহাৰ আৰু $5M তলৰ পুঁজি বা ৰাজসাহায্য থকা ষ্টাৰ্টআপৰ বাবে বিনামূল্যে; তাৰ বাহিৰে বাণিজ্যিক ব্যৱহাৰৰ বাবে মূল্য দিব লাগিব। হোষ্ট কৰা APIটোৰ মূল্য 1,000 পৃষ্ঠাৰ প্ৰতি: $1 দ্ৰুত, $3 সন্তুলিত, $7.50 সঠিক; বিনামূল্যে অনুমতিৰ পিছতহে কাৰ্ড প্ৰয়োজন হ'ব।

ভাল: যিসকল ডেভেলপাৰে LaTeX সমীকৰণ আৰু HTML টেবুল বিচাৰে আৰু ওজনৰ লাইচেন্সৰ সৈতে কাম কৰিব পাৰে।

উৎস: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

LlamaIndexৰ মূল্য নিৰ্ধাৰণৰ পৃষ্ঠাত প্ৰতি মাহে 10,000টা বিনামূল্যে ক্ৰেডিটৰ সৈতে $0 পে-এছ-ইউ পৰিকল্পনা উল্লেখ আছে; প্ৰতিটো পাৰ্চিং স্তৰে প্ৰতি পৃষ্ঠাৰ বাবে বিভিন্ন সংখ্যক ক্ৰেডিট ব্যৱহাৰ কৰে, মৌলিক পাৰ্চিংৰ বাবে 1টা। ই LlamaIndex RAG ষ্টেকত সুন্দৰভাৱে খাপ খায়।

ভাল: ইতিমধ্যে RAG নিৰ্মাণ কৰি থকা LlamaIndex ডেভেলপাৰসকল।

উৎস: LlamaIndex — Pricing

Mathpix

Mathpixৰ মূল্য তালিকাই বিনামূল্যেৰ পৰিকল্পনাত প্ৰতি মাহে 10টা PDF পৃষ্ঠা আৰু 10টা ছবি সংৰক্ষণ কৰে, এটা .edu ইমেইলৰ সৈতে এই সংখ্যা দুগুণ হয়; Pro হৈছে $4.99 প্ৰতি মাহে 1,000টা PDF পৃষ্ঠা আৰু 5,000টা ছবিৰ বাবে। সূত্ৰ চিনাক্তকৰণ ইয়াৰ শক্তি; বিনামূল্যেৰ অনুমতিৰ পৰিমাণ কম।

ভাল: সূত্ৰসমূহৰ কেতিয়াবা কেতিয়াবা পৃষ্ঠা বা গণিতৰ এটা সমস্যাৰ ফটো।

উৎস: Mathpix — Snip pricing

Azure AI Document Intelligence

Microsoftৰ নথিপত্ৰই কয় যে বিনামূল্যেৰ পৰ্যায়টোৱে অনুৰোধৰ প্ৰথম দুটা পৃষ্ঠা মাত্ৰ বিশ্লেষণ কৰে, 4 MB পৰ্যন্ত ফাইল আৰু প্ৰতি ছেকেণ্ডত এটা অনুৰোধ; মূল্য নিৰ্ধাৰণৰ পৃষ্ঠাটোত প্ৰতি মাহে 0–500টা বিনামূল্যেৰ পৃষ্ঠাৰ কথা উল্লেখ কৰা হৈছে। Azure স্থাপন কৰাৰ আগতে এইটো পৰীক্ষা কৰিবলৈ উপযুক্ত।

ভাল: যিসকল দলে ইতিমধ্যে Azure নিৰ্মাণ কৰি আছে আৰু এটা এণ্টাৰপ্ৰাইজ APIৰ প্ৰয়োজন।

উৎস: Microsoft Learn — Document Intelligence quotas and limits, Azure — Document Intelligence pricing

কোনটো কি কামৰ বাবে

আপোনাৰ পৰিস্থিতিপ্ৰথমে কি চেষ্টা কৰিবলৈ
কোড লিখাৰ প্ৰয়োজন নোহোৱাকৈ PDF বা স্কেন কৰা শতাধিক পৃষ্ঠা Markdown আৰু JSONলৈ পৰিৱৰ্তন কৰাOmniDoc (প্ৰতি PDFত 501 পৃষ্ঠা পৰ্যন্ত, ব্ৰাউজাৰত)
তথ্যসমূহ আপোনাৰ নিজৰ ছাৰ্ভাৰতে থাকিব লাগিবDocling or MinerU, self-hosted
দৈনিক বেটচত চীনা নথিসমূহMinerU অনলাইন API (প্ৰতি দিনে 2,000 টা শীৰ্ষ অগ্ৰাধিকাৰপূৰ্ণ পৃষ্ঠা), বা OmniDoc
কাগজপত্ৰৰ পৰা সমীকৰণবোৰ LaTeX হিচাপেMarker, বা Mathpix (সৰু বিনামূল্যেৰ অনুমতি)
ইতিমধ্যে RAG নিৰ্মাণ কৰি থকা LlamaIndexLlamaParse
ইতিমধ্যে Azure নিৰ্মাণ কৰি থকাAzure Document Intelligence (বিনামূল্যেৰ পৰ্যায়টোৱে প্ৰতি অনুৰোধত 2টা পৃষ্ঠা পঢ়ে)
Word, PowerPoint, Excel, EPUB বা HTML লৈ MarkdownOmniDoc, MinerU বা Docling

প্ৰশ্নসমূহ

2026 চনত PDF হৈ Markdown কনভাৰ্টাৰ বিনামূলীয়া আছেনে?

