Extracción de documentos OmniDoc

Extracción de documentos OmniDoc / Comparación de 2026

Ferramentas gratuítas de extracción de documentos comparadas para 2026: PDF a Markdown e JSON

Converter PDFs, escáneres e arquivos de Office en Markdown e JSON con encabezados, táboas e imaxes pode significar aloxarse por conta propia cun modelo de código aberto ou contratar un API facturado por páxina. Esta páxina compara as prestacións gratuítas, as entradas, as saídas e a configuración de sete ferramentas comúns, coa fonte oficial para cada cifra.

Esta comparación foi escrita polo equipo de OmniDoc, e OmniDoc é o noso propio produto. Cada cifra sobre outra ferramenta provén da súa páxina oficial ou repositorio, comprobadas o 14 de novembro de 2026; as súas páxinas prevalecen se algo difire.

Extraiga un ficheiro de xeito gratuíto con OmniDoc

De relance: asignación gratuíta, entradas, saídas

FerramentaAsignación gratuítaEntradasSaída / configuración
Extracción de documentos gratuíta de OmniDoc a nosa ferramentaAta 501 páxinas por PDF, sen límite mensual; as tarefas do plan gratuíto agardan nunha cola; é necesario unha conta gratuíta de OmniDocPDF, PDF escaneado, imaxes PNG/JPG/WEBP/BMP, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSPáxina web, sen necesidade de instalar nada; un ZIP con document.md, document.json, images/ e manifest.json
MinerUCódigo aberto, autoalojado; API en liña: 2.000 páxinas ao día por conta con prioridade máxima, prioridade máis baixa despois disoPDF, imaxes, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX e máis; autoalojado, API en liña ou demostracións en Hugging Face e ModelScope
DoclingCódigo aberto (código baixo MIT), funciona no seu propio ordenador, sen límites de usoPDF, DOCX, PPTX, XLSX, HTML, EPUB, imaxes e máisMarkdown, HTML, DocTags, JSON sen perda; funciona localmente, OCR para escaneos
Marker (Datalab)Código aberto (Apache 2.0); aloxado API cunha tarifa de 20 dólares ao mes con correo electrónico laboral, 10 dólares con un persoalPDF, imaxes, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, fragmentos; ecuacións como LaTeX, táboas como HTML
LlamaParse (LlamaIndex)10.000 créditos gratuítos ao mes para novos usuarios; análise básica desde 1 crédito por páxinaConsulte o sitio web oficialAPI en liña (LlamaCloud), necesítase conta
MathpixGratuíto: 10 páxinas de PDF e 10 imaxes ao mes (2 veces cun correo electrónico de .edu); Pro 4,99 $/mes por 1.000 páxinasPDF, imaxesAplicación e API; moi potente en fórmulas
Azure AI Document IntelligenceNivel gratuíto F0: 500 páxinas ao mes, pero cada análise cobre só as 2 primeiras páxinas e arquivos de ata 4 MBPDF, imaxes JPEG/PNG/BMP/TIFF/HEIF, DOCX, PPTX, XLSNube API, necesítase unha conta de Azure; o modelo de disposición devolve parágrafos, táboas e estrutura

Ferramenta por ferramenta: a quen lle convén e que ter en conta

Extracción de documentos gratuíta de OmniDoc a nosa ferramenta

Os títulos, parágrafos e listas conservan a xerarquía do orixinal; dúas ou tres columnas únense na orde de lectura. As táboas aparecen como táboas de Markdown e como filas e columnas no JSON; as imaxes gárdanse en images/ coas súas posicións marcadas. Os escaneos pasan polo recoñecemento de texto (OCR) e despois organízanse segundo o seu deseño. Só vostede pode ver os ficheiros que sube e os seus resultados.

Boa para: Markdown e JSON sen ter que configurar nada nin escribir código; preparando documentos para unha base de coñecemento ou RAG.

MinerU

Liberado baixo a MinerU Open Source License (baseada en Apache 2.0 con condicións adicionais). O Precision Extract API precisa un token e admite arquivos de ata 200 MB e 600 páxinas; o Agent Lightweight API non require inicio de sesión e admite arquivos de ata 10 MB e 20 páxinas, limitados por taxa por IP.

Boa para: desenvolvedores con un GPU que desexan autoaloxarse ou que procesan por lotes documentos chineses a través dun API.

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

Docling

O seu README enumera o deseño da páxina, a orde de lectura e a estrutura das táboas, OCR para PDFs escaneados e imaxes, e execución local para datos sensibles e entornos illados. Os pesos do modelo teñen as súas propias licenzas, que deben comprobarse por separado.

Boa para: equipos que deben permanecer desconectados ou dentro da súa propia rede e que se senten cómodos con Python.

