OmniDoc Extrakce dokumentu

OmniDoc Extrakce dokumentu / srovnání 2026

Bezplatné nástroje pro extrakci dokumentů ve srovnání s rokem 2026: PDF až Markdown a JSON

Převedení PDF, skenů a souborů Office na Markdown a JSON s nadpisy, tabulkami a obrázky může znamenat vlastní hostování modelu s otevřeným zdrojovým kódem nebo volání API účtovaného stránkou. Na této stránce jsou vedle sebe uvedeny bezplatné povolenky, vstupy, výstupy a nastavení sedmi běžných nástrojů s oficiálním zdrojem pro každé číslo.

Toto srovnání napsal tým OmniDoc a OmniDoc je náš vlastní produkt. Každé číslo o jiném nástroji pochází z jeho oficiální stránky nebo repozitáře, kontrolovaného 14. listopadu 2026; Jejich stránky vyhrávají, pokud se něco liší.

Extrahujte soubor zdarma pomocí OmniDoc

Stručně: povolenky zdarma, vstupy, výstupy

NástrojPříspěvek zdarmaVstupyVýstup / nastavení
OmniDoc bezplatná extrakce dokumentů náš nástrojAž 501 stran na PDF, bez měsíčního limitu; úkoly na bezplatném plánu čekají ve frontě; je vyžadován bezplatný účet OmniDocPDF, naskenované PDF, PNG/JPG/WEBP/BMP obrázky, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSWebová stránka, nic k instalaci; a ZIP s document.md, document.json, images/ a manifest.json
MinerUOpen source, self-hostované; online API: 2 000 stran denně na účet s nejvyšší prioritou, poté s nižší prioritouPDF, obrázky, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX a další; self-hostované, online API, nebo demo na Hugging Face a ModelScope
DoclingOpen source (kód pod MIT), běží na vašem vlastním počítači, bez omezení použitíPDF, DOCX, PPTX, XLSX, HTML, EPUB, obrázky a dalšíMarkdown, HTML, DocTags, bezeztrátové JSON; běží lokálně, OCR pro skenování
Marker (Datalab)Kód open source (Apache 2.0); hostovaný příspěvek API ve výši 20 $ měsíčně s pracovním e-mailem a 10 $ s osobnímPDF, images, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, bloky; rovnice jako LaTeX, tabulky jako HTML
LlamaParse (LlamaIndex)10 000 bezplatných kreditů měsíčně pro nové uživatele; základní analýza od 1 kreditu na stránkuViz oficiální stránkyOnline API (LlamaCloud), nutný účet
MathpixZdarma: 10 PDF stran a 10 obrázků měsíčně (2x s .edu e-mailem); Pro 4,99 $/měsíc za 1 000 stranPDF, obrázkyAplikace a API; silný na formule
Azure AI Document IntelligenceBezplatná úroveň F0: 500 stran měsíčně, ale každá analýza pokrývá pouze první 2 stránky a soubory do 4 MBPDF, obrázky JPEG/PNG/BMP/TIFF/HEIF, DOCX, PPTX, XLSCloud API, Azure účet potřebný; Model rozvržení vrací odstavce, tabulky a strukturu

Nástroj po nástroji: komu to vyhovuje a co sledovat

OmniDoc bezplatná extrakce dokumentů náš nástroj

Nadpisy, odstavce a seznamy zachovávají hierarchii originálu; dva nebo tři sloupce jsou spojeny v pořadí čtení. Tabulky se objevují jako Markdown tabulky a jako řádky a sloupce v JSON; obrázky jsou uloženy v images/ s označenými pozicemi. Skeny procházejí rozpoznáváním textu (OCR) a jsou pak organizovány podle svého rozložení. Pouze vy můžete vidět soubory, které nahráváte, a jejich výsledky.

Dobré pro: Markdown a JSON bez nastavování nebo psaní kódu; příprava dokumentů pro znalostní bázi nebo RAG.

MinerU

Licencováno pod licencí MinerU Open Source (založenou na Apache 2.0 s dalšími podmínkami). Precision Extract API vyžaduje token a přijímá soubory až do 200 MB a 600 stran; Agent Lightweight API nevyžaduje přihlášení a přijímá soubory až do 10 MB a 20 stránek, s omezenou rychlostí na IP adresu.

Dobré pro: vývojáři s GPU, kteří chtějí hostovat sami, nebo kteří hromadí čínské dokumenty přes API.

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

Docling

Jeho README uvádí rozvržení stránky, pořadí čtení a strukturu tabulek, OCR pro naskenované soubory PDF a obrázky a místní spuštění pro citlivá data a prostředí se vzduchovou mezerou. Modelové závaží mají své vlastní licence, které je třeba kontrolovat samostatně.

