OmniDoc Dokumentudtrækning

OmniDoc Dokumentudtrækning / Sammenligning for 2026

Gratis dokumentudtrækningsværktøjer sammenlignet for 2026: PDF til Markdown og JSON

At konvertere PDF'er, scanninger og Office-filer til Markdown og JSON med overskrifter, tabeller og billeder kan betyde selv-hosting af en open-source-model eller at bruge et API pr. side. Denne side sammenligner de gratis tillæg, indtastningsformater, output og opsætning af syv almindelige værktøjer side om side, med den officielle kilde for hvert tal.

Denne sammenligning er skrevet af OmniDoc-teamet, og OmniDoc er vores eget produkt. Hvert tal om et andet værktøj stammer fra dets officielle side eller repository, kontrolleret den 14. november 2026; deres sider har forrang, hvis der er ændringer.

Udtræk en fil gratis med OmniDoc

Et overblik: kostnadsfri rammestørrelse, inputs, outputs

VærktøjKostnadsfri rammestørrelseInputsOutput / opsætning
OmniDoc free document extraction vores værktøjOp til 501 sider pr. PDF, ingen månedlig begrænsning; opgaver på den gratis plan venter i en kø; en gratis OmniDoc-konto er påkrævetPDF, scanned PDF, PNG/JPG/WEBP/BMP billeder, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSWebstedsside, intet at installere; en ZIP-fil med document.md, document.json, images/ og manifest.json
MinerUOpen source, selvhostet; online API: 2.000 sider om dagen pr. konto med høj prioritet, lavere prioritet derefterPDF, billeder, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX og mere; selvhostet, online API eller demoversioner på Hugging Face og ModelScope
DoclingOpen source (kode under MIT), kører på din egen computer, ingen brugsgrænserPDF, DOCX, PPTX, XLSX, HTML, EPUB, billeder og mereMarkdown, HTML, DocTags, lossless JSON; kører lokalt, OCR for scanninger
Marker (Datalab)Kode åben kildekode (Apache 2.0); hostet API tilladelse på $20 om måneden med en arbejdse-mail, $10 med en personligPDF, billeder, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, bidder; ligninger som LaTeX, tabeller som HTML
LlamaParse (LlamaIndex)10.000 gratis kreditter om måneden for nye brugere; grundlæggende parsing fra 1 kredit pr. sideSe den officielle hjemmesideOnline API (LlamaCloud), konto nødvendig
MathpixGratis: 10 PDF sider og 10 billeder om måneden (2x med en .edu-e-mail); Pro $4,99/måned for 1.000 siderPDF, billederApp og API; stærk på formler
Azure AI Document IntelligenceGratis niveau F0: 500 sider om måneden, men hver analyse dækker kun de første 2 sider og filer op til 4 MBPDF, JPEG/PNG/BMP/TIFF/HEIF billeder, DOCX, PPTX, XLSCloud API, Azure-konto påkrævet; layoutmodellen returnerer afsnit, tabeller og struktur

Værktøj for værktøj: hvem det passer til og hvad man skal være opmærksom på

OmniDoc free document extraction vores værktøj

Overskrifter, afsnit og lister bevarer hierarkiet fra originalen; to eller tre spalter er samlet i læserækkefølgen. Tabeller vises som Markdown-tabeller og som rækker og kolonner i JSON; billeder gemmes i images/ med deres positioner markeret. Scanninger gennemgår tekstgenkendelse (OCR) og organiseres derefter efter deres layout. Kun du kan se de filer, du uploader, og deres resultater.

Godt til: Markdown og JSON uden at konfigurere noget eller skrive kode; forberedelse af dokumenter til en vidensbase eller RAG.

MinerU

Licenseret under MinerU Open Source-licensen (baseret på Apache 2.0 med yderligere betingelser). Precision Extract API kræver en token og kan håndtere filer op til 200 MB og 600 sider; Agent Lightweight API kræver ingen login og kan håndtere filer op til 10 MB og 20 sider, rate-begrænset pr. IP.

Godt til: udviklere med en GPU der ønsker at selvhoste, eller som behandler kinesiske dokumenter i batch via en API.

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

Docling

Dens README angiver sideopsætning, læserækkefølge og tabellistruktur, OCR for scannede PDF'er og billeder samt lokal kørsel for følsomme data og luftisolerede miljøer. Modelvægte har deres egne licenser, som skal kontrolleres separat.

Godt til: teams, der skal forblive offline eller inde i deres eget netværk og er komfortable med Python.

