OmniDoc Dokumendi väljavõtmine

OmniDoc Dokumendi väljavõtmine / 2026. aasta võrdlus

Tasuta dokumendi ekstraktimise tööriistade võrdlus 2026. aastaks: PDF kuni Markdown ja JSON

PDF-d, skänned ja Office-failid pealkirjade, tabelite ja piltidega Markdown ja JSON-ks muutmine võib tähendada avatud lähtekoodiga mudeli iseseisvat hostimist või lehepõhise tasu eest teenust osutava API kutsumist. See lehekülg paneb seitsme tavalise tööriista tasuta lisandused, sisendid, väljundid ja seadistamise kõrvuti, iga numbri puhul ametliku allika abil.

See võrdlus on kirjutatud OmniDoc meeskonna poolt ja OmniDoc on meie enda toode. Iga teise tööriista kohta esitatud number pärineb selle ametlikult lehelt või hoidlast, kontrollitud 14. novembril 2026; kui midagi erineb, eelistatakse nende lehti.

Ekstraheerige fail tasuta OmniDoc abil

Ülevaade: tasuta piirangud, sisendid, väljundid

TööriistTasuta piirangudSisendidVäljund / seadistus
OmniDoc tasuta dokumendi ekstraktimine meie tööriistKuni 501 lehekülge PDF kohta, ilma igakuise piiranguta; tasuta plaani ülesanded ootavad järjekorras; vajalik on tasuta OmniDoc kontoPDF, skaneeritud PDF, PNG/JPG/WEBP/BMP pildid, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSVeebileht, midagi pole vaja installida; ZIP-fail dokumendi.md, document.json, images/ ja manifest.json-ga
MinerUAvatud lähtekoodiga, iseseisvalt majutatud; veebipõhine API: 2 000 lehekülge päevas kontole kõrge prioriteediga, madalama prioriteediga pärast sedaPDF, pildid, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX ja muud; iseseisvalt majutatud, veebipõhine API või demoversioonid saidil Hugging Face ja ModelScope
DoclingAvatud lähtekoodiga (kood MIT all), töötab teie enda arvutis, ilma kasutuspiirangutetaPDF, DOCX, PPTX, XLSX, HTML, EPUB, pildid ja muuMarkdown, HTML, DocTags, kadudeta JSON; töötab kohapeal, OCR skännide jaoks
Marker (Datalab)Avatud lähtekoodiga kood (Apache 2.0); majutatud API 20 dollari suurune kuutasu töömeili korral, 10 dollarit isikliku meili korralPDF, pildid, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, lõigud; võrrandid kui LaTeX, tabelid kui HTML
LlamaParse (LlamaIndex)10 000 tasuta krediiti kuus uutele kasutajatele; põhilise parsimise hind alates 1 krediit lehekülje kohtaVaadake ametlikku saitiVeebipõhine API (LlamaCloud), vajalik konto
MathpixTasuta: 10 PDF lehekülge ja 10 pilti kuus (2x koos .edu e-postiga); Pro 4,99 $/kuu 1 000 lehekülje eestPDF, pildidRakendus ja API; tugev valemites
Azure AI Document IntelligenceTasuta tasand F0: 500 lehekülge kuus, kuid iga analüüs hõlmab ainult esimesed 2 lehekülge ja failid on kuni 4 MB suurusedPDF, JPEG/PNG/BMP/TIFF/HEIF pildid, DOCX, PPTX, XLSPilv API, vajalik Azure konto; paigutusmudel tagastab lõigud, tabelid ja struktuuri

Tööriist tööriista haaval: kellele see sobib ja mida jälgida

OmniDoc tasuta dokumendi ekstraktimine meie tööriist

Pealkirjad, lõigud ja loendid säilitavad algse hierarhia; kaks või kolm veergu on ühendatud lugemisjärjekorras. Tabelid ilmuvad Markdown tabelitena ning ridade ja veergudena JSON-s; pildid salvestatakse kausta images/ koos nende asukohtade märgistusega. Skaneeringud läbivad tekstituvastuse (OCR) ja korraldatakse seejärel vastavalt oma paigutusele. Ainult teie näete üleslaetud faile ja nende tulemusi.

Sobib: Markdown ja JSON, ilma et peaksite midagi seadistama või koodi kirjutama; dokumentide ettevalmistamine teadmistepõhiseks baasiks või RAG.

MinerU

Litsentseeritud MinerU Avatud Lähtekoodi Litsentsi alusel (põhineb Apache 2.0 täiendavate tingimustega). Precision Extract API vajab tokenit ja võtab vastu faile kuni 200 MB ja 600 lehekülge; Agent Lightweight API ei vaja sisselogimist ja võtab vastu faile kuni 10 MB ja 20 lehekülge, millele kehtib IP-põhine kiirusepiirang.

Sobib: arendajad, kellel on GPU ja kes soovivad ise majutada või kes töötlevad Hiina dokumente paketina läbi API.

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

Docling

Selle README loetleb lehe paigutuse, lugemisjärjekorra ja tabeli struktuuri, OCR skannitud PDF-ide ja piltide jaoks ning kohaliku täitmise tundlike andmete ja õhukeskkondade jaoks. Mudeli kaalud kannavad oma litsentse, mida tuleb eraldi kontrollida.

