ការដកស្រង់ឯកសារ OmniDoc

ការដកស្រង់ឯកសារ OmniDoc / ការប្រៀបធៀបឆ្នាំ 2026

ឧបករណ៍ដកស្រង់ឯកសារដោយឥតគិតថ្លៃប្រៀបធៀបសម្រាប់ឆ្នាំ 2026: PDF ទៅ Markdown និង JSON

ការបម្លែង PDFs, ការស្កេន និងឯកសារ Office ទៅជា Markdown និង JSON ដោយមានចំណងជើង, តារាង និងរូបភាព អាចមានន័យថាការផ្ទុកខ្លួនឯងនូវគំរូប្រភពបើកចំហ ឬការហៅ API ដែលគិតលុយតាមចំនួនទំព័រ។ ទំព័រនេះបានដាក់ការអនុញ្ញាតដោយឥតគិតថ្លៃ, ទ្រង់ទ្រាយចូល, ទ្រង់ទ្រាយចេញ និងការរៀបចំឧបករណ៍ទូទៅចំនួនប្រាំពីរ ដាក់ជាប់គ្នា ជាមួយនឹងប្រភពផ្លូវការសម្រាប់តួលេខនីមួយៗ។

ការប្រៀបធៀបនេះត្រូវបានសរសេរដោយក្រុម OmniDoc ហើយ OmniDoc គឺជាផលិតផលរបស់យើង។ តួលេខនីមួយៗអំពីឧបករណ៍ផ្សេងទៀតមកពីទំព័រផ្លូវការ ឬឃ្លាំងផ្ទុករបស់វា ដែលត្រូវបានពិនិត្យនៅថ្ងៃទី 14 ខែវិច្ឆិកា ឆ្នាំ 2026; ទំព័ររបស់ពួកគេនឹងឈ្នះប្រសិនបើមានអ្វីខុសគ្នា។

ទាញយកឯកសារដោយឥតគិតថ្លៃជាមួយ OmniDoc

ក្នុងភ្លែត៖ ការអនុញ្ញាតដោយឥតគិតថ្លៃ បញ្ចូលទិន្នន័យ និងលទ្ធផល

ឧបករណ៍ការអនុញ្ញាតដោយឥតគិតថ្លៃបញ្ចូលទិន្នន័យលទ្ធផល / ការរៀបចំ
ការដកស្រង់ឯកសារដោយឥតគិតថ្លៃ OmniDoc ឧបករណ៍របស់យើងអាចដកស្រង់បានរហូតដល់ 501 ទំព័រក្នុងមួយ PDF ដោយគ្មានកំណត់ចំនួនប្រចាំខែ; ភារកិច្ចក្នុងគម្រោងឥតគិតថ្លៃត្រូវរង់ចាំក្នុងជួរ; តម្រូវឱ្យមានគណនី OmniDoc ដោយឥតគិតថ្លៃPDF, ស្កេន PDF, រូបភាព PNG/JPG/WEBP/BMP, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSគេហទំព័រ មិនចាំបាច់ដំឡើងអ្វីទាំងអស់; ZIP មួយដែលមាន document.md, document.json, images/ និង manifest.json
MinerUប្រភពសេរី ផ្ទាល់ខ្លួន; API តាមអ៊ីនធឺណិត: 2,000 ទំព័រក្នុងមួយថ្ងៃក្នុងមួយគណនីជាអាទិភាពខ្ពស់ ហើយអាទិភាពទាបបន្ទាប់PDF, រូបភាព, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX និងច្រើនទៀត; ផ្ទាល់ខ្លួន, API តាមអ៊ីនធឺណិត, ឬការបង្ហាញលើ Hugging Face និង ModelScope
Doclingប្រភពកូដសេរី (កូដនៅក្រោម MIT) ដំណើរការលើកុំព្យូទ័រផ្ទាល់ខ្លួនរបស់អ្នក គ្មានដែនកំណត់ការប្រើប្រាស់PDF, DOCX, PPTX, XLSX, HTML, EPUB, រូបភាព និងអ្វីៗជាច្រើនទៀតMarkdown, HTML, DocTags, JSON ដោយមិនបាត់បង់គុណភាព; ដំណើរការក្នុងតំបន់, OCR សម្រាប់ការស្កេន
Marker (Datalab)កូដបើកចំហ (Apache 2.0); ផ្ទុកនៅលើ API អនុញ្ញាតឱ្យមាន $20 ក្នុងមួយខែជាមួយអ៊ីមែលការងារ, $10 ជាមួយអ៊ីមែលផ្ទាល់ខ្លួនPDF, រូបភាព, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, បំណែក; សមីការជា LaTeX, តារាងជា HTML
LlamaParse (LlamaIndex)10,000 ក្រឹត្យឥតគិតថ្លៃក្នុងមួយខែសម្រាប់អ្នកប្រើប្រាស់ថ្មី; ការវិភាគដំបូងចាប់ពី 1 ក្រឹត្យក្នុងមួយទំព័រមើលគេហទំព័រផ្លូវការAPI (LlamaCloud) តាមអ៊ីនធឺណិត, ត្រូវការគណនី
Mathpixឥតគិតថ្លៃ: ទំព័រ PDF ចំនួន 10 និងរូបភាព 10 ក្នុងមួយខែ (2 ដងជាមួយអ៊ីម៉ែល .edu); Pro $4.99/ខែសម្រាប់ទំព័រ 1,000PDF, រូបភាពកម្មវិធី និង API; ខ្លាំងផ្នែករូបមន្ត
Azure AI Document Intelligenceជម្រើសឥតគិតថ្លៃ F0: ទំព័រ 500 ក្នុងមួយខែ ប៉ុន្តែការវិភាគនីមួយៗគ្រាន់តែគ្របដណ្តប់លើ 2 ទំព័រដំបូងប៉ុណ្ណោះ និងអាចផ្ទុកឯកសារបានរហូតដល់ 4 MBPDF, រូបភាព JPEG/PNG/BMP/TIFF/HEIF, DOCX, PPTX, XLSCloud API, ត្រូវការគណនី Azure; គំរូប្លង់ផ្តល់ត្រឡប់មកវិញនូវកថាខណ្ឌ តារាង និងរចនាសម្ព័ន្ធ

