OmniDoc ଦସ୍ତାବିଜ ଆହରଣ

OmniDoc ଦସ୍ତାବିଜ ଆହରଣ / 2026 ତୁଳନା

2026 ପାଇଁ ମାଗଣା ଦସ୍ତାବିଜ ନିଷ୍କାସନ ଟୁଲ୍‌ଗୁଡ଼ିକର ତୁଳନା: PDF ଠାରୁ Markdown ଏବଂ JSON

Turning PDFs, scans and Office files into Markdown and JSON with headings, tables and images can mean self-hosting an open-source model or calling an API billed by the page. This page puts the free allowance, inputs, outputs and setup of seven common tools side by side, with the official source for every number.

ଏହି ତୁଳନା OmniDoc ଦଳ ଦ୍ୱାରା ଲେଖାଯାଇଛି, ଏବଂ OmniDoc ହେଉଛି ଆମର ନିଜ ଉତ୍ପାଦ। ଅନ୍ୟ ଏକ ଟୁଲ୍‌ ବିଷୟରେ ଥିବା ପ୍ରତ୍ୟେକ ସଂଖ୍ୟା ତା'ର ଅଫିସିଆଲ୍ ପୃଷ୍ଠା କିମ୍ବା ରିପୋଜିଟୋରୀରୁ ଆସିଛି, ଯାହା 14 ନଭେମ୍ବର 2026ରେ ଯାଞ୍ଚ କରାଯାଇଛି; କିଛି ପରିବର୍ତ୍ତନ ହୋଇଥିଲେ ସେମାନଙ୍କ ପୃଷ୍ଠା ବିଜୟୀ ହେବ।

