OmniDoc Dokumentextraktioun

OmniDoc Dokumentextraktioun / Verglach 2026

Gratis Dokumentextraktiounsinstrumenter am Verglach fir 2026: PDF op Markdown an JSON

PDFen, Scannen an Office-Dateien an Markdown an JSON mat Iwwerschrëften, Tabellen a Biller ëmwandelen kann heeschen, en Open-Source-Modell selwer ze hosten oder en API unzeruffen, deen pro Säit berechent gëtt. Dës Säit stellt d'gratis Zoulagen, Inputen, Outputen an d'Ariichtung vu siwe gängege Tools niewendrun, mat der offizieller Quell fir all Zuel.

Dëse Verglach gëtt vum OmniDoc-Team geschriwwen, an OmniDoc ass eist eegent Produkt. All Zuel iwwer en anert Tool kënnt vun der offizieller Säit oder dem Repository, iwwerpréift de 14. November 2026; hir Säite gewannen, wann et Ënnerscheeder gëtt.

Extrahéiert eng Datei gratis mat OmniDoc

Op ee Bléck: Käschtefräi Zoulag, Inputen an Outputen

ToolKäschtefräi ZoulagInputenAusgab / Ariichtung
OmniDoc gratis Dokumentextraktioun eist ToolBis zu 501 Säiten pro PDF, kee monatleche Limit; Aufgaben um gratis Plang waarden an enger Warteschlange; e gratis OmniDoc Kont ass erfuerderlechPDF, gescannt PDF, PNG/JPG/WEBP/BMP Biller, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSWeb-Säit, näischt ze installéieren; e ZIP mat document.md, document.json, images/ an manifest.json
MinerUOpen Source, selbstgehostet; online API: 2.000 Säiten den Dag pro Kont bei Top-Prioritéit, méi niddreg Prioritéit duernoPDF, Biller, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX a méi; selbstgehostet, online API, oder Demoen op Hugging Face an ModelScope
DoclingOpen Source (Code ënner MIT), leeft op Ärem eegene Computer, keng NotzungslimitenPDF, DOCX, PPTX, XLSX, HTML, EPUB, Biller a méiMarkdown, HTML, DocTags, verloschtfräi JSON; leeft lokal, OCR fir Scannen
Marker (Datalab)Open-Source-Code (Apache 2.0); gehost API Zoulag vun 20 $ de Mount mat enger Aarbechts-E-Mail, 10 $ mat enger perséinlecherPDF, Biller, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, Chunks; Gläichungen als LaTeX, Tabellen als HTML
LlamaParse (LlamaIndex)10.000 gratis Kreditter pro Mount fir nei Benotzer; Basis-Parsing ab 1 Kredit pro SäitKuckt op der offizieller WebsäitOnline API (LlamaCloud), Kont néideg
MathpixGratis: 10 PDF Säiten an 10 Biller de Mount (2x mat enger .edu-E-Mail); Pro 4,99 $/Mount fir 1.000 SäitenPDF, BillerApp an API; staark bei Formelen
Azure AI Document IntelligenceGratis Plang F0: 500 Säiten de Mount, awer all Analyse deckt nëmmen déi éischt 2 Säiten of a Fichieren bis zu 4 MBPDF, JPEG/PNG/BMP/TIFF/HEIF Biller, DOCX, PPTX, XLSCloud API, Azure Kont erfuerdert; de Layoutmodell gëtt Paragraphe, Tabellen a Struktur zréck

Tool fir Tool: fir wien et gëeegent ass a wat ee soll oppassen

OmniDoc gratis Dokumentextraktioun eist Tool

Iwwerschrëften, Paragraphe a Lëschte behalen d'Hierarchie vum Original; zwou oder dräi Spalten ginn an der Liesreegelung zesummegesat. Tabellen ginn als Markdown Tabellen an als Zeilen a Kolonnen am JSON erausginn; Biller ginn an images/ gespäichert mat hire Positiounen markéiert. Scannen duerchlafen d'Texterkennung (OCR) a ginn dann no hirem Layout organiséiert. Nëmmen Dir kënnt d'Dateien gesinn, déi Dir eropluede an hir Resultater.

Gutt fir: Markdown an JSON ouni eppes opzestellen oder Code ze schreiwen; Dokumenter fir eng Wëssensdatenbank oder RAG virbereeden.

MinerU

Ënner der MinerU Open Source Lizenz lizenzéiert (baséiert op Apache 2.0 mat zousätzleche Konditiounen). De Precision Extract API brauch en Token a acceptéiert Filer bis zu 200 MB an 600 Säiten; den Agent Lightweight API brauch keen Login a acceptéiert Filer bis zu 10 MB an 20 Säiten, mat Rate-Limit pro IP.

Gutt fir: Entwéckler mat engem GPU, déi selwer hosten oder chineesesch Dokumenter an Batch iwwer en API verschaffen wëllen.

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

Docling

Seng README lëscht Säitlayout, Léisungsrangfolleg an Dëschstruktur op, OCR fir gescannt PDFen a Biller, a lokal Ausféierung fir sensibel Donnéeën an isoléiert Ëmfeld. Modellgewiichter hunn hir eege Lizenzen, déi separat ze kontrolléieren sinn.

Gutt fir: Ekippen, déi offline oder bannent hirem eegene Netzwierk bleiwe mussen a sech mat Python wuel fillen.