হয়। MinerU, Docling আৰু Marker উৎকৃষ্ট উৎস আৰু স্ব-আধাৰিত কৰিব পৰা যায়; OmniDoc বিনামূল্যেৰ নথি উদ্ধাৰ ব্ৰাউজাৰত চলে, মাহিলী সীমা নাই আৰু PDF প্ৰতি 501টা পৃষ্ঠালৈকে উপলব্ধ, আৰু ইয়াৰ ZIP ফাইলত document.md আৰু document.json থাকে; MinerUৰ অনলাইন API প্ৰতি একাউণ্টত প্ৰতিদিনে 2,000টা শীৰ্ষ অগ্ৰাধিকাৰপ্ৰাপ্ত পৃষ্ঠা প্ৰদান কৰে। চৰকাৰী পৃষ্ঠাসমূহৰ পৰা তথ্য, নৱেম্বৰ 2026ত পৰীক্ষা কৰা হৈছিল।

গঠনমূলক উদ্ধাৰ PDF ৰ পৰা পাঠ্যলৈ কেনেকৈ পৃথক?

PDF ৰ পৰা পাঠ্যলৈ আপুনি সাধাৰণ পাঠ্য পাব। গঠনমূলক উদ্ধাৰে শিৰোনামৰ স্তৰ, অনুচ্ছেদ, টেবুল হিচাপে শাৰী আৰু কলাম, ছবিৰ অৱস্থান আৰু পঢ়াৰ ক্ৰম ৰাখে, যিটো Markdown আৰু JSON য'ত প্ৰগ্ৰাম আৰু AI সঁজুলিয়ে প্ৰত্যক্ষভাৱে ব্যৱহাৰ কৰিব পাৰে।

মই নিজেই হোষ্ট কৰিব পৰা নাই। মোৰ বিকল্পসমূহ কি?

অনলাইন সঁজুলি ব্যৱহাৰ কৰক: OmniDoc বিনামূলীয়া নথি উদ্ধাৰে ব্ৰাউজাৰত আপল'ড গ্ৰহণ কৰে; MinerU, Datalab, LlamaParse আৰু Azure অনলাইন API প্ৰদান কৰে, য'ত এটা একাউণ্ট, এটা টোকেন আৰু কিছু ক'ডৰ প্ৰয়োজন হয়।

এই সঁজুলিবোৰে স্কেন কৰা PDF আৰু টেবুলসমূহ প্ৰক্ৰিয়াকৰণ কৰিব পাৰেনে?

হয়। OmniDoc, Docling আৰু MinerU স্কেনত থকা পাঠ্য আৰু টেবুলৰ গঠন চিনাক্ত কৰে। OmniDoc টেবুলসমূহ Markdown টেবুল হিচাপে আৰু JSON ত শাৰী আৰু কলাম হিচাপে লিখে; অতি জটিল টেবুলসমূহ মূল নথিৰ সৈতে পৰীক্ষা কৰক।

এই তুলনাটো কোনে লিখিছে?

OmniDoc দল; OmniDoc আমাৰ নিজস্ব প্ৰডাক্ট। অন্য এটা সঁজুলিৰ বিষয়ে প্ৰতিটো তথ্যই ইয়াৰ অফিচিয়েল পৃষ্ঠা বা ৰিপজিটৰীলৈ লিংক কৰে, আৰু যদি কিছু পৰিৱৰ্তন হয় তেন্তে সেই পৃষ্ঠাটোৱেহে জয়ী হয়।

উৎস (14 নৱেম্বৰ 2026ত পৰীক্ষা কৰা)

  1. MinerU — GitHub READMEhttps://github.com/opendatalab/MinerU
  2. MinerU — API documentation (limits)https://mineru.net/doc/docs/index_en/
  3. Docling — GitHub READMEhttps://github.com/docling-project/docling
  4. Marker — GitHub READMEhttps://github.com/datalab-to/marker
  5. Datalab — Pricinghttps://www.datalab.to/pricing
  6. LlamaIndex — Pricinghttps://www.llamaindex.ai/pricing
  7. Mathpix — Snip pricinghttps://mathpix.com/pricing/snip
  8. Microsoft Learn — Document Intelligence quotas and limitshttps://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/service-limits
  9. Azure — Document Intelligence pricinghttps://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/