OmniDoc Dokumentum kinyerése

OmniDoc Dokumentum kinyerése / 2026-os összehasonlítás

Ingyenes dokumentumkinyerő eszközök 2026-hoz képest: PDF – Markdown és JSON

A PDF-ek, szkennelt dokumentumok és Office-fájlok Markdown és JSON formátumúvá alakítása címsorokkal, táblázatokkal és képekkel azt jelentheti, hogy egy nyílt forráskódú modellt önállóan tárolunk, vagy felhívunk egy API-t, amelyet az oldal számláz ki. Ez az oldal hét gyakori eszköz ingyenes juttatását, bemeneteit, kimeneteit és beállítását mutatja egymás mellé, minden szám hivatalos forrásával.

Ezt az összehasonlítást a OmniDoc csapat írta, és a OmniDoc a saját termékünk. Minden szám egy másik eszközről a hivatalos oldaláról vagy tárhelyéről származik, 2026. november 14-én ellenőrizve; oldalaik nyernek, ha bármi eltér.

Ingyenesen bontsa ki a fájlt a OmniDoc segítségével

Egy pillantásra: ingyenes juttatás, bemenetek, kimenetek

SzerszámIngyenes juttatásBemenetekKimenet/beállítás
OmniDoc ingyenes dokumentumkinyerés eszközünkLegfeljebb 501 oldal PDF-onként, havi korlátozás nélkül; az ingyenes csomagban szereplő feladatok sorban várnak; ingyenes OmniDoc fiók szükségesPDF, beolvasott PDF, PNG/JPG/WEBP/BMP képek, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSWeboldal, nincs mit telepíteni; egy ZIP a következővel: document.md, document.json, images/ és manifest.json
MinerUNyílt forráskódú, saját üzemeltetésű; online API: fiókonként napi 2000 oldal elsőbbséggel, utána alacsonyabb prioritásúPDF, képek, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX és mások; saját üzemeltetésű, online API vagy demók a Hugging Face és ModelScope oldalon
DoclingNyílt forráskód (kód alatt MIT), fut a saját számítógépén, nincs használati korlátPDF, DOCX, PPTX, XLSX, HTML, EPUB, képek és egyebekMarkdown, HTML, DocTags, veszteségmentes JSON; helyileg fut, OCR a vizsgálatokhoz
Marker (Datalab)Nyílt forráskód (Apache 2.0); fogadott API havi 20 USD juttatás munkahelyi e-maillel, 10 USD személyes e-maillelPDF, képek, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, darabok; egyenletek mint LaTeX, táblázatok mint HTML
LlamaParse (LlamaIndex)10 000 ingyenes kredit havonta új felhasználóknak; alapvető elemzés oldalanként 1 kredittőlLásd a hivatalos oldaltOnline API (LlamaCloud), fiók szükséges
MathpixIngyenes: 10 PDF oldal és 10 kép havonta (2x .edu e-maillel); Profi 4,99 USD/hó 1000 oldalértPDF, képekAlkalmazás és API; erős a képleteken
Azure AI Document IntelligenceIngyenes szint F0: 500 oldal havonta, de minden elemzés csak az első 2 oldalra és 4 MB-ig terjedő fájlokra vonatkozikPDF, JPEG/PNG/BMP/TIFF/HEIF képek, DOCX, PPTX, XLSCloud API, Azure fiók szükséges; az elrendezési modell bekezdéseket, táblázatokat és szerkezetet ad vissza

Eszközről eszközre: kinek illik és mit kell nézni

OmniDoc ingyenes dokumentumkinyerés eszközünk

A címek, bekezdések és listák megtartják az eredeti hierarchiáját; két vagy három oszlop olvasási sorrendben van összekapcsolva. A táblázatok Markdown táblákként és sorokként és oszlopokként jelennek meg a JSON-ben; a képeket a images/ mappába menti a rendszer, megjelölve a pozíciójukat. A szkennelések szövegfelismerésen (OCR) mennek keresztül, majd elrendezésük szerint rendeződnek. Csak Ön láthatja a feltöltött fájlokat és azok eredményeit.

Jó: Markdown és JSON beállítás vagy kód írása nélkül; dokumentumok előkészítése tudásbázishoz vagy RAG.

MinerU

Licenc a MinerU nyílt forráskódú licenc alatt (a Apache 2.0 alapján, további feltételekkel). A Precision Extract API tokenre van szüksége, és legfeljebb 200 MB méretű fájlokat és 600 oldalt fogad; az Agent Lightweight API nem igényel bejelentkezést, és legfeljebb 10 MB méretű fájlokat és 20 oldalt fogad el, IP-nkénti sebességkorlátozott.

Jó: GPU-vel rendelkező fejlesztők, akik saját szervert szeretnének tárolni, vagy akik egy API-on keresztül kötegelt kínai dokumentumokat.

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

Docling

A README felsorolja az oldalelrendezést, az olvasási sorrendet és a táblázatszerkezetet, a OCR listát a beolvasott PDF-ekhez és képekhez, valamint a helyi végrehajtást az érzékeny adatokhoz és a légrés környezetekhez. A modellsúlyokhoz saját engedélyek tartoznak, amelyeket külön kell ellenőrizni.

Jó: olyan csapatok, amelyeknek offline vagy saját hálózatukon belül kell maradniuk, és kényelmesek a Python.

