OmniDoc Documentextractie

OmniDoc Documentextractie / Vergelijking uit 2026

Gratis documentextractietools vergeleken voor 2026: PDF met Markdown en JSON

Het omzetten van PDF's, scans en Office-bestanden naar Markdown en JSON met koppen, tabellen en afbeeldingen kan betekenen dat u zelf een open-sourcemodel moet hosten of een API moet aanroepen die per pagina wordt gefactureerd. Deze pagina zet de gratis hoeveelheid, inputs, outputs en instellingen van zeven veelgebruikte tools naast elkaar, met de officiële bron voor elk nummer.

Deze vergelijking is geschreven door het OmniDoc-team, en OmniDoc is ons eigen product. Elk nummer over een ander hulpmiddel komt van de officiële pagina of repository, gecontroleerd op 14 november 2026; hun pagina's winnen als er iets anders is.

Haal een bestand vrij uit met OmniDoc

Kort samengevat: gratis toelage, inputs, outputs

GereedschapGratis uitkeringIngangenUitvoer / opstelling
OmniDoc gratis documentextractie ons gereedschapMaximaal 501 pagina's per PDF, geen maandelijkse limiet; taken met het gratis abonnement wachten in een wachtrij; een gratis OmniDoc-account is vereistPDF, gescand PDF, PNG/JPG/WEBP/BMP-afbeeldingen, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSWebpagina, niets te installeren; een ZIP met document.md, document.json, images/ en manifest.json
MinerUOpen source, zelfgehost; online API: 2.000 pagina's per dag per account met hoogste prioriteit, daarna lagere prioriteitPDF, afbeeldingen, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX en meer; zelf-gehost, online API, of demo's op Hugging Face en ModelScope
DoclingOpen source (code onder MIT), draait op uw eigen computer, geen gebruikslimietenPDF, DOCX, PPTX, XLSX, HTML, EPUB, afbeeldingen en meerMarkdown, HTML, DocTags, verliesloos JSON; draait lokaal, OCR voor scans
Marker (Datalab)Open source coderen (Apache 2.0); gehoste API-vergoeding van $ 20 per maand met een zakelijke e-mail, $ 10 met een persoonlijke e-mailPDF, afbeeldingen, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, brokken; vergelijkingen als LaTeX, tabellen als HTML
LlamaParse (LlamaIndex)10.000 gratis credits per maand voor nieuwe gebruikers; basisparsing vanaf 1 credit per paginaZie de officiële siteOnline API (LlamaCloud), account vereist
MathpixGratis: 10 PDF pagina's en 10 afbeeldingen per maand (2x met een .edu e-mail); Pro $4,99 per maand voor 1.000 pagina'sPDF, afbeeldingenApp en API; sterk op formules
Azure AI Document IntelligenceGratis tier F0: 500 pagina's per maand, maar elke analyse behandelt alleen de eerste 2 pagina's en bestanden tot 4 MBPDF, JPEG/PNG/BMP/TIFF/HEIF-afbeeldingen, DOCX, PPTX, XLSCloud API, Azure-account vereist; het lay-outmodel retourneert paragrafen, tabellen en structuur

Tool voor tool: wie het past en wat je moet kijken

OmniDoc gratis documentextractie ons gereedschap

Koppen, paragrafen en lijsten behouden de hiërarchie van het origineel; twee of drie kolommen zijn in leesvolgorde samengevoegd. Tabellen verschijnen als Markdown-tabellen en als rijen en kolommen in de JSON; foto's worden opgeslagen in images/ met hun posities gemarkeerd. Scans doorlopen tekstherkenning (OCR) en worden vervolgens op lay-out geordend. Alleen jij kunt de bestanden zien die je uploadt en hun resultaten.

Goed voor: Markdown en JSON zonder iets op te zetten of code te schrijven; het voorbereiden van documenten voor een kennisbank of RAG.

MinerU

Gelicentieerd onder de MinerU Open Source License (gebaseerd op Apache 2.0 met aanvullende voorwaarden). De Precision Extract API heeft een token nodig en neemt bestanden tot 200 MB en 600 pagina's aan; de Agent Lightweight API vereist geen login en neemt bestanden tot 10 MB en 20 pagina's aan, met snelheidsbeperking per IP.

Goed voor: ontwikkelaars met een GPU die zelf willen hosten, of die Chinese documenten in batches willen plaatsen via een API.

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

Docling

De README geeft de paginalay-out, leesvolgorde en tabelstructuur weer op, OCR voor gescande PDF's en afbeeldingen, en lokale uitvoering voor gevoelige gegevens en air-gapped omgevingen. Modelgewichten hebben hun eigen licenties, die afzonderlijk worden gecontroleerd.

Goed voor: teams die offline moeten blijven of binnen hun eigen netwerk moeten blijven en zich comfortabel voelen met Python.