OmniDoc ସହିତ ଏକ ଫାଇଲ୍‌କୁ ମୁକ୍ତ-ଶୁଳ୍କ ଭାବରେ ବାହାର କରନ୍ତୁ

ଏକ ନଜରରେ: ମୂଲ୍ୟ ରହିତ ଆଲୋଟମେଣ୍ଟ, ଇନପୁଟ୍‌, ଆଉଟପୁଟ୍‌

ଆମର ଟୁଲ୍ମୂଲ୍ୟ ରହିତ ଆଲୋଟମେଣ୍ଟଇନପୁଟ୍‌ଆଉଟପୁଟ୍ / ସେଟଅପ୍
OmniDoc ମାଗଣା ଦସ୍ତାବିଜ ନିଷ୍କାସନ ଆମର ଟୁଲ୍ପ୍ରତି PDF ରେ 501 ପୃଷ୍ଠା ପର୍ଯ୍ୟନ୍ତ, କୌଣସି ମାସିକ ସୀମା ନାହିଁ; ମାଗଣା ଯୋଜନାରେ ଥିବା କାର୍ଯ୍ୟଗୁଡ଼ିକ କ୍ୟୁ ଅପ୍‌ରେ ଅପେକ୍ଷା କରିଥାଏ; ଏକ ମାଗଣା OmniDoc ଆକାଉଣ୍ଟ ଆବଶ୍ୟକPDF, ସ୍କାନ୍ ହୋଇଥିବା PDF, PNG/JPG/WEBP/BMP ଚିତ୍ର, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSୱେବ ପୃଷ୍ଠା, କିଛି ଇନ୍‌ଷ୍ଟଲ କରିବାର ଆବଶ୍ୟକତା ନାହିଁ; document.md, document.json, images/ ଏବଂ manifest.json ସହିତ ZIP
MinerUମୁକ୍ତ ସ୍ରୋତ, ନିଜେ ହୋଷ୍ଟ କରାଯାଇଥାଏ; ଅନଲାଇନ୍ API: ପ୍ରତି ଆକାଉଣ୍ଟ ପାଇଁ ଦିନକୁ 2,000 ପୃଷ୍ଠା ଶୀର୍ଷ ପ୍ରାଧାନ୍ୟରେ, ତା'ପରେ କମ୍ ପ୍ରାଧାନ୍ୟ।PDF, ଚିତ୍ର, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX ଏବଂ ଅଧିକ; ନିଜେ ହୋଷ୍ଟ କରାଯାଇଥାଏ, ଅନଲାଇନ୍ API, କିମ୍ବା Hugging Face ଏବଂ ModelScope ରେ ଡେମୋ।
Doclingଓପେନ୍ ସୋର୍ସ (କୋଡ୍ MIT ଅଧୀନରେ), ଆପଣଙ୍କ ନିଜ କମ୍ପ୍ୟୁଟରରେ ଚାଲେ, ବ୍ୟବହାର ସୀମା ନାହିଁPDF, DOCX, PPTX, XLSX, HTML, EPUB, ଚିତ୍ର ଏବଂ ଅଧିକMarkdown, HTML, DocTags, ଲୋସଲେସ୍ JSON; ସ୍ଥାନୀୟ ଭାବରେ ଚାଲେ, ସ୍କାନ୍‌ ପାଇଁ OCR
Marker (Datalab)କୋଡ୍ ଓପେନ୍ ସୋର୍ସ (Apache 2.0); ହୋଷ୍ଟେଡ୍ API ମାସିକ 20 ଡଲାର ଏବଂ କାର୍ଯ୍ୟ ଇ-ମେଲ୍ ସହିତ 10 ଡଲାର ଅନୁମତିPDF, ଚିତ୍ର, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, ଖଣ୍ଡ; ସମୀକରଣଗୁଡ଼ିକ LaTeX ଭାବରେ, ଟେବୁଲଗୁଡ଼ିକ HTML ଭାବରେ
LlamaParse (LlamaIndex)ନୂତନ ବ୍ୟବହାରକାରୀଙ୍କ ପାଇଁ ମାସିକ 10,000 ମାଗଣା କ୍ରେଡିଟ୍; ପ୍ରତି ପୃଷ୍ଠା ପାଇଁ 1 କ୍ରେଡିଟ୍ ଠାରୁ ମୌଳିକ ପାର୍ସିଂଅଫିସିଆଲ୍ ସାଇଟ୍ ଦେଖନ୍ତୁଅନଲାଇନ୍ API (LlamaCloud), ଆକାଉଣ୍ଟ ଆବଶ୍ୟକ
Mathpixମାଗଣା: ମାସିକ 10 PDF ପୃଷ୍ଠା ଏବଂ 10 ଚିତ୍ର (ଏକ .edu ଇମେଲ୍ ସହିତ 2x); Pro $4.99/ମାସ ପାଇଁ 1,000 ପୃଷ୍ଠାPDF, ଚିତ୍ରଆପ୍ ଏବଂ API; ସୂତ୍ର ଉପରେ ଶକ୍ତିଶାଳୀ
Azure AI Document Intelligenceମାଗଣା ଯୋଜନା F0: ମାସିକ 500 ପୃଷ୍ଠା, କିନ୍ତୁ ପ୍ରତ୍ୟେକ ବିଶ୍ଳେଷଣ କେବଳ ପ୍ରଥମ 2 ପୃଷ୍ଠା ଏବଂ 4 MB ପର୍ଯ୍ୟନ୍ତ ଫାଇଲ୍‌ଗୁଡ଼ିକକୁ କଭର କରେPDF, JPEG/PNG/BMP/TIFF/HEIF ଚିତ୍ର, DOCX, PPTX, XLSକ୍ଲାଉଡ୍ API, Azure ଆକାଉଣ୍ଟ ଆବଶ୍ୟକ; ଲେଆଉଟ୍ ମଡେଲ୍ ପ୍ୟାରାଗ୍ରାଫ୍, ଟେବୁଲ୍ ଏବଂ ସଂରଚନା ପ୍ରଦାନ କରେ