ឧបករណ៍មួយៗ៖ វាសមស្របជាមួយនរណា ហើយត្រូវតាមដានអ្វីខ្លះ

ការដកស្រង់ឯកសារដោយឥតគិតថ្លៃ OmniDoc ឧបករណ៍របស់យើង

ចំណងជើង កថាខណ្ឌ និងបញ្ជីរក្សាភាពជាប់លាប់នៃឋានានុក្រមដើម; គែមពីរ ឬបីត្រូវបានផ្គុំឡើងវិញតាមលំដាប់អាន។ តារាងត្រូវបានបង្ហាញជាតារាង Markdown និងជាឡើង-ចុះនៅក្នុង JSON; រូបភាពត្រូវបានរក្សាទុកនៅក្នុង images/ ដោយបានដាក់សញ្ញានៅលើទីតាំងរបស់ពួកវា។ ការស្កេនឆ្លងកាត់ការទទួលស្គាល់អត្ថបទ (OCR) ហើយបន្ទាប់មកត្រូវបានរៀបចំតាមរចនាប័ទ្មរបស់វា។ មានតែអ្នកប៉ុណ្ណោះដែលអាចមើលឃើញឯកសារដែលអ្នកបានផ្ទុកឡើង និងលទ្ធផលរបស់ពួកវា។

ល្អសម្រាប់: Markdown និង JSON ដោយមិនចាំបាច់រៀបចំអ្វីទាំងអស់ ឬសរសេរកូដ; ការរៀបចំឯកសារសម្រាប់មូលដ្ឋានចំណេះដឹង ឬ RAG.

MinerU

ចេញផ្សាយក្រោមអាជ្ញាប័ណ្ណប្រភពសេរី MinerU (ផ្អែកលើ Apache 2.0 ដោយមានលក្ខខណ្ឌបន្ថែម)។ Precision Extract API ត្រូវការតំណ ហើយទទួលយកឯកសារដល់ 200 MB និង 600 ទំព័រ; Agent Lightweight API មិនត្រូវការចូលគណនី និងទទួលយកឯកសារដល់ 10 MB និង 20 ទំព័រ ដោយមានកំណត់ល្បឿនតាម IP។

ល្អសម្រាប់: អ្នកបង្កើតកម្មវិធីដែលមាន GPU ដែលចង់ផ្ទាល់ខ្លួន ឬដែលច្បាប់ឯកសារចិនជាច្រើនតាមរយៈ API។

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

Docling

README របស់វាបញ្ជីទម្រង់ទំព័រ លំដាប់ការអាន និងរចនាសម្ព័ន្ធតារាង, OCR សម្រាប់ PDF ដែលបានស្កេន និងរូបភាព, និងការដំណើរការក្នុងតំបន់សម្រាប់ទិន្នន័យដែលរសើប និងបរិស្ថានដែលគ្មានបណ្តាញ។ ទម្រង់នៃការផ្ទុកម៉ូដែលមានអាជ្ញាប័ណ្ណផ្ទាល់ខ្លួន ដែលត្រូវត្រួតពិនិត្យដោយឡែក។

ល្អសម្រាប់: ក្រុមដែលត្រូវតែនៅក្រៅបណ្តាញ ឬនៅក្នុងបណ្តាញផ្ទាល់ខ្លួនរបស់ពួកគេ ហើយស្រួលជាមួយ Python។