Bron: Docling — GitHub README

Marker (Datalab)

De modelgewichten maken gebruik van een aangepaste OpenRAIL-M-licentie, gratis voor onderzoek, persoonlijk gebruik en startups met minder dan $ 5 miljoen aan financiering of inkomsten; commercieel gebruik daarbuiten wordt betaald. De gehoste API kost per 1.000 pagina's: $1 snel, $3 evenwichtig, $7,50 accuraat; een kaart is pas nodig na de gratis vergoeding.

Goed voor: ontwikkelaars die LaTeX-vergelijkingen en HTML-tabellen willen en kunnen werken met de gewichtlicentie.

Bron: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

Op de prijspagina van LlamaIndex staat een pay-as-you-go-abonnement van $ 0 met 10.000 gratis credits per maand; elke parseringslaag gebruikt een ander aantal credits per pagina, van 1 voor basisparsering. Het past netjes in de stapel LlamaIndex RAG.

Goed voor: ontwikkelaars bouwen al RAG met LlamaIndex.

Bron: LlamaIndex — Pricing

Mathpix

De prijslijst van Mathpix vermeldt 10 PDF pagina's en 10 afbeeldingen per maand met het gratis abonnement, verdubbeld met een e-mail van .edu; Pro kost $ 4,99 per maand voor 1.000 PDF pagina's en 5.000 afbeeldingen. Formuleherkenning is zijn kracht; de gratis vergoeding is klein.

Goed voor: zo nu en dan een pagina met formules of een foto van een wiskundeprobleem.

Bron: Mathpix — Snip pricing

Azure AI Document Intelligence

De documentatie van Microsoft zegt dat de gratis laag alleen de eerste twee pagina's van een verzoek analyseert, met bestanden tot 4 MB en één verzoek per seconde; De prijspagina vermeldt 0–500 gratis pagina's per maand. Het is goed om dingen uit te proberen voordat je op Azure bouwt.

Goed voor: teams die al bouwen op Azure en een enterprise API nodig hebben.

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

Welke voor welke baan

Jouw situatieWat je eerst moet proberen
Honderden PDF of gescande pagina's omzetten naar Markdown en JSON zonder code te schrijvenOmniDoc (maximaal 501 pagina's per PDF, in de browser)
Data moet op je eigen servers blijvenDocling of MinerU, zelf gehost
Chinese documenten in dagelijkse batchesMinerU online API (2.000 pagina's met topprioriteit per dag), of OmniDoc
Vergelijkingen uit papieren als LaTeXMarker, of Mathpix (kleine gratis vergoeding)
Ik bouw al RAG met LlamaIndexLlamaParse
Er wordt al voortgebouwd op AzureAzure Document Intelligence (de gratis laag bevat 2 pagina's per verzoek)
Word, PowerPoint, Excel, EPUB of HTML tot MarkdownOmniDoc, MinerU of Docling

Vragen

Is er een gratis conversie van PDF naar Markdown in 2026?

Ja. MinerU, Docling en Marker zijn open source en kunnen zelf worden gehost; de gratis documentextractie van OmniDoc draait in de browser zonder maandelijkse limiet en tot 501 pagina's per PDF, en de ZIP bevat document.md en document.json; MinerU's online API geeft per account 2.000 pagina's met topprioriteit per dag. Cijfers van de officiële pagina's, gecontroleerd november 2026.

Hoe verschilt gestructureerde extractie van PDF tot tekst?

PDF naar tekst geeft u een reeks platte tekst. Gestructureerde extractie behoudt kopniveaus, alinea's, tabellen als rijen en kolommen, afbeeldingsposities en leesvolgorde, als Markdown en JSON die programma's en AI-tools direct kunnen gebruiken.

Ik kan niet zelf hosten. Wat zijn mijn opties?

Gebruik een online tool: de gratis documentextractie van OmniDoc wordt geüpload in de browser; MinerU, Datalab, LlamaParse en Azure bieden online API's, waarvoor een account, een token en wat code nodig zijn.

Kunnen deze tools gescande PDF's en tabellen verwerken?

Ja. OmniDoc, Docling en MinerU herkennen tekst in scans en de structuur van tabellen. OmniDoc schrijft tabellen als Markdown-tabellen en als rijen en kolommen in de JSON; Controleer zeer complexe tabellen met het origineel.

Wie heeft deze vergelijking geschreven?

Het OmniDoc-team; OmniDoc is ons eigen product. Elke figuur over een andere tool linkt naar de officiële pagina of repository, en die pagina wint als er iets veranderd is.

Bronnen (gecontroleerd 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/

Gids 2026: 8 dingen om te controleren in een documentextractietool · OmniDoc Documentextractie · Documentvertaling · Open het gereedschap · Download de desktop-app