Echdynnu Dogfen OmniDoc

Echdynnu Dogfen OmniDoc / Cymhariaeth 2026

Cymharu offer echdynnu dogfennau am ddim ar gyfer 2026: PDF i Markdown a JSON

Gall troi PDFs, sganau a ffeiliau Office yn Markdown a JSON gyda phennawdau, tablau a delweddau olygu gweinyddu model ffynhonnell agored eich hun neu alw am API sy'n cael ei godi fesul tudalen. Mae'r dudalen hon yn rhoi lwfans am ddim, mewnbwn, allbwn a sefydlu saith offeryn cyffredin ochr yn ochr, gyda'r ffynhonnell swyddogol ar gyfer pob rhif.

Ysgrifennwyd y gymhariaeth hon gan dîm OmniDoc, ac mae OmniDoc yn gynnyrch ein hunain. Daw pob rhif am offeryn arall o'i dudalen swyddogol neu ei gronfa, wedi'i wirio ar 14 Tachwedd 2026; mae eu tudalennau'n ennill os oes unrhyw beth yn wahanol.

Tynnwch ffeil yn rhad ac am ddim gyda OmniDoc

Ar golwg cyntaf: lwfans am ddim, mewnbwnau, allbwnau

OfferynLwfans am ddimMewnbwnauAllbwn / sefydlu
Echdynnu dogfennau am ddim OmniDoc ein offerynHyd at 501 tudalen fesul PDF, heb gyfyngiad misol; mae tasgau ar y cynllun am ddim yn aros mewn ciw; mae angen cyfrif OmniDoc am ddimPDF, sganiedig PDF, delweddau PNG/JPG/WEBP/BMP, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSTudalen we, dim byd i'w osod; ZIP gyda document.md, document.json, images/ a manifest.json
MinerUFfynhonnell agored, wedi'i westeio'n hunan; API ar-lein: 2,000 tudalen y dydd fesul cyfrif â phryder uchaf, â phryder is wedynPDF, delweddau, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX a mwy; wedi'i westeio'n hunan, ar-lein API, neu demo ar Hugging Face a ModelScope
DoclingFfynhonnell agored (cod dan MIT), yn rhedeg ar eich cyfrifiadur eich hun, heb gyfyngiadau defnyddPDF, DOCX, PPTX, XLSX, HTML, EPUB, delweddau a mwyMarkdown, HTML, DocTags, JSON di-golled; yn rhedeg yn lleol, OCR ar gyfer sganau
Marker (Datalab)Cod ffynhonnell agored (Apache 2.0); wedi'i westeio API gyda chaniatâd o $20 y mis gydag e-bost gwaith, $10 gydag un personolPDF, delweddau, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, darnau; hafaliadau fel LaTeX, tablau fel HTML
LlamaParse (LlamaIndex)10,000 credyd di-dâl y mis i ddefnyddwyr newydd; dadansoddi sylfaenol o 1 credyd y dudalenGweler y safle swyddogolAPI ar-lein (LlamaCloud), angen cyfrif
MathpixDi-dâl: 10 tudalen PDF a 10 delwedd y mis (2x gydag e-bost .edu); Pro $4.99/y mis am 1,000 tudalenPDF, delweddauAp a API; yn gryf ar fformiwlâu
Azure AI Document IntelligenceHaen di-dâl F0: 500 tudalen y mis, ond mae pob dadansoddiad yn cwmpasu'r 2 dudalen gyntaf yn unig ac ffeiliau hyd at 4 MBPDF, delweddau JPEG/PNG/BMP/TIFF/HEIF, DOCX, PPTX, XLSMae angen cyfrif API ar y cwmwl, Azure; mae'r model cynllun yn dychwelyd paragraffau, tablau a strwythur

Offeryn wrth offeryn: pwy y mae'n addas iddo a beth i'w gadw ar ei ôl

Echdynnu dogfennau am ddim OmniDoc ein offeryn

Mae penawdau, paragraffau a rhestrau yn cadw hierarchaeth y gwreiddiol; mae dwy neu dair colofn yn cael eu cyfuno yn nhrefn darllen. Mae tablau'n dod allan fel tablau Markdown ac fel rhesi a cholofnau yn y JSON; mae lluniau'n cael eu cadw yn images/ gyda'u safleoedd wedi'u nodi. Mae sganau'n mynd trwy adnabod testun (OCR) ac yna'n cael eu trefnu yn ôl eu cynllun. Dim ond chi sy'n gallu gweld y ffeiliau rydych chi'n eu lanlwytho a'u canlyniadau.