Sobib: meeskonnad, mis peavad jääma võrguühenduseta või omaenda võrku ja on Python suhtes mugavad.

Allikas: Docling — GitHub README

Marker (Datalab)

Mudeli kaalud kasutavad muudetud OpenRAIL-M litsentsi, mis on tasuta teadusuuringuteks, isiklikuks kasutamiseks ja idufirmadele, mille rahastamine või käive on alla 5 miljoni dollari; kommertskasutus sellest väljaspool on tasuline. Majutatud API hind on määratud 1000 lehekülje järgi: $1 kiire, $3 tasakaalustatud, $7.50 täpne; kaart on vajalik alles pärast tasuta piirmäära ületamist.

Sobib: arendajad, kes soovivad LaTeX võrrandeid ja HTML tabeleid ning suudavad töötada kaalude litsentsiga.

Allikas: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

LlamaIndex hinnakirja lehel on loetletud tasuta 10 000 krediiti kuus uutele kasutajatele; põhilise parsimise hind alates 1 krediit lehekülje kohta. See sobib sujuvalt LlamaIndex RAG süsteemi.

Sobib: arendajad, kes juba loovad RAG koos LlamaIndex.

Allikas: LlamaIndex — Pricing

Mathpix

Mathpix hinnakirjad sisaldavad tasuta plaanis 10 PDF lehekülge ja 10 pilti kuus (2x koos .edu e-postiga); Pro maksab 4,99 $/kuu 1 000 PDF lehekülje ja 5 000 pildi eest. Valemite tuvastamine on selle tugev külg; tasuta pakett on väike.

Sobib: harvade valemitega lehekülg või matemaatikaülesande foto.

Allikas: Mathpix — Snip pricing

Azure AI Document Intelligence

Microsoft dokumentatsioon ütleb, et tasuta tasand analüüsib ainult taotluse esimesed kaks lehekülge, failide suurusega kuni 4 MB ja ühe taotluse sekundis; hinnakirja lehel on loetletud 0–500 tasuta lehekülge kuus. See sobib Azure kasutamise katsetamiseks enne selle rakendamist.

Sobib: meeskonnad, kes juba loovad Azure ja vajavad ettevõtte API.

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

Milline sobib milliseks ülesandeks

Teie olukordMida proovida kõigepealt
Sajade PDF või skannitud lehtede teisendamine Markdowneks ja JSONeks ilma koodi kirjutamataOmniDoc (kuni 501 lehekülg PDF kohta, brauseris)
Andmed peavad jääma teie enda serveriteleDocling või MinerU, iseseisvalt majutatud
Hiina dokumente igapäevastes pakettidesMinerU veebis API (2 000 kõrge prioriteediga lehekülge päevas) või OmniDoc
Võrrandid artiklitest kui LaTeXMarker, või Mathpix (väike tasuta piirmäär)
Juba loovad RAG koos LlamaIndex.LlamaParse
Juba loovad AzureAzure Document Intelligence (tasuta tasand loeb 2 lehekülge taotluse kohta)
Word, PowerPoint, Excel, EPUB või HTML kuni MarkdownOmniDoc, MinerU või Docling

Küsimused

Kas aastal 2026 on olemas tasuta PDF → Markdown teisendaja?

Jah. MinerU, Docling ja Marker on avatud lähtekoodiga ning neid saab iseseisvalt majutada; tasuta dokumendiektreerimine OmniDoc toimib brauseris ilma igakuise piiranguta ja kuni 501 leheküljega PDF, ning selle ZIP-fail sisaldab document.md ja document.json; MinerU veebipõhine API annab kontole 2 000 kõrgeima prioriteediga lehekülge päevas. Andmed pärinevad ametlikest lehtedest, kontrollitud novembris 2026.

Milles struktureeritud ekstraktimine erineb PDF → tekstist?

PDF → tekst annab teile puhta teksti jada. Struktureeritud ekstraktimine säilitab pealkirjade tasemed, lõigud, tabelid ridadena ja veergudena, piltide asukohad ja lugemisjärjestuse, nagu Markdown ja JSON, mida programmid ja AI-tööriistad saavad otse kasutada.

Ma ei saa ise majutada. Millised on minu valikud?

Kasutage veebitööriista: tasuta dokumendiektreerimine OmniDoc toimub brauseris üleslaadimise kaudu; MinerU, Datalab, LlamaParse ja Azure pakuvad veebipõhiseid API-sid, mis nõuavad kontot, tokenit ja mõningat koodi.

Kas need tööriistad saavad skannitud PDF-sid ja tabeleid käsitleda?

Jah. OmniDoc, Docling ja MinerU tunnevad skaneeringutes teksti ja tabelite struktuuri ära. OmniDoc kirjutab tabelid Markdown tabelitena ning ridadena ja veergudena JSON-s; kontrollige väga keerulisi tabeleid originaaliga võrreldes.

Kes selle võrdluse kirjutas?

OmniDoc meeskond; OmniDoc on meie enda toode. Iga näitaja teise tööriista kohta viitab selle ametlikule lehele või hoidlale ning see leht võidab, kui midagi on muutunud.

Allikad (kontrollitud 14. novembril 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/