Estractación de documentos OmniDoc

Estractación de documentos OmniDoc / Comparanza de 2026

Ferramientes gratuites d'estracción de documentos comparaes pa 2026: PDF a Markdown y JSON

Convertir PDF, escaneos y archivos d'Office a Markdown y JSON con encabezáos, tables ya imáxenes puede significar aloxase por cuenta propia un modelu de códigu abiertu o contratar un API facturáu por páxina. Esta páxina pon llau a llau les asignaciones gratuites, entrades, salíes y configuración de siete ferramientes comunes, cola fonte oficial pa cada cifra.

Esta comparación foi escrita pol equipu de OmniDoc, y OmniDoc ye'l nuesu propiu productu. Cada cifra sobre otra ferramienta provién de la so páxina oficial o repositoriu, comprobaes el 14 de payares de 2026; les sos páxines prevalecerán si hai dalguna diferencia.

Estracta un archivu gratuitamente con OmniDoc

De un vistu: asignación gratuita, entrantes y salientes

FerramientaAsignación gratuitaEntrantesSalida / configuración
Estracción de documentos gratuita de OmniDoc la nuesa ferramientaHasta 501 páxines por PDF, ensin llímite mensual; les tares nel plan gratuitu esperen na cola; ye necesariu una cuenta OmniDoc gratuitaPDF, imáxenes escaneaes de PDF, PNG/JPG/WEBP/BMP, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSPáxina web, nada que instalar; un ZIP con document.md, document.json, images/ y manifest.json
MinerUCódigo abiertu, autoalojáu; API en llinia: 2.000 páxines al día por cuenta con prioridá máxima, prioridá menor dempuésPDF, imáxenes, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX y más; autoalojáu, API en llinia, o demostraciones en Hugging Face y ModelScope
DoclingCódigo abiertu (códigu baxo MIT), funciona nel so propiu ordenador, ensin llímites d'usuPDF, DOCX, PPTX, XLSX, HTML, EPUB, imáxenes y másMarkdown, HTML, DocTags, JSON ensin perda; funciona localmente, OCR pa escaneos
Marker (Datalab)Códigu abiertu (Apache 2.0); aloxáu API con un llindéu de 20 dólares al mes con un correo electrónicu pa trabayu, 10 dólares con un personalPDF, imáxenes, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, fragmentos; ecuaciones como LaTeX, tables como HTML
LlamaParse (LlamaIndex)10.000 creitos gratuitos al mes pa usuarios nuevos; análise básica a partir de 1 creitu per páxinaVea el sitiu oficialAPI en llinia (LlamaCloud), necesitase cuenta
MathpixGratuitu: 10 PDF páxines y 10 imáxenes al mes (2x con un email .edu); Pro $4.99/mes por 1.000 páxinesPDF, imáxenesAplicación y API; fuerte en fórmules
Azure AI Document IntelligenceNivel gratuitu F0: 500 páxines al mes, pero cada análise cubre solo les primeres 2 páxines y archivos d'hasta 4 MBPDF, imáxenes JPEG/PNG/BMP/TIFF/HEIF, DOCX, PPTX, XLSNube API, se precisa una cuenta Azure; el modelu de disposición devuelve párrafos, tables y estructura

Ferramienta por ferramienta: pa quién ye útil y qué hai que tener en cuenta

Estracción de documentos gratuita de OmniDoc la nuesa ferramienta

Los títulos, párrafos y llistes caltienen la xerarquía del orixinal; dos o tres columnes xúntense nel ordre de lleutura. Les tables salen como tables de Markdown y como filas y columnes nel JSON; les imáxenes gárdense en images/ coles sos posiciones marcaes. Los escaneos pasen pol reconocimientu de testu (OCR) y depués organícense según el so diseñu. Solo usted puede ver los archivos que cargue y los sos resultaos.

Bueno para: Markdown y JSON ensin configurar nada nin escribir códigu; preparando documentos pa una base de conocencies o RAG.

MinerU

Llicenciáu baxo la Llicencia d'Apertura MinerU (basada en Apache 2.0 con condiciones adicionales). El Precision Extract API precisa un token y acepta archivos d'hasta 200 MB y 600 páxines; l'Agent Lightweight API nun precisa iniciar sesión y acepta archivos d'hasta 10 MB y 20 páxines, llindáu por rateo per IP.

Bueno para: desarrolladores con un GPU que quieran autoaloxase, o que procesen por lotes documentos en chinu al traviés d'un API.

La fonte: MinerU — GitHub README, MinerU — API documentation (limits)

Docling

El so README llista la disposición de la páxina, l'orde de lleutura y la estructura de les tables, OCR pa PDF escaneaos ya imáxenes, y execución local pa datos sensibles y entornos ensin conexón. Los pesos del modelu tienen les sos propies llicencies, que hai que comprobar por separao.