Kilde: Docling — GitHub README

Marker (Datalab)

Modelvægtene bruger en modificeret OpenRAIL-M-licens, gratis for forskning, personligt brug og startups med under $5M i finansiering eller indtægter; kommerciel brug herudover er betalt. Den hostede API prissættes pr. 1.000 sider: $1 hurtig, $3 afbalanceret, $7,50 nøjagtig; et kort er kun nødvendigt efter den gratis tildeling.

Godt til: udviklere, der ønsker LaTeX ligninger og HTML tabeller og kan arbejde med vægtlicensen.

Kilde: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

LlamaIndex’s prisoversigt viser en $0 pay-as-you-go-plan med 10.000 gratis kreditter om måneden; hver parsing-tier bruger et forskelligt antal kreditter pr. side, fra 1 for grundlæggende parsing. Den passer perfekt ind i LlamaIndex RAG-stakken.

Godt til: udviklere, der allerede bygger RAG med LlamaIndex.

Kilde: LlamaIndex — Pricing

Mathpix

Mathpix’s prisplaner omfatter 10 PDF sider og 10 billeder om måneden på den gratis plan, fordoblet med en .edu-e-mail; Pro koster $4,99 om måneden for 1.000 PDF sider og 5.000 billeder. Formelgenkendelse er dens styrke; det gratis tillæg er lille.

Godt til: den lejlighedsvise side med formler eller et foto af en matematikopgave.

Kilde: Mathpix — Snip pricing

Azure AI Document Intelligence

Microsoft’s dokumentation angiver, at gratisniveauet kun analyserer de første to sider af en anmodning, med filer på op til 4 MB og én anmodning pr. sekund; prislisten angiver 0–500 gratis sider om måneden. Det er velegnet til at afprøve funktionerne, før man bygger videre på Azure.

Godt til: teams, der allerede bygger på Azure og har brug for en virksomheds-API.

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

Hvilken til hvilken opgave

Din situationHvad skal du prøve først
Konvertering af hundredvis af PDF eller scannede sider til Markdown og JSON uden at skrive kodeOmniDoc (op til 501 sider pr. PDF, i browseren)
Data skal forblive på dine egne servereDocling eller MinerU, selvhostet
Kinesiske dokumenter i daglige batchesMinerU online API (2.000 sider med høj prioritet om dagen), eller OmniDoc
Ligninger fra artikler som LaTeXMarker, eller Mathpix (lille gratis tildeling)
Allerede ved at bygge RAG med LlamaIndexLlamaParse
Allerede ved at bygge på AzureAzure Document Intelligence (gratisniveauet læser 2 sider pr. anmodning)
Word, PowerPoint, Excel, EPUB eller HTML til MarkdownOmniDoc, MinerU eller Docling

Spørgsmål

Findes der en gratis PDF til Markdown-konverter i 2026?

Ja. MinerU, Docling og Marker er open source og kan hostes selv; den gratis OmniDoc-dokumentudtrækning kører i browseren uden månedskap og op til 501 sider pr. PDF, og dens ZIP-fil indeholder document.md og document.json; MinerU’s online API giver 2.000 førsteprioritetsider om dagen pr. konto. Tal fra de officielle sider, kontrolleret november 2026.

Hvordan er struktureret udtrækning forskellig fra PDF til tekst?

PDF til tekst giver dig en række almindelig tekst. Struktureret udtrækning bevarer overskriftsniveauer, afsnit, tabeller som rækker og kolonner, billedpositioner og læserækkefølge, ligesom Markdown og JSON, som programmer og AI-værktøjer kan bruge direkte.

Jeg kan ikke selv hoste. Hvad er mine muligheder?

Brug et online værktøj: den gratis OmniDoc-dokumentudtrækning foretages via upload i browseren; MinerU, Datalab, LlamaParse og Azure tilbyder online APIs, som kræver en konto, et token og noget kode.

Kan disse værktøjer håndtere scannede PDF'er og tabeller?

Ja. OmniDoc, Docling og MinerU genkender tekst i scanninger og strukturen i tabeller. OmniDoc skriver tabeller som Markdown-tabeller og som rækker og kolonner i JSON; tjek meget komplekse tabeller mod originalen.

Hvem skrev denne sammenligning?

OmniDoc-teamet; OmniDoc er vores eget produkt. Hvert tal om et andet værktøj linker til dets officielle side eller repository, og den side vinder, hvis der er sket ændringer.

Kilder (kontrolleret den 14. november 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/