OmniDoc Dokumentu izgūšana

OmniDoc Dokumentu izgūšana / 2026. gada salīdzinājums

Bezmaksas dokumentu izgūšanas rīki salīdzināti 2026. gadam: no PDF līdz Markdown un JSON

PDF failu, skenējumu un Office failu pārvēršana Markdown un JSON ar virsrakstiem, tabulām un attēliem var nozīmēt atvērtā koda modeļa pašuzstādīšanu vai izsaukšanu API, kas tiek apmaksāts par katru lapu. Šajā lapā septiņu izplatītu rīku bezmaksas limiti, ievades dati, izvades dati un iestatīšana ir salīdzināti viens otram līdzās, ar katras vērtības oficiālo avotu.

Šo salīdzinājumu ir sastādījusi OmniDoc komanda, un OmniDoc ir mūsu pašu produkts. Katrs rādītājs par citu rīku nāk no tā oficiālās lapas vai krātuves, kas pārbaudīta 2026. gada 14. novembrī; ja kaut kas atšķiras, priekšroka ir to lapām.

Izgūstiet failu bez maksas ar OmniDoc

Pārskats: bezmaksas atļauja, ievades, izvades

RīksBezmaksas atļaujaIevadesIzvade / iestatīšana
OmniDoc bezmaksas dokumentu izgūšana mūsu rīksLīdz 501 lappusei par PDF, bez ikmēneša limita; bezmaksas plāna uzdevumi gaida rindā; nepieciešams bezmaksas OmniDoc kontsPDF, skenēti PDF, PNG/JPG/WEBP/BMP attēli, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSTīmekļa lapa, nekas nav jāinstalē; ZIP ar document.md, document.json, images/ un manifest.json
MinerUAtvērtā koda, pašreiz izvietots; tiešsaistē API: 2 000 lapas dienā uz vienu kontu ar augstāko prioritāti, pēc tam zemāka prioritātePDF, attēli, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX un vēl vairāk; pašizvietots, tiešsaistē API vai demonstrācijas vietnēs Hugging Face un ModelScope
DoclingAtvērtā koda (kods saskaņā ar MIT), darbojas jūsu datorā, bez lietošanas ierobežojumiemPDF, DOCX, PPTX, XLSX, HTML, EPUB, attēli un vairākMarkdown, HTML, DocTags, bezzaudējumu JSON; darbojas lokāli, OCR skenējumiem
Marker (Datalab)Atvērtais avota kods (Apache 2.0); mitināšana API ar pieļaujamo summu 20 $ mēnesī ar darba e-pastu, 10 $ ar personiskoPDF, attēli, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, fragmenti; vienādojumi kā LaTeX, tabulas kā HTML
LlamaParse (LlamaIndex)10 000 bezmaksas kredīti mēnesī jauniem lietotājiem; pamata parsēšana no 1 kredīta par lapuSkatiet oficiālo vietniTiešsaistē API (LlamaCloud), nepieciešams konts
MathpixBez maksas: 10 PDF lapas un 10 attēli mēnesī (2x ar .edu e-pastu); Pro par 4,99 $/mēnesī — 1 000 lapāmPDF, attēliLietotne un API; spēcīgs formulu apstrādē
Azure AI Document IntelligenceBezmaksas līmenis F0: 500 lapas mēnesī, taču katra analīze aptver tikai pirmās 2 lapas un failus līdz 4 MBPDF, JPEG/PNG/BMP/TIFF/HEIF attēli, DOCX, PPTX, XLSMākoņa API, nepieciešams Azure konts; izkārtojuma modelis atgriež rindkopas, tabulas un struktūru

Rīks pēc rīka: kam tas ir piemērots un kas jāievēro

OmniDoc bezmaksas dokumentu izgūšana mūsu rīks

Virsraksti, rindkopas un saraksti saglabā oriģināla hierarhiju; divas vai trīs slejas tiek apvienotas lasīšanas secībā. Tabulas tiek izveidotas kā Markdown tabulas un kā rindiņas un kolonnas JSON; attēli tiek saglabāti mapē images/ ar atzīmētām pozīcijām. Skenējumi tiek pakļauti teksta atpazīšanai (OCR) un pēc tam sakārtoti atbilstoši savam izkārtojumam. Tikai jūs varat redzēt augšupielādētos failus un to rezultātus.

Piemērots: Markdown un JSON, neko neiestatot un nerakstot kodu; dokumentu sagatavošana zināšanu bāzei vai RAG.

MinerU

Licencēts saskaņā ar MinerU atvērtā koda licenci (balstīts uz Apache 2.0 ar papildu nosacījumiem). Precision Extract API prasa žetonu un apstrādā failus līdz 200 MB un 600 lapām; Agent Lightweight API neprasa autorizāciju un apstrādā failus līdz 10 MB un 20 lapām, ar ātruma ierobežojumu uz katru IP adresi.

Piemērots: izstrādātājiem ar GPU, kuri vēlas izvietot paši, vai kuri pakotnēs apstrādā ķīniešu dokumentus caur API.

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

Docling

Tā README uzskaita lapas izkārtojumu, lasīšanas secību un tabulu struktūru, OCR skenētiem PDF failiem un attēliem, kā arī lokālu izpildi sensitīviem datiem un atdalītām vidēm. Modeļa svaram ir sava licence, kas jāpārbauda atsevišķi.

Piemērots: komandas, kurām jāpaliek bezsaistē vai savā tīklā un kuras ir apmierinātas ar Python.