ប្រភព: Docling — GitHub README

Marker (Datalab)

ទម្រង់នៃការបញ្ចូលទិន្នន័យប្រើអាជ្ញាបណ្ណ OpenRAIL-M ដែលបានកែសម្រួល, ឥតគិតថ្លៃសម្រាប់ការស្រាវជ្រាវ, ការប្រើប្រាស់ផ្ទាល់ខ្លួន និងក្រុមហ៊ុនចាប់ផ្តើមដែលមានមូលនិធិ ឬប្រាក់ចំណូលក្រោម $5M; ការប្រើប្រាស់ពាណិជ្ជកម្មលើសពីនេះត្រូវបង់ប្រាក់។ API ដែលផ្ទុកនៅលើសេវាកម្មមានតម្លៃក្នុងមួយ 1,000 ទំព័រ: $1 លឿន, $3 សមល្មម, $7.50 ត្រឹមត្រូវ; ត្រូវការប័ណ្ណតែបន្ទាប់ពីការអនុញ្ញាតឥតគិតថ្លៃ។

ល្អសម្រាប់: អ្នកបង្កើតដែលចង់បានសមីការ LaTeX និងតារាង HTML ហើយអាចធ្វើការជាមួយអាជ្ញាបណ្ណទម្រង់។

ប្រភព: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

ទំព័រតម្លៃរបស់ LlamaIndex បានបង្ហាញគម្រោងបង់ប្រាក់តាមការប្រើប្រាស់ $0 ដែលមានក្រឹត្យឥតគិតថ្លៃ 10,000 ក្នុងមួយខែ; ជាន់វិភាគដំបូងប្រើប្រាស់ចំនួនក្រឹត្យខុសៗគ្នាក្នុងមួយទំព័រ ចាប់ពី 1 សម្រាប់ការវិភាគដំបូង។ វាស្រួលបញ្ចូលគ្នាជាមួយគំនូសតាង LlamaIndex RAG។

ល្អសម្រាប់: អ្នកបង្កើតដែលកំពុងបង្កើត RAG ជាមួយ LlamaIndex។

ប្រភព: LlamaIndex — Pricing

Mathpix

តម្លៃរបស់ Mathpix គឺមានទំព័រ PDF ចំនួន 10 និងរូបភាព 10 ក្នុងមួយខែសម្រាប់ជម្រើសឥតគិតថ្លៃ ដែលកើនឡើងទ្វេដងជាមួយអ៊ីម៉ែល .edu; Pro មានតម្លៃ $4.99 ក្នុងមួយខែសម្រាប់ទំព័រ PDF ចំនួន 1,000 និងរូបភាព 5,000។ ការទទួលស្គាល់រូបមន្តគឺជាចំណុចខ្លាំងរបស់វា; ការអនុញ្ញាតឥតគិតថ្លៃគឺតិចតួច។

ល្អសម្រាប់: ទំព័រដែលមានរូបមន្តជាប់ជាប្រចាំ ឬរូបថតនៃសំណួរគណិតវិទ្យា។

ប្រភព: Mathpix — Snip pricing

Azure AI Document Intelligence

ឯកសាររបស់ Microsoft បានបញ្ជាក់ថា ជម្រើសឥតគិតថ្លៃវិភាគលើទំព័រ 2 ដំបូងនៃសំណើប៉ុណ្ណោះ ដោយអាចផ្ទុកឯកសារបានរហូតដល់ 4 MB និងធ្វើការសំណើបានមួយលើកក្នុងមួយវិនាទី; ទំព័រតម្លៃបានបង្ហាញចំនួនទំព័រឥតគិតថ្លៃពី 0 ទៅ 500 ក្នុងមួយខែ។ វាសមស្របសម្រាប់ការសាកល្បងមុនពេលបង្កើតលើ Azure។

