OmniDoc Ekstraksi Dokumen

OmniDoc Ekstraksi Dokumen / Perbandingan 2026

Alat ekstraksi dokumen gratis dibandingkan untuk tahun 2026: PDF ke Markdown dan JSON

Mengubah PDF, pindaian, dan file Office menjadi Markdown dan JSON dengan judul, tabel, dan gambar dapat berarti menghosting sendiri model sumber terbuka atau memanggil API yang ditagih berdasarkan halaman. Halaman ini menempatkan penyisihan gratis, masukan, keluaran, dan pengaturan tujuh alat umum secara berdampingan, dengan sumber resmi untuk setiap nomor.

Perbandingan ini ditulis oleh tim OmniDoc, dan OmniDoc adalah produk kami sendiri. Setiap informasi tentang alat lain berasal dari halaman atau repositori resminya, diperiksa pada 14 November 2026; halaman mereka menang jika ada yang berbeda.

Ekstrak file gratis dengan OmniDoc

Sekilas: jatah gratis, input, output

AlatTunjangan gratisInputOutput / pengaturan
Ekstraksi dokumen gratis OmniDoc alat kamiHingga 501 halaman per PDF, tanpa batas bulanan; tugas pada paket gratis menunggu dalam antrean; akun OmniDoc gratis diperlukanPDF, gambar PDF, PNG/JPG/WEBP/BMP, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSHalaman web, tidak ada yang perlu diinstal; a ZIP dengan document.md, document.json, images/ dan manifest.json
MinerUSumber terbuka, dihosting sendiri; online API: 2.000 halaman sehari per akun dengan prioritas utama, prioritas lebih rendah setelah ituPDF, gambar, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX dan lainnya; dihosting sendiri, online API, atau demo di Hugging Face dan ModelScope
DoclingOpen source (kode di bawah MIT), berjalan di komputer Anda sendiri, tanpa batasan penggunaanPDF, DOCX, PPTX, XLSX, HTML, EPUB, gambar dan lainnyaMarkdown, HTML, DocTags, lossless JSON; berjalan secara lokal, OCR untuk pemindaian
Marker (Datalab)Kode sumber terbuka (Apache 2.0); menghosting tunjangan API sebesar $20 per bulan dengan email kantor, $10 dengan email pribadiPDF, gambar, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, chunks; persamaan sebagai LaTeX, tabel sebagai HTML
LlamaParse (LlamaIndex)10.000 kredit gratis sebulan untuk pengguna baru; parsing dasar dari 1 kredit per halamanLihat situs resminyaOnline API (LlamaCloud), akun dibutuhkan
MathpixGratis: 10 halaman PDF dan 10 gambar sebulan (2x dengan email .edu); Pro $4,99/bulan untuk 1.000 halamanPDF, gambarAplikasi dan API; kuat pada formula
Azure AI Document IntelligenceTingkat gratis F0: 500 halaman per bulan, tetapi setiap analisis hanya mencakup 2 halaman pertama dan file hingga 4 MBGambar PDF, JPEG/PNG/BMP/TIFF/HEIF, DOCX, PPTX, XLSCloud API, akun Azure diperlukan; model tata letak mengembalikan paragraf, tabel, dan struktur

Alat demi alat: siapa yang cocok dan apa yang harus diperhatikan

Ekstraksi dokumen gratis OmniDoc alat kami

Judul, paragraf, dan daftar mempertahankan hierarki seperti aslinya; dua atau tiga kolom digabungkan dalam urutan membaca. Tabel keluar sebagai tabel Markdown dan sebagai baris dan kolom di JSON; gambar disimpan di images/ dengan posisinya ditandai. Pemindaian melalui pengenalan teks (OCR) dan kemudian diatur berdasarkan tata letaknya. Hanya Anda yang dapat melihat file yang Anda unggah dan hasilnya.

Baik untuk: Markdown dan JSON tanpa menyiapkan apa pun atau menulis kode; menyiapkan dokumen untuk basis pengetahuan atau RAG.

MinerU

Berlisensi di bawah Lisensi Sumber Terbuka MinerU (berdasarkan Apache 2.0 dengan ketentuan tambahan). Ekstrak Presisi API memerlukan token dan mengambil file hingga 200 MB dan 600 halaman; Agen Ringan API tidak memerlukan login dan mengambil file hingga 10 MB dan 20 halaman, dengan tarif terbatas per IP.

Baik untuk: pengembang dengan GPU yang ingin self-host, atau yang mengumpulkan dokumen Cina melalui API.

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

Docling

README-nya mencantumkan tata letak halaman, urutan baca, dan struktur tabel, OCR untuk PDF dan gambar yang dipindai, serta eksekusi lokal untuk data sensitif dan lingkungan air-gap. Berat model membawa lisensi sendiri, yang akan diperiksa secara terpisah.

Baik untuk: tim yang harus tetap offline atau berada di dalam jaringan mereka sendiri dan merasa nyaman dengan Python.