Avots: Docling — GitHub README

Marker (Datalab)

Modeļa svari izmanto modificētu OpenRAIL-M licenci, kas ir bez maksas pētniecībai, personiskajam lietojumam un jaunuzņēmumiem ar finansējumu vai ieņēmumiem līdz 5 miljoniem dolāru; komerciāla lietošana virs šīs robežas ir maksas. Mitinātā API tiek cenu noteikta par 1 000 lapām: 1 $ ātri, 3 $ sabalansēti, 7,50 $ precīzi; karte nepieciešama tikai pēc bezmaksas atvilktnes.

Piemērots: izstrādātāji, kuri vēlas LaTeX vienādojumus un HTML tabulas un var strādāt ar svaru licenci.

Avots: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

LlamaIndex cenu lapā ir norādīts bezmaksas plāns ar 10 000 kredītiem mēnesī; katrs parsēšanas līmenis izmanto atšķirīgu kredītu skaitu par lapu, sākot no 1 kredīta pamata parsēšanai. Tas ērti iekļaujas LlamaIndex RAG komplektā.

Piemērots: izstrādātāji, kuri jau veido RAG ar LlamaIndex.

Avots: LlamaIndex — Pricing

Mathpix

Mathpix cenu saraksti bezmaksas plānā ietver 10 PDF lapas un 10 attēlus mēnesī, kas dubultojas ar .edu e-pastu; Pro maksā 4,99 $/mēnesī par 1 000 PDF lapām un 5 000 attēliem. Formulu atpazīšana ir tā stiprā puse; bezmaksas limits ir neliels.

Piemērots: retumskatāmās formulas lapas vai matemātikas uzdevuma fotoattēls.

Avots: Mathpix — Snip pricing

Azure AI Document Intelligence

Microsoft dokumentācija norāda, ka bezmaksas līmenis analizē tikai pirmās divas pieprasījuma lapas, ar failiem līdz 4 MB un vienu pieprasījumu sekundē; cenrāža lapā ir norādīts, ka katru mēnesi ir 0–500 bezmaksas lapas. Tas ir piemērots, lai izmēģinātu lietas pirms Azure izveidošanas.

Piemērots: komandas, kuras jau veido Azure un kurām nepieciešams uzņēmuma API.

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

Kurš piemērots kuram uzdevumam

Jūsu situācijaKas jāizmēģina vispirms
Pārvēršot simtiem PDF vai skenētu lapu par Markdown un JSON, nerakstot koduOmniDoc (līdz 501 lappusei par PDF, pārlūkprogrammā)
Datiem jāpaliek jūsu pašu serverosDocling vai MinerU, pašizvietots
Ķīniešu dokumenti ikdienas pakotnēsMinerU tiešsaistē API (2 000 augstākās prioritātes lapas dienā), vai OmniDoc
Vienādojumi no rakstiem kā LaTeXMarker, vai Mathpix (neliels bezmaksas limits)
Jau veido RAG ar LlamaIndexLlamaParse
Jau veidojat AzureAzure Document Intelligence (bez maksas līmenī tiek lasītas 2 lapas vienā pieprasījumā)
Word, PowerPoint, Excel, EPUB vai HTML līdz MarkdownOmniDoc, MinerU vai Docling

Jautājumi

Vai 2026. gadā ir bezmaksas PDF uz Markdown konvertētājs?

Jā. MinerU, Docling un Marker ir atvērtā koda un var tikt pašu mitināti; bezmaksas OmniDoc dokumentu izgūšana darbojas pārlūkprogrammā bez ikmēneša ierobežojuma un līdz 501 lapai vienā PDF, un tā ZIP arhīvā ir document.md un document.json; MinerU tiešsaistes API nodrošina 2 000 augstākās prioritātes lapu dienā vienam kontam. Skaitļi no oficiālajām lapām, pārbaudīti 2026. gada novembrī.

Kā strukturētā izgūšana atšķiras no PDF uz tekstu?

PDF uz tekstu sniedz vienotu tīru tekstu. Strukturētā izgūšana saglabā virsrakstu līmeņus, rindkopas, tabulas kā rindas un kolonnas, attēlu pozīcijas un lasīšanas secību, kā arī Markdown un JSON, ko programmas un mākslīgā intelekta rīki var izmantot tieši.

Es nevaru pašu mitināt. Kādas ir manas iespējas?

Izmantojiet tiešsaistes rīku: bezmaksas OmniDoc dokumentu izgūšana nozīmē augšupielādi pārlūkprogrammā; MinerU, Datalab, LlamaParse un Azure piedāvā tiešsaistes API, kam nepieciešams konts, marķieris un kāds kods.

Vai šie rīki var apstrādāt skenētus PDF failus un tabulas?

Jā. OmniDoc, Docling un MinerU atpazīst tekstu skenējumos un tabulu struktūru. OmniDoc raksta tabulas kā Markdown tabulas un kā rindas un kolonnas JSON; pārbaudiet ļoti sarežģītas tabulas salīdzinājumā ar oriģinālu.

Kurš ir sastādījis šo salīdzinājumu?

OmniDoc komanda; OmniDoc ir mūsu pašu produkts. Katrs rādītājs par citu rīku ved uz tā oficiālo lapu vai krātuvi, un šī lapa tiek uzskatīta par galveno, ja kaut kas ir mainījies.

Avoti (pārbaudīti 2026. gada 14. novembrī)

  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/