Yn dda ar gyfer: Markdown a JSON heb osod unrhyw beth na ysgrifennu cod; paratoi dogfennau ar gyfer sylfaen wybodaeth neu RAG.

MinerU

Wedi'i drwyddedu dan Drwydded Ffynhonnell Agored MinerU (sy'n seiliedig ar Apache 2.0 gydag amodau ychwanegol). Mae angen tocyn ar y Precision Extract API ac mae'n derbyn ffeiliau hyd at 200 MB a 600 tudalen; nid oes angen mewngofnodi ar yr Agent Lightweight API ac mae'n derbyn ffeiliau hyd at 10 MB a 20 tudalen, wedi'i gyfyngu yn ôl cyfradd fesul IP.

Yn dda ar gyfer: datblygwyr gyda GPU sydd eisiau gwesteio eu hunain, neu sy'n prosesu dogfennau Tsieineaidd mewn swp trwy API.

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

Docling

Mae ei README yn rhestru cynllun y dudalen, trefn darllen a strwythur tablau, OCR ar gyfer PDFs wedi'u sganio a delweddau, ac yn rhedeg yn lleol ar gyfer data sensitif ac amgylcheddau heb gysylltiad â'r rhyngrwyd. Mae gan bwysau model eu trwyddedau eu hunain, sydd i'w gwirio ar wahân.

Yn dda ar gyfer: timau sy'n gorfod aros all-lein neu y tu mewn i'w rhwydwaith eu hunain ac sy'n teimlo'n gyfforddus gyda Python.

Source: Docling — GitHub README

Marker (Datalab)

Mae pwysau'r model yn defnyddio trwydded OpenRAIL-M wedi'i addasu, yn rhad ac am ddim ar gyfer ymchwil, defnydd personol a chychwyniadau â llai na $5M mewn cyllid neu refeniw; mae defnydd masnachol y tu hwnt i hynny yn rhaid talu amdano. Mae'r API wedi'i westeio wedi'i brisio fesul 1,000 o dudalennau: $1 cyflym, $3 cytbwys, $7.50 cywir; dim ond ar ôl y lwfans di-dâl y mae angen cerdyn.

Yn dda ar gyfer: datblygwyr sydd eisiau hafaliadau LaTeX a thablau HTML ac sy'n gallu gweithio gyda thrwydded y pwysau.

Source: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

Mae tudalen prisiau LlamaIndex yn rhestru cynllun talu wrth fynd o $0 gyda 10K o gredydau di-dâl y mis; mae pob haen dadansoddi yn defnyddio nifer wahanol o gredydau y dudalen, o 1 ar gyfer dadansoddi sylfaenol. Mae'n cyd-fynd yn daclus â'r pentwr LlamaIndex RAG.

Yn dda ar gyfer: datblygwyr sydd eisoes yn adeiladu RAG gyda LlamaIndex.

Source: LlamaIndex — Pricing

Mathpix

Mae prisiau Mathpix yn cynnwys 10 tudalen PDF a 10 delwedd y mis ar y cynllun di-dâl, wedi'i ddyblu gydag e-bost .edu; mae Pro yn $4.99 y mis am 1,000 o dudalennau PDF a 5,000 o ddelweddau. Mae adnabod fformiwlâu yn ei gryfder; mae'r lwfans di-dâl yn fach.

Yn dda ar gyfer: y dudalen achlysurol o fformiwlâu neu lun o broblem mathemateg.