ល្អសម្រាប់: ក្រុមដែលកំពុងបង្កើតលើ Azure ហើយត្រូវការ API សម្រាប់សហគ្រាស។

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

តើមួយណាសម្រាប់កិច្ចការណា

ស្ថានភាពរបស់អ្នកត្រូវសាកល្បងអ្វីជាមុនសិន
បម្លែងទំព័រ PDF ឬទំព័រដែលបានស្កេនរាប់រយទៅជា Markdown និង JSON ដោយមិនចាំបាច់សរសេរកូដOmniDoc (រហូតដល់ 501 ទំព័រក្នុង PDF, នៅក្នុងកម្មវិធីរុករក)
ទិន្នន័យត្រូវតែស្ថិតនៅលើម៉ាស៊ីនមេរបស់អ្នកផ្ទាល់Docling ឬ MinerU ផ្ទាល់ខ្លួន
ឯកសារចិនជាក្រុមប្រចាំថ្ងៃMinerU API តាមអ៊ីនធឺណិត (2,000 ទំព័រជាអាទិភាពខ្ពស់ក្នុងមួយថ្ងៃ) ឬ OmniDoc
សមីការពីក្រដាសជា LaTeXMarker, ឬ Mathpix (ការអនុញ្ញាតឥតគិតថ្លៃតូច)
កំពុងបង្កើត RAG ជាមួយ LlamaIndex រួចហើយLlamaParse
កំពុងបង្កើតលើ Azure រួចហើយAzure Document Intelligence (ជម្រើសឥតគិតថ្លៃអានបាន 2 ទំព័រក្នុងមួយសំណើ)
Word, PowerPoint, Excel, EPUB ឬ HTML ដល់ MarkdownOmniDoc, MinerU ឬ Docling

សំណួរ

តើមានកម្មវិធីបកប្រែ PDF ទៅជា Markdown ឥតគិតថ្លៃដែរឬទេនៅឆ្នាំ 2026?

បាទ។ MinerU, Docling និង Marker គឺជាប្រភពកូដចំហ ហើយអាចតម្លើងដោយខ្លួនឯងបាន; ការទាញយកឯកសារឥតគិតថ្លៃរបស់ OmniDoc ដំណើរការនៅក្នុងកម្មវិធីរុករកដោយគ្មានកំណត់ចំនួនប្រចាំខែ និងអាចទាញយកបានរហូតដល់ 501 ទំព័រក្នុងមួយ PDF ហើយឯកសារ ZIP របស់វាមាន document.md និង document.json; MinerU ផ្តល់នូវ API តាមអ៊ីនធឺណិត ដែលអាចទាញយកបាន 2,000 ទំព័រដែលមានអាទិភាពខ្ពស់ក្នុងមួយថ្ងៃក្នុងមួយគណនី។ តួលេខទាំងនេះបានមកពីទំព័រផ្លូវការ ដែលត្រូវបានពិនិត្យនៅខែវិច្ឆិកា ឆ្នាំ 2026។

តើការដកស្រង់ទិន្នន័យមានភាពខុសគ្នាយ៉ាងណាពីការបកប្រែពី PDF ទៅជាអត្ថបទ?

PDF ទៅជាអត្ថបទផ្តល់ឱ្យអ្នកនូវអត្ថបទសាមញ្ញជាប់គ្នា។ ការដកស្រង់ទិន្នន័យមានរចនាសម្ព័ន្ធរក្សាកម្រិតចំណងជើង កថាខណ្ឌ តារាងជាទំព័រ និងជួរ ទីតាំងរូបភាព និងលំដាប់នៃការអាន ដូចជា Markdown និង JSON ដែលកម្មវិធី និងឧបករណ៍ AI អាចប្រើប្រាស់បានដោយផ្ទាល់។

ខ្ញុំមិនអាចផ្ទុកខ្លួនឯងបានទេ។ តើខ្ញុំមានជម្រើសអ្វីខ្លះ?

ប្រើឧបករណ៍អនឡាញ៖ ការទាញយកឯកសារឥតគិតថ្លៃរបស់ OmniDoc តម្រូវឱ្យផ្ទុកឯកសារនៅក្នុងកម្មវិធីរុករក; MinerU, Datalab, LlamaParse និង Azure ផ្តល់នូវ API តាមអ៊ីនធឺណិត ដែលត្រូវការគណនី តំណ និងកូដខ្លះ។

តើឧបករណ៍ទាំងនេះអាចដំណើរការ PDF ដែលបានស្កេន និងតារាងបានទេ?

បាទ។ OmniDoc, Docling និង MinerU ស្គាល់អត្ថបទក្នុងរូបថតស្កេន និងរចនាសម្ព័ន្ធតារាង។ OmniDoc សរសេរតារាងជាតារាង Markdown និងជាទំព័រ និងជួរនៅក្នុង JSON; ត្រួតពិនិត្យតារាងដែលស្មុគស្មាញខ្លាំងបំផុតទល់នឹងអត្ថបទដើម។

តើនរណាបានសរសេរការប្រៀបធៀបនេះ?

ក្រុម OmniDoc; OmniDoc គឺជាផលិតផលរបស់យើង។ តួលេខនីមួយៗអំពីឧបករណ៍ផ្សេងទៀតភ្ជាប់ទៅកាន់ទំព័រផ្លូវការ ឬឃ្លាំងផ្ទុករបស់វា ហើយទំព័រនោះនឹងទទួលបានចំណាត់ថ្នាក់ខ្ពស់បំផុតប្រសិនបើមានការផ្លាស់ប្តូរណាមួយ។

ប្រភព (ត្រូវបានពិនិត្យនៅថ្ងៃទី 14 ខែវិច្ឆិកា ឆ្នាំ 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/