ଟୁଲ୍ ପିଛା ଟୁଲ୍: ଏହା କାହାକୁ ସୁବିଧାଜନକ ଏବଂ କ'ଣ ଦେଖିବା ଆବଶ୍ୟକ

OmniDoc ମାଗଣା ଦସ୍ତାବିଜ ନିଷ୍କାସନ ଆମର ଟୁଲ୍

ଶୀର୍ଷକ, ପ୍ୟାରାଗ୍ରାଫ୍‌ ଏବଂ ତାଲିକାଗୁଡ଼ିକ ମୂଳ ହାଇରାର୍କିର ସଂରକ୍ଷଣ କରନ୍ତି; ଦୁଇ କିମ୍ବା ତିନୋଟି ସ୍ତମ୍ଭ ପାଠ କରିବାର କ୍ରମରେ ଯୋଡ଼ା ଯାଇଥାଏ। ଟେବୁଲ୍‌ଗୁଡ଼ିକ Markdown ଟେବୁଲ୍‌ ଭାବରେ ଏବଂ JSON ରେ ପଂକ୍ତି ଓ ସ୍ତମ୍ଭ ଭାବରେ ଆସିଥାଏ; ଚିତ୍ରଗୁଡ଼ିକ images/ ରେ ସଂରକ୍ଷିତ ହୋଇ ସେମାନଙ୍କ ସ୍ଥାନ ଚିହ୍ନିତ କରାଯାଇଥାଏ। ସ୍କାନ୍‌ଗୁଡ଼ିକ ଟେକ୍ସଟ୍ ରିକଗ୍ନିସନ୍ (OCR) ଦ୍ୱାରା ପରୀକ୍ଷା କରାଯାଇ ପରେ ସେମାନଙ୍କ ଲେଆଉଟ୍ ଅନୁସାରେ ସଜାଯାଇଥାଏ। କେବଳ ଆପଣ ହିଁ ଆପଣଙ୍କ ଦ୍ୱାରା ଅପଲୋଡ୍ ହୋଇଥିବା ଫାଇଲ୍‌ଗୁଡ଼ିକ ଏବଂ ସେମାନଙ୍କ ଫଳାଫଳଗୁଡ଼ିକ ଦେଖିପାରିବେ।

ଉପଯୋଗୀ: କୌଣସି ମଧ୍ୟସ୍ଥ ସ୍ଥାପନ କିମ୍ବା କୋଡ୍ ଲେଖା ବିନା Markdown ଏବଂ JSON; ଜ୍ଞାନ ଭଣ୍ଡାର କିମ୍ବା RAG ପାଇଁ ଦସ୍ତାବିଜ ପ୍ରସ୍ତୁତ କରିବା।

MinerU

MinerU ଓପେନ୍ ସୋର୍ସ ଲାଇସେନ୍ସ (ଅତିରିକ୍ତ ସର୍ତ୍ତ ସହିତ Apache 2.0 ଉପରେ ଆଧାରିତ) ଅନୁଯାୟୀ ଲାଇସେନ୍ସ ପ୍ରାପ୍ତ। ପ୍ରିସିସନ୍ ଏକ୍ସଟ୍ରାକ୍ଟ API କୁ ଟୋକନ୍ ଆବଶ୍ୟକ, ଏବଂ ଏହା 200 MB ଏବଂ 600 ପୃଷ୍ଠା ପର୍ଯ୍ୟନ୍ତ ଫାଇଲ୍ ଗ୍ରହଣ କରେ; ଏଜେଣ୍ଟ୍ ଲାଇଟୱେଟ୍ API କୁ କୌଣସି ଲଗଇନ୍ ଆବଶ୍ୟକ ନାହିଁ, ଏବଂ ଏହା 10 MB ଏବଂ 20 ପୃଷ୍ଠା ପର୍ଯ୍ୟନ୍ତ ଫାଇଲ୍ ଗ୍ରହଣ କରେ, ପ୍ରତି IP ପାଇଁ ହାର ସୀମିତ।

ଉପଯୋଗୀ: ଯେଉଁ ଡେଭଲପରମାନେ GPU ସହିତ ନିଜେ ହୋଷ୍ଟ କରିବାକୁ ଚାହାନ୍ତି, କିମ୍ବା ଯେଉଁମାନେ API ମାଧ୍ୟମରେ ଚାଇନୀଜ୍ ଦସ୍ତାବିଜ୍ ବ୍ୟାଚ୍ କରନ୍ତି।