Source: Mathpix — Snip pricing

Azure AI Document Intelligence

Mae dogfennaeth Microsoft yn dweud bod y haen di-dâl yn dadansoddi'r ddwy dudalen gyntaf o gais yn unig, gyda ffeiliau hyd at 4 MB ac un cais yr eiliad; mae'r dudalen brisio yn rhestru 0–500 tudalen di-dâl y mis. Mae'n addas ar gyfer rhoi cynnig ar bethau cyn adeiladu ar Azure.

Yn dda ar gyfer: timau sydd eisoes yn adeiladu ar Azure ac sydd angen API corfforaethol.

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

Pa un ar gyfer pa dasg

Eich sefyllfaBeth i'w roi ar waith yn gyntaf
Trosi cannoedd o dudalennau PDF neu wedi'u sganio yn Markdown a JSON heb ysgrifennu codOmniDoc (hyd at 501 tudalen fesul PDF, yn y porwr)
Rhaid i'r data aros ar eich gweinyddwyr eich hunDocling neu MinerU, wedi'i westeio'n hunan
Dogfennau Tsieineaidd mewn swp dyddiolMinerU ar-lein API (2,000 tudalen â phryder uchaf y dydd), neu OmniDoc
Hafaliadau o bapurau fel LaTeXMarker, neu Mathpix (lleihad bach di-dâl)
Yn adeiladu RAG eisoes gyda LlamaIndex.LlamaParse
Yn adeiladu ar Azure eisoesAzure Document Intelligence (mae'r haen di-dâl yn darllen 2 dudalen fesul cais)
Word, PowerPoint, Excel, EPUB neu HTML i MarkdownOmniDoc, MinerU neu Docling

Cwestiynau

A oes trawsnewidydd PDF i Markdown rhad ac am ddim yn 2026?

Ie. Mae MinerU, Docling a Marker yn ffynhonnell agored ac yn cael eu cynnal eu hunain; mae echdynnu dogfennau am ddim OmniDoc yn rhedeg yn y porwr heb gap misol a hyd at 501 tudalen fesul PDF, ac mae ei ZIP yn cynnwys document.md a document.json; mae API ar-lein MinerU yn rhoi 2,000 o dudalennau â phryder uchaf y dydd i bob cyfrif. Ffigurau o'r tudalennau swyddogol, wedi'u gwirio Tachwedd 2026.

Sut mae echdynnu strwythuredig yn wahanol i PDF i destun?

Mae PDF i destun yn rhoi rhediad o destun plaen. Mae echdynnu strwythuredig yn cadw lefelau penawdau, paragraffau, tablau fel rhesi a cholofnau, safleoedd delweddau a'r drefn ddarllen, fel Markdown a JSON y gall rhaglenni ac offer AI eu defnyddio'n uniongyrchol.

Ni allaf eu cynnal fy hun. Beth yw fy opsiynau?

Defnyddiwch offeryn ar-lein: mae echdynnu dogfennau am ddim OmniDoc yn derbyn llwytho i fyny yn y porwr; mae MinerU, Datalab, LlamaParse a Azure yn cynnig APIs ar-lein, sy'n gofyn am gyfrif, tocyn a rhywfaint o god.

A all yr offer hyn drin PDFs wedi'u sganio a thablau?

Ie. Mae OmniDoc, Docling a MinerU yn adnabod testun mewn sganau ac adeiladwaith tablau. Mae OmniDoc yn ysgrifennu tablau fel tablau Markdown ac fel rhesi a cholofnau yn y JSON; gwiriwch dablau cymhleth iawn yn erbyn y gwreiddiol.

Pwy ysgrifennodd y gymhariaeth hon?

Y tîm OmniDoc; mae OmniDoc yn gynnyrch ein hunain. Mae pob ffigwr am offeryn arall yn cysylltu â'i dudalen swyddogol neu ei ystorfa, ac mae'r dudalen honno'n ennill os oes unrhyw beth wedi newid.

Ffynonellau (wedi'u gwirio ar 14 Tachwedd 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/