Sumber: Docling — GitHub README

Marker (Datalab)

Bobot model menggunakan lisensi OpenRAIL-M yang dimodifikasi, gratis untuk penelitian, penggunaan pribadi, dan startup dengan pendanaan atau pendapatan di bawah $5 juta; penggunaan komersial di luar itu berbayar. API yang dihosting diberi harga per 1.000 halaman: $1 cepat, $3 seimbang, $7,50 akurat; kartu diperlukan hanya setelah tunjangan gratis.

Baik untuk: pengembang yang menginginkan persamaan LaTeX dan tabel HTML serta dapat bekerja dengan lisensi bobot.

Sumber: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

Halaman harga LlamaIndex menampilkan paket bayar sesuai penggunaan $0 dengan 10K kredit gratis per bulan; Setiap tingkat parsing menggunakan jumlah kredit per halaman yang berbeda, dari 1 untuk parsing dasar. Cocok dengan rapi ke dalam tumpukan LlamaIndex RAG.

Baik untuk: pengembang sudah membangun RAG dengan LlamaIndex.

Sumber: LlamaIndex — Pricing

Mathpix

Harga Mathpix mencantumkan 10 halaman PDF dan 10 gambar per bulan pada paket gratis, digandakan dengan email .edu; Pro adalah $4,99 per bulan untuk 1.000 halaman PDF dan 5.000 gambar. Pengenalan formula adalah kekuatannya; Tunjangan gratisnya kecil.

Baik untuk: sesekali halaman rumus atau foto soal matematika.

Sumber: Mathpix — Snip pricing

Azure AI Document Intelligence

Dokumentasi Microsoft menyatakan bahwa tingkat gratis hanya menganalisis dua halaman pertama permintaan, dengan file hingga 4 MB dan satu permintaan per detik; halaman harga mencantumkan 0–500 halaman gratis sebulan. Cocok untuk mencoba berbagai hal sebelum mengembangkan Azure.

Baik untuk: tim yang sudah membangun di Azure yang membutuhkan enterprise API.

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

Yang mana untuk pekerjaan yang mana

Situasi AndaApa yang harus dicoba terlebih dahulu
Mengonversi ratusan halaman PDF atau pindaian menjadi Markdown dan JSON tanpa menulis kodeOmniDoc (hingga 501 halaman per PDF, di browser)
Data harus tetap berada di server Anda sendiriDocling atau MinerU, self-hosted
Dokumen berbahasa Mandarin dalam batch harianMinerU online API (2.000 halaman prioritas tertinggi per hari), atau OmniDoc
Persamaan dari makalah sebagai LaTeXMarker, atau Mathpix (tunjangan gratis dalam jumlah kecil)
Sudah membangun RAG dengan LlamaIndexLlamaParse
Sudah membangun di AzureAzure Document Intelligence (tingkat gratis membaca 2 halaman per permintaan)
Word, PowerPoint, Excel, EPUB atau HTML ke MarkdownOmniDoc, MinerU atau Docling

Pertanyaan

Apakah ada pengonversi PDF ke Markdown gratis pada tahun 2026?

Ya. MinerU, Docling dan Marker bersifat open source dan dapat dihosting sendiri; ekstraksi dokumen gratis OmniDoc berjalan di browser tanpa batas bulanan dan hingga 501 halaman per PDF, dan ZIP-nya menampung document.md dan document.json; API online MinerU memberikan 2.000 halaman prioritas utama setiap hari per akun. Angka dari halaman resmi, diperiksa November 2026.

Bagaimana ekstraksi terstruktur berbeda dari PDF ke teks?

PDF ke teks memberi Anda rangkaian teks biasa. Ekstraksi terstruktur mempertahankan tingkat judul, paragraf, tabel sebagai baris dan kolom, posisi gambar dan urutan pembacaan, sebagai Markdown dan JSON yang dapat digunakan secara langsung oleh program dan alat AI.

Saya tidak bisa menjadi host sendiri. Apa saja pilihan saya?

Gunakan alat online: ekstraksi dokumen gratis OmniDoc akan diunggah di browser; MinerU, Datalab, LlamaParse, dan Azure menawarkan API online, yang membutuhkan akun, token, dan beberapa kode.

Bisakah alat ini menangani PDF dan tabel yang dipindai?

Ya. OmniDoc, Docling dan MinerU mengenali teks dalam pindaian dan struktur tabel. OmniDoc menulis tabel sebagai tabel Markdown dan sebagai baris dan kolom di JSON; periksa tabel yang sangat rumit dengan aslinya.

Siapa yang menulis perbandingan ini?

Tim OmniDoc; OmniDoc adalah produk kami sendiri. Setiap angka tentang alat lain terhubung ke halaman resmi atau repositorinya, dan halaman itu menang jika ada perubahan.

Sumber (dicek 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/

Panduan 2026: 8 hal yang perlu diperiksa di alat ekstraksi dokumen · OmniDoc Ekstraksi Dokumen · Terjemahan dokumen · Buka alatnya · Dapatkan aplikasi desktop