Quell: Docling — GitHub README

Marker (Datalab)

D'Modellgewichter ënnerleien enger modifizéierter OpenRAIL-M Lizenz, gratis fir Fuerschung, perséinlechen Asaz a Start-ups mat manner wéi $5M u Finanzéierung oder Recetten; kommerziellen Asaz doriwwer eraus gëtt berechent. Den hoste API gëtt pro 1.000 Säiten präisgeleet: $1 séier, $3 ausgeglach, $7,50 genee; eng Kaart ass nëmme no der gratis Zoulag néideg.

Gutt fir: Entwéckler, déi LaTeX Gläichungen an HTML Tabellen wëllen a mat der Gewichtslizenz schaffe kënnen.

Quell: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

Op der Präissäit vun LlamaIndex gëtt et e gratis Pay-as-you-go-Plang mat 10.000 gratis Kreditter pro Mount; all Parsing-Stuf benotzt eng aner Zuel u Kreditter pro Säit, ab 1 fir de Basis-Parsing. Et passt perfekt an de LlamaIndex RAG-Stack.

Gutt fir: Entwéckler, déi schonn RAG mat LlamaIndex bauen.

Quell: LlamaIndex — Pricing

Mathpix

Mathpix bitt am gratis Plang 10 PDF Säiten an 10 Biller de Mount, verduebelt mat enger .edu E-Mail; Pro kascht 4,99 $/Mount fir 1.000 PDF Säiten a 5.000 Biller. D'Erkennung vu Formelen ass säi Stäerkung; d'gratis Zoulag ass kleng.

Gutt fir: déi geleeëntlech Säit mat Formelen oder e Foto vun engem mathematesche Problem.

Quell: Mathpix — Snip pricing

Azure AI Document Intelligence

D'Dokumentatioun vun Microsoft seet, datt de gratis Plang nëmmen déi éischt zwou Säite vun enger Ufro analyséiert, mat Fichieren bis zu 4 MB an enger Ufro pro Sekonn; d'Präissäit nennt 0–500 gratis Säiten de Mount. Et ass gëeegent, fir eppes auszeprobéieren, ier een op Azure opbaut.

Gutt fir: Ekippen, déi schonn op Azure bauen an eng Entreprise API brauchen.

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

Wéi ee fir wéi eng Aufgab

Är SituatiounWat fir d'éischt probéieren
Convertéiere vun Honnerte vu PDF oder gescannte Säiten an Markdown an JSON ouni Code ze schreiwenOmniDoc (bis zu 501 Säiten pro PDF, am Browser)
Donnéeën mussen op Äre eegene Servere bleiwenDocling oder MinerU, selbstgehostet
Chineesesch Dokumenter an deegleche BatchenMinerU online API (2.000 Säiten den Dag bei Top-Prioritéit), oder OmniDoc
Gläichungen aus Artikelen als LaTeXMarker, oder Mathpix (kleng gratis Zoulag)
Schonn RAG mat LlamaIndex bauenLlamaParse
Schonn op Azure bauenAzure Document Intelligence (de gratis Plang liest 2 Säiten pro Ufro)
Word, PowerPoint, Excel, EPUB oder HTML op MarkdownOmniDoc, MinerU oder Docling

Froen

Gëtt et 2026 e gratis PDF op Markdown Konverter?

Jo. MinerU, Docling an Marker sinn Open Source a kënne selbstgehost ginn; den OmniDoc gratis Dokumentextraktioun leeft am Browser ouni monatlecht Limit a bis zu 501 Säiten pro PDF, an hire ZIP enthält document.md an document.json; den online API vun MinerU bitt pro Kont 2.000 prioritär Säiten den Dag un. Zuele vun den offiziellen Säiten, iwwerpréift am November 2026.

Wat ass den Ënnerscheed tëscht der strukturéierter Extraktioun an der Konversioun vu PDF an Text?

PDF op Text gëtt Iech e Stéck einfachen Text. D'strukturéiert Extraktioun erhalen Iwwerschrëftniveauen, Paragrafen, Tabellen als Zeilen a Kolonnen, Bildpositiounen an d'Liesuerdnung, wéi Markdown an JSON, déi Programmer an AI-Tools direkt benotze kënnen.

Ech kann net selbstgehost ginn. Wat sinn meng Optiounen?

Benotzt en Online-Tool: Den OmniDoc gratis Dokumentextraktioun leeft am Browser; MinerU, Datalab, LlamaParse an Azure bidden Online-APIen un, déi e Kont, en Token an e bësse Code erfuerderen.

Kënne dës Tools gescannt PDFen an Dëschelëschten handhaben?

Jo. OmniDoc, Docling an MinerU erkennen Text a Scannen an d'Struktur vun Dëschelëschten. OmniDoc schreift Dëschelëschten als Markdown-Dëschelëschten an als Zeilen a Kolonnen am JSON; kontrolléiert ganz komplex Dëschelëschten mat dem Original.

Wien huet dëse Verglach geschriwwen?

Den OmniDoc-Team; OmniDoc ass eist eegent Produkt. All Zuel iwwer en anert Tool verlinkt op seng offiziell Säit oder säi Repository, a wann eppes geännert gouf, kritt déi Säit de Virsprong.

Quellen (iwwerpréift de 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/