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

Docling

ଏହାର README ପୃଷ୍ଠା ଲେଆଉଟ୍, ପଢ଼ିବା କ୍ରମ ଏବଂ ଟେବୁଲ୍ ଗଠନକୁ ତାଲିକାବଦ୍ଧ କରେ, OCR ସ୍କାନ୍ କରାଯାଇଥିବା PDF ଏବଂ ଚିତ୍ର ପାଇଁ, ଏବଂ ସଂବେଦନଶୀଳ ତଥ୍ୟ ଏବଂ ଏୟାର-ଗ୍ୟାପ୍ଡ୍ ପରିବେଶ ପାଇଁ ସ୍ଥାନୀୟ କାର୍ଯ୍ୟକାରୀ। ମଡେଲ୍ ଓଜନଗୁଡ଼ିକ ନିଜର ଲାଇସେନ୍ସ ବହନ କରନ୍ତି, ଯାହାକୁ ଅଲଗା ଭାବରେ ଯାଞ୍ଚ କରିବାକୁ ପଡ଼ିବ।

ଉପଯୋଗୀ: ଯେଉଁ ଦଳଗୁଡ଼ିକ ଅଫ୍‌ଲାଇନ୍‌ରେ ରହିବା ଆବଶ୍ୟକ କିମ୍ବା ସେମାନଙ୍କ ନିଜ ନେଟୱାର୍କ ଭିତରେ ରହିବା ଆବଶ୍ୟକ ଏବଂ Python ସହିତ ଅନୁକୂଳ ଅଛନ୍ତି।

ଉତ୍ସ: Docling — GitHub README

Marker (Datalab)

ମଡେଲ୍ ଓଜନଗୁଡ଼ିକ OpenRAIL-M ଲାଇସେନ୍ସ ପରିବର୍ତ୍ତିତ ବ୍ୟବହାର କରେ, ଯାହା ଅନୁସନ୍ଧାନ, ବ୍ୟକ୍ତିଗତ ବ୍ୟବହାର ଏବଂ 5M ଡଲାର ଅଧୀନରେ ଫଣ୍ଡିଂ କିମ୍ବା ଆୟ ଥିବା ଷ୍ଟାର୍ଟଅପ୍‌ଗୁଡ଼ିକ ପାଇଁ ମାଗଣା; ଏହାଠାରୁ ଅଧିକ ବାଣିଜ୍ୟିକ ବ୍ୟବହାର ପାଇଁ ଦେୟ ଦେବାକୁ ପଡ଼ିବ। ହୋଷ୍ଟେଡ୍ API ପ୍ରତି 1,000 ପୃଷ୍ଠା ପାଇଁ ମୂଲ୍ୟ ଧାର୍ଯ୍ୟ କରାଯାଇଛି: $1 ଶୀଘ୍ର, $3 ସନ୍ତୁଳିତ, $7.50 ସଠିକ୍; ମାଗଣା ଅନୁମତି ପରେ କେବଳ ଏକ କାର୍ଡ ଆବଶ୍ୟକ ହେବ।

ଉପଯୋଗୀ: ଯେଉଁ ଡେଭଲପରମାନେ LaTeX ସମୀକରଣ ଏବଂ HTML ଟେବୁଲ ଚାହୁଁଛନ୍ତି ଏବଂ ଓଜନ ଲାଇସେନ୍ସ ସହିତ କାର୍ଯ୍ୟ କରିପାରିବେ।

ଉତ୍ସ: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

LlamaIndexର ମୂଲ୍ୟ ନିର୍ଧାରଣ ପୃଷ୍ଠାରେ ମାସିକ 10,000 ମାଗଣା କ୍ରେଡିଟ୍ ସହିତ $0 ପେ-ଆଜ-ୟୁ-ଗୋ ଯୋଜନା ତାଲିକାଭୁକ୍ତ ଅଛି; ପ୍ରତି ପୃଷ୍ଠା ପାଇଁ ପ୍ରତ୍ୟେକ ପାର୍ସିଂ ସ୍ତର 1 ଠାରୁ ମୌଳିକ ପାର୍ସିଂ ପାଇଁ ଭିନ୍ନ ସଂଖ୍ୟାର କ୍ରେଡିଟ୍ ବ୍ୟବହାର କରେ। ଏହା LlamaIndex RAG ଷ୍ଟାକ୍‌ରେ ସୁନ୍ଦର ଭାବରେ ଫିଟ୍ ହୁଏ।