Fonte: Docling — GitHub README

Marker (Datalab)

Os pesos do modelo utilizan unha licenza OpenRAIL-M modificada, gratuíta para investigación, uso persoal e startups con menos de 5M en financiamento ou ingresos; o uso comercial máis aló disto é de pago. O API aloxado ten un prezo por cada 1.000 páxinas: $1 rápido, $3 equilibrado, $7,50 preciso; só se necesita unha tarxeta despois do límite gratuíto.

Boa para: desenvolvedores que desexen ecuacións LaTeX e táboas HTML e poidan traballar coa licenza dos pesos.

Fonte: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

A páxina de prezos de LlamaIndex enumera un plan de pago por uso de 0 $ con 10.000 créditos gratuítos ao mes; cada nivel de análise utiliza un número diferente de créditos por páxina, desde 1 para a análise básica. Encaixa perfectamente na pila LlamaIndex RAG.

Boa para: desenvolvedores que xa están a construír RAG con LlamaIndex.

Fonte: LlamaIndex — Pricing

Mathpix

A tarifa de Mathpix inclúe 10 páxinas de PDF e 10 imaxes ao mes no plan gratuíto, o dobre cun correo electrónico de .edu; Pro custa 4,99 $/mes por 1.000 páxinas de PDF e 5.000 imaxes. O recoñecemento de fórmulas é o seu punto forte; a asignación gratuíta é reducida.

Boa para: a ocasional páxina de fórmulas ou unha foto dun problema matemático.

Fonte: Mathpix — Snip pricing

Azure AI Document Intelligence

A documentación de Microsoft indica que o nivel gratuíto analiza só as dúas primeiras páxinas dunha solicitude, con arquivos de ata 4 MB e unha solicitude por segundo; a páxina de prezos indica de 0 a 500 páxinas gratuítas ao mes. É adecuado para probar as funcionalidades antes de construír sobre Azure.

Boa para: equipos que xa están a construír sobre Azure e que precisan unha solución empresarial API.

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

Cal é a adecuada para cada tarefa

A súa situaciónQue probar primeiro
Converter centos de PDF ou páxinas escaneadas en Markdown e JSON sen escribir códigoOmniDoc (ata 501 páxinas por PDF, no navegador)
Os datos deben permanecer nos seus propios servidoresDocling ou MinerU, autoalojado
Documentos chineses en lotes diariosMinerU en liña API (2.000 páxinas con prioridade máxima ao día), ou OmniDoc
Ecuacións de artigos como LaTeXMarker, ou Mathpix (pequena asignación gratuíta)
Xa están a construír RAG con LlamaIndexLlamaParse
Xa están a construír sobre AzureAzure Document Intelligence (o nivel gratuíto analiza 2 páxinas por solicitude)
Word, PowerPoint, Excel, EPUB ou HTML a MarkdownOmniDoc, MinerU ou Docling

Preguntas

Existe algún conversor gratuíto de PDF a Markdown en 2026?

Si. MinerU, Docling e Marker son de código aberto e pódense aloxar de forma autónoma; a extracción gratuíta de documentos de OmniDoc execútase no navegador sen límite mensual e ata 501 páxinas por PDF, e o seu ZIP contén document.md e document.json; o API en liña de MinerU ofrece 2.000 páxinas de prioridade máxima ao día por conta. Datos das páxinas oficiais, comprobados en novembro de 2026.

En que se diferencia a extracción estruturada de PDF a texto?

PDF a texto ofrécelle unha cadea de texto sinxelo. A extracción estruturada conserva os niveis de encabezados, parágrafos, táboas como filas e columnas, posicións das imaxes e orde de lectura, así como Markdown e JSON que os programas e ferramentas de IA poden usar directamente.

Non podo autoaloxarme. Cales son as miñas opcións?

Use unha ferramenta en liña: a extracción gratuíta de documentos de OmniDoc require unha subida no navegador; MinerU, Datalab, LlamaParse e Azure ofrecen APIs en liña, que requiren unha conta, un token e algo de código.

Estas ferramentas poden manexar PDFs escaneados e táboas?

Si. OmniDoc, Docling e MinerU recoñecen o texto en escaneos e a estrutura das táboas. OmniDoc escribe as táboas como táboas de Markdown e como filas e columnas no JSON; comprobe táboas moi complexas co orixinal.

Quen escribiu esta comparación?

O equipo de OmniDoc; OmniDoc é o noso propio produto. Cada cifra sobre outra ferramenta enlaza coa súa páxina oficial ou repositorio, e esa páxina gaña se algo cambiou.

Fontes (comprobadas o 14 de novembro 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/