Forrás: Docling — GitHub README

Marker (Datalab)

A modellsúlyok módosított OpenRAIL-M licencet használnak, ingyenes kutatásra, személyes használatra és 5 millió USD alatti finanszírozásra vagy bevételre; ezt meghaladó kereskedelmi felhasználás fizetős. A tárolt API ára 1000 oldalra vonatkozik: 1 USD gyors, 3 USD kiegyensúlyozott, 7,50 USD pontos; kártya csak az ingyenes juttatás után szükséges.

Jó: fejlesztők, akik LaTeX egyenleteket és HTML táblázatokat szeretnének, és dolgozhatnak a súlyozási licenccel.

Forrás: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

LlamaIndex árképzési oldalán egy 0 dolláros felosztó-kirovó csomag szerepel, havi 10 000 ingyenes kredittel; minden elemzési szint oldalanként eltérő számú kreditet használ, az alapvető elemzéshez használt 1-től. Szépen elfér a LlamaIndex RAG veremben.

Jó: fejlesztők már építik a(z) RAG elemet a(z) LlamaIndex segítségével.

Forrás: LlamaIndex — Pricing

Mathpix

Mathpix árlistája havi 10 PDF oldalt és 10 képet tartalmaz az ingyenes csomagban, megduplázva egy .edu e-maillel; A Pro havi 4,99 dollár 1000 PDF oldalért és 5000 képért. A képlet felismerés az erőssége; az ingyenes juttatás kicsi.

Jó: alkalmanként képletek oldala vagy egy matematikai feladat fényképe.

Forrás: Mathpix — Snip pricing

Azure AI Document Intelligence

Microsoft dokumentációja szerint az ingyenes réteg csak a kérés első két oldalát elemzi, legfeljebb 4 MB fájlokkal és másodpercenként egy kéréssel; az árképzési oldalon havi 0–500 ingyenes oldal szerepel. Érdemes kipróbálni a dolgokat, mielőtt építené a Azure-t.

Jó: csapatok már építenek a Azure-ra, amelyeknek szükségük van egy API vállalatra.

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

Melyik melyik munkára

Az Ön helyzeteMit érdemes először kipróbálni?
Több száz PDF vagy beolvasott oldal konvertálása Markdown és JSON formátumba kódírás nélkülOmniDoc (legfeljebb 501 oldal PDF-onként, a böngészőben)
Az adatoknak a saját szerverein kell maradniukDocling vagy MinerU, saját üzemeltetésű
Kínai dokumentumok napi tételekbenMinerU online API (2000 kiemelt oldal naponta), vagy OmniDoc
Egyenletek papírokból mint LaTeXMarker vagy Mathpix (kis ingyenes juttatás)
Már építkezik a(z) RAG és a(z) LlamaIndexLlamaParse
Már épít a AzureAzure Document Intelligence (az ingyenes szint kérésenként 2 oldalt olvas)
Word, PowerPoint, Excel, EPUB vagy HTML - MarkdownOmniDoc, MinerU vagy Docling

Kérdések

Van ingyenes PDF–Markdown konvertáló 2026-ban?

Igen. A(z) MinerU, Docling és Marker nyílt forráskódú, és önállóan tárolhatók; a OmniDoc ingyenes dokumentumkinyerés a böngészőben fut, havi korlát nélkül, és legfeljebb 501 oldal/PDF, a ZIP pedig document.md és document.json; MinerU online API fiókonként napi 2000 kiemelt oldalt biztosít. Számok a hivatalos oldalakról, ellenőrizve 2026 novemberében.

Miben különbözik a strukturált kivonat a PDF-tól a szövegtől?

A PDF to text egyszerű szöveget ad. A strukturált kivonás a fejlécszinteket, a bekezdéseket, a táblázatokat sorokként és oszlopokként, a képpozíciókat és az olvasási sorrendet Markdown és JSON néven tartja meg, amelyeket a programok és az AI-eszközök közvetlenül használhatnak.

Nem tudok önálló fogadni. Milyen lehetőségeim vannak?

Használjon online eszközt: a OmniDoc ingyenes dokumentumkinyerés a böngészőben töltődik fel; A MinerU, Datalab, LlamaParse és Azure online API-kat kínálnak, amelyekhez fiókra, tokenre és némi kódra van szükség.

Ezek az eszközök képesek kezelni a beolvasott PDF-eket és táblázatokat?

Igen. A OmniDoc, Docling és MinerU felismeri a szöveget a szkennelésekben és a táblázatok szerkezetét. A OmniDoc a táblázatokat Markdown táblákként és sorokként és oszlopokként írja a JSON-be; hasonlítsa össze a nagyon összetett táblázatokat az eredetivel.

Ki írta ezt az összehasonlítást?

A OmniDoc csapat; A OmniDoc saját termékünk. Minden ábra egy másik eszközről hivatkozik a hivatalos oldalára vagy tárházára, és ez az oldal nyer, ha bármi megváltozik.

Források (ellenőrizve 2026. november 14-én)

  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/

2026-os útmutató: 8 dolog, amit ellenőrizni kell egy dokumentumkivonó eszközben · OmniDoc Dokumentum kinyerése · Dokumentumfordítás · Nyissa ki a szerszámot · Töltse le az asztali alkalmazást