ଉପଯୋଗୀ: ଯେଉଁ ଡେଭଲପରମାନେ ପୂର୍ବରୁ RAG ସହିତ LlamaIndex ନିର୍ମାଣ କରୁଛନ୍ତି।

ଉତ୍ସ: LlamaIndex — Pricing

Mathpix

Mathpixର ମୂଲ୍ୟ ସୂଚୀ ମାଗଣା ଯୋଜନାରେ ମାସିକ 10 PDF ପୃଷ୍ଠା ଏବଂ 10 ଚିତ୍ର ପ୍ରଦାନ କରେ, ଯାହାକୁ ଏକ .edu ଇମେଲ୍ ସହିତ ଦ୍ୱିଗୁଣିତ କରାଯାଇପାରେ; Pro ହେଉଛି $4.99 ମାସିକ ପାଇଁ 1,000 PDF ପୃଷ୍ଠା ଏବଂ 5,000 ଚିତ୍ର। ସୂତ୍ର ଚିହ୍ନଟ ଏହାର ଶକ୍ତି; ମାଗଣା ଅନୁମତି କ୍ଷୁଦ୍ର।

ଉପଯୋଗୀ: ଅନେକ ସମୟରେ ଥିବା ସୂତ୍ରଗୁଡ଼ିକର ପୃଷ୍ଠା କିମ୍ବା ଗଣିତ ସମସ୍ୟାର ଏକ ଫଟୋ।

ଉତ୍ସ: Mathpix — Snip pricing

Azure AI Document Intelligence

Microsoftର ଡକ୍ୟୁମେଣ୍ଟେସନ୍ କହୁଛି ଯେ ମାଗଣା ଯୋଜନା କେବଳ ଏକ ଅନୁରୋଧର ପ୍ରଥମ ଦୁଇଟି ପୃଷ୍ଠା ବିଶ୍ଳେଷଣ କରେ, 4 MB ପର୍ଯ୍ୟନ୍ତ ଫାଇଲ୍‌ଗୁଡ଼ିକ ଏବଂ ପ୍ରତି ସେକେଣ୍ଡରେ ଗୋଟିଏ ଅନୁରୋଧ; ମୂଲ୍ୟ ନିର୍ଦ୍ଧାରଣ ପୃଷ୍ଠାରେ ମାସିକ 0–500 ମାଗଣା ପୃଷ୍ଠା ତାଲିକାଭୁକ୍ତ ଅଛି। ଏହା Azure ଉପରେ ନିର୍ମାଣ କରିବା ପୂର୍ବରୁ କାର୍ଯ୍ୟ ପରୀକ୍ଷା କରିବା ପାଇଁ ଉପଯୁକ୍ତ।

ଉପଯୋଗୀ: ଯେଉଁ ଦଳଗୁଡ଼ିକ ପୂର୍ବରୁ Azure ଉପରେ ନିର୍ମାଣ କରୁଛନ୍ତି ଏବଂ ଏକ ଏଣ୍ଟରପ୍ରାଇଜ୍ API ଆବଶ୍ୟକ।

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

କେଉଁଟି କେଉଁ କାର୍ଯ୍ୟ ପାଇଁ ଉପଯୋଗୀ

ଆପଣଙ୍କ ପରିସ୍ଥିତିପ୍ରଥମେ କ'ଣ ଚେଷ୍ଟା କରିବେ
କୋଡ୍ ଲେଖିବା ବିନା ଶହ ଶହ PDF କିମ୍ବା ସ୍କାନ୍ କରାଯାଇଥିବା ପୃଷ୍ଠାଗୁଡ଼ିକୁ Markdown ଏବଂ JSON ଭାବରେ ରୂପାନ୍ତର କରିବାOmniDoc (ପ୍ରତି PDF ରେ 501 ପୃଷ୍ଠା ପର୍ଯ୍ୟନ୍ତ, ବ୍ରାଉଜରରେ)
ଡାଟା ଆପଣଙ୍କ ନିଜ ସର୍ଭରଗୁଡ଼ିକରେ ରହିବା ଆବଶ୍ୟକDocling କିମ୍ବା MinerU, ନିଜେ ହୋଷ୍ଟ କରାଯାଇଥାଏ
ଦୈନିକ ବ୍ୟାଚ୍‌ରେ ଚାଇନୀଜ୍ ଦସ୍ତାବିଜMinerU ଅନଲାଇନ୍ API (ପ୍ରତି ଦିନ 2,000 ଶୀର୍ଷ ପ୍ରାଧାନ୍ୟର ପୃଷ୍ଠା), କିମ୍ବା OmniDoc
ପେପରଗୁଡ଼ିକରୁ ସମୀକରଣଗୁଡ଼ିକ LaTeX ଭାବରେMarker, କିମ୍ବା Mathpix (ଛୋଟ ମାଗଣା ଅନୁମତି)
ପୂର୍ବରୁ RAG ସହିତ LlamaIndex ନିର୍ମାଣ କରୁଛନ୍ତିLlamaParse
ପୂର୍ବରୁ Azure ଉପରେ ନିର୍ମାଣ କରୁଛନ୍ତିAzure Document Intelligence (ମାଗଣା ଯୋଜନାରେ ପ୍ରତି ଅନୁରୋଧରେ 2 ପୃଷ୍ଠା ପଢ଼ାଯାଏ)
Word, PowerPoint, Excel, EPUB କିମ୍ବା HTML ଠାରୁ MarkdownOmniDoc, MinerU କିମ୍ବା Docling

ପ୍ରଶ୍ନଗୁଡ଼ିକ

2026ରେ PDF ଠାରୁ Markdown କନଭର୍ଟର ମାଗଣା ଅଛି କି?

ହଁ। MinerU, Docling ଏବଂ Marker ଉପରେ ନିର୍ମାଣ କରାଯାଇଛି; OmniDoc ମାଗଣା ଦସ୍ତାବିଜ୍ ଆକାର ବିଶ୍ଳେଷଣ ବ୍ରାଉଜରରେ ଚାଲୁଥାଏ, ଏହାର ମାସିକ ସୀମା ନାହିଁ ଏବଂ ପ୍ରତି PDF ପାଇଁ 501 ପୃଷ୍ଠା ପର୍ଯ୍ୟନ୍ତ ଅଧିକାର ରହିଛି, ଏବଂ ଏହାର ZIP ଫାଇଲରେ document.md ଏବଂ document.json ରହିଛି; MinerUର ଅନଲାଇନ୍ API ପ୍ରତି ଆକାଉଣ୍ଟ ପାଇଁ ଦିନକୁ 2,000 ଶୀର୍ଷ ପ୍ରାଥମିକତା ପୃଷ୍ଠା ଦେଇଥାଏ। ନଭେମ୍ବର 2026ରେ ଯାଞ୍ଚ କରାଯାଇଥିବା ଅଧିକାରୀକ ପୃଷ୍ଠାର ତଥ୍ୟ।

ସଂରଚିତ ନିଷ୍କାସନ PDF ଠାରୁ ଟେକ୍ସଟ୍ କରିବାଠାରୁ କିପରି ଭିନ୍ନ?

PDF ଠାରୁ ଟେକ୍ସଟ୍ ଆପଣଙ୍କୁ ସାଧାରଣ ଟେକ୍ସଟ୍ ଦେଇଥାଏ। ସଂରଚିତ ନିଷ୍କାସନ ଶୀର୍ଷକ ସ୍ତର, ଅନୁଚ୍ଛେଦ, ଟେବୁଲଗୁଡ଼ିକୁ ପଂକ୍ତି ଏବଂ ସ୍