Dobré pro: týmy, které musí zůstat offline nebo ve své vlastní síti a vyhovují jim Python.

Zdroj: Docling — GitHub README

Marker (Datalab)

Váhy modelů používají upravenou licenci OpenRAIL-M, která je zdarma pro výzkum, osobní použití a startupy pod 5 milionů USD ve financování nebo příjmech; Komerční využití nad rámec toho je placené. Hostovaný API je oceněn za 1 000 stran: 1 $ rychle, $3 vyvážené, 7,50 $ přesné; Karta je potřeba až po získání bezplatného příspěvku.

Dobré pro: vývojáři, kteří chtějí rovnice LaTeX a tabulky HTML a mohou pracovat s licencí na váhy.

Zdroj: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

Na stránce s cenami LlamaIndex je uveden tarif za 0 dolarů s 10 000 kredity zdarma měsíčně; Každá úroveň parsování používá jiný počet kreditů na stránku, od 1 pro základní parsování. Přesně zapadá do stacku LlamaIndex RAG.

Dobré pro: vývojáři už staví RAG s LlamaIndex.

Zdroj: LlamaIndex — Pricing

Mathpix

Ceník společnosti Mathpix uvádí 10 stránek PDF a 10 obrázků měsíčně v rámci bezplatného tarifu, zdvojnásobeno e-mailem .edu; Pro je 4,99 $ měsíčně za 1 000 stránek PDF a 5 000 obrázků. Rozpoznávání vzorců je jeho síla; bezplatný příspěvek je malý.

Dobré pro: občasná stránka vzorců nebo fotka matematického problému.

Zdroj: Mathpix — Snip pricing

Který pro jakou práci

Tvoje situaceCo vyzkoušet nejdřív
Převod stovek PDF nebo naskenovaných stránek do Markdown a JSON bez psaní kóduOmniDoc (až 501 stránek na PDF v prohlížeči)
Data musí zůstat na vašich vlastních serverechDocling nebo MinerU, s vlastním hostitelem
Čínské dokumenty v denních dávkáchMinerU online API (2 000 prioritních stránek denně), nebo OmniDoc
Rovnice z papírů jako LaTeXMarker, nebo Mathpix (malý bezplatný přídavek)
Již staví RAG s LlamaIndexLlamaParse
Už stavím na AzureAzure Document Intelligence (bezplatná úroveň obsahuje 2 stránky na žádost)
Word, PowerPoint, Excel, EPUB nebo HTML až MarkdownOmniDoc, MinerU nebo Docling

Otázky

Existuje v roce 2026 zdarma převodník z PDF na Markdown?

Ano. MinerU, Docling a Marker jsou open source a mohou být hostovány samostatně; bezplatná extrakce dokumentů OmniDoc běží v prohlížeči bez měsíčního omezení a až 501 stránek na PDF a jeho ZIP obsahuje document.md a document.json; Online API společnosti MinerU poskytuje 2 000 stránek s nejvyšší prioritou denně na účet. Údaje z oficiálních stránek, zkontrolované v listopadu 2026.

Jak se strukturovaná extrakce liší od PDF k textu?

PDF na text vám poskytne prostý text. Strukturovaná extrakce zachovává úrovně nadpisů, odstavce, tabulky jako řádky a sloupce, pozice obrázků a pořadí čtení, jako Markdown a JSON, které mohou programy a nástroje AI přímo používat.

Nemohu se sám hostit. jaké mám možnosti?

Použijte online nástroj: bezplatná extrakce dokumentu OmniDoc se nahraje do prohlížeče; MinerU, Datalab, LlamaParse a Azure nabízejí online rozhraní API, která vyžadují účet, token a nějaký kód.

Zvládnou tyto nástroje skenované PDF a tabulky?

Ano. OmniDoc, Docling a MinerU rozpoznávají text v skenech a strukturu tabulek. OmniDoc zapisuje tabulky jako Markdown tabulky a jako řádky a sloupce do JSON; zkontrolujte velmi složité tabulky oproti originálu.

Kdo napsal toto srovnání?

tým OmniDoc; OmniDoc je náš vlastní produkt. Každý údaj o jiném nástroji odkazuje na jeho oficiální stránku nebo úložiště a tato stránka vyhrává, pokud se něco změní.

Zdroje (zkontrolováno 14. listopadu 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/

Průvodce 2026: 8 věcí, které je třeba zkontrolovat v nástroji pro extrakci dokumentů · OmniDoc Extrakce dokumentu · Překlad dokumentů · Otevřete nástroj · Staňte si desktopovou aplikaci