Bueno para: equipos que tienen qu'almantenerse desconectaos o dientro de la so propia rede y que se sienten cómodos con Python.

La fonte: Docling — GitHub README

Marker (Datalab)

Los pesos del modelu usen una llicencia OpenRAIL-M modificada, gratuita pa investigación, usu personal y startups con menos de 5 millones d' dólares en financiamientu o ingresos; l'usu comercial más allá d'eso ye de pagu. El API aloxáu tien un preciu por cada 1.000 páxines: 1 dólar rápido, 3 dólares equilibráu, 7,50 dólares precisu; namái se precisa una tarxeta dempués del llindéu gratuitu.

Bueno para: desarrolladores que quieren ecuaciones LaTeX y tables HTML y pueden trabayar cola llicencia de pesos.

La fonte: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

La páxina de precios de LlamaIndex amuesa un plan de pagu según se usa de 0 dólares con 10.000 creitos gratuitos al mes; cada nivel d'analís utiliza un númberu distintu de creitos per páxina, dende 1 pa l'analís básicu. Encaixa perfectamente nel pila LlamaIndex RAG.

Bueno para: desarrolladores que yá estan construyendo RAG con LlamaIndex.

La fonte: LlamaIndex — Pricing

Mathpix

Los precios de Mathpix inclúin 10 páxines PDF y 10 imáxenes al mes nel plan gratuitu, dobles con un email .edu; Pro ye de $4.99 al mes por 1.000 páxines PDF y 5.000 imáxenes. El reconocimientu de fórmules ye la so fuercia; el llote gratuitu ye pequeñu.

Bueno para: la ocasional páxina de fórmules o una foto d'un problema matemáticu.

La fonte: Mathpix — Snip pricing

Azure AI Document Intelligence

La documentación de Microsoft diz que'l nivel gratuitu analiza solo les dos primeres páxines d'una solicitude, con archivos d'hasta 4 MB y una solicitude por segundu; la páxina de precios indica de 0 a 500 páxines gratuites al mes. Ye ideal pa probar antes de construyir sobre Azure.

Bueno para: equipos que yá estan construyendo sobre Azure y que precisen una API empresarial.

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

Cuál ye pa cada tarea

La so situaciónQué probar primero
Convertir centenares de páxines de PDF o escaneaes a Markdown y JSON ensin escribir códiguOmniDoc (hasta 501 páxines por PDF, nel navegador)
Los datos tienen que permanecer nos sos propios servidoresDocling o MinerU, autoalojáu
Documentos en chinu en lotes diariosMinerU API en llinia (2.000 páxines con prioridá máxima al día), o OmniDoc
Ecuaciones de los artículos como LaTeXMarker, o Mathpix (pequeñu llote gratuitu)
Yá construyendo RAG con LlamaIndexLlamaParse
Yá construyendo sobre AzureAzure Document Intelligence (el nivel gratuitu llee 2 páxines por solicitude)
Word, PowerPoint, Excel, EPUB o HTML hasta MarkdownOmniDoc, MinerU o Docling

Preguntes

¿Esiste un convertidor PDF a Markdown gratuitu nel 2026?

Sí. MinerU, Docling y Marker son de códigu abiertu y pueden aloxase por cuenta propia; la estraición de documentos gratuitu de OmniDoc funciona nel navegador ensin llímite mensual y hasta 501 páxines per PDF, y el so ZIP contién document.md y document.json; MinerU’s online API da 2.000 páxines de máxima prioridá al día por cuenta. Cifres de les páxines oficiales, comprobaes en payares de 2026.

¿En qué se diferencia l'estracción estructurada de PDF a testu?

PDF a testu da-yos una secuencia de testu llano. L'estracción estructurada caltién los niveles de títulos, párrafos, tables como filas y columnes, posiciones d'imáxenes y l'orde de lleutura, como Markdown y JSON que los programes y les ferramientes d'IA pueden usar direutamente.

Nun puedo autoaloxase. ¿Cuáles son les mios opciones?

Usee una ferramienta en llinia: la estraición de documentos gratuitu de OmniDoc realiza una carga nel navegador; MinerU, Datalab, LlamaParse y Azure ufierten APIs en llinia, que requieren una cuenta, un token y dalgún códigu.

¿Pueden estes ferramientes xestionar PDF escaneaos y tables?

Sí. OmniDoc, Docling y MinerU reconozen testu en escaneos y la estructura de tables. OmniDoc escribe tables como tables de Markdown y como filas y columnes nel JSON; comprobei tables bien complexes con el orixinal.

¿Quién escribió esta comparanza?

L'equipu de OmniDoc; OmniDoc ye'l nuesu propiu productu. Cada cifra sobre otra ferramienta enllaza cola so páxina oficial o repositoriu, y esa páxina gana si camudó daqué.

Fuentes (comprobaes el 14 de payares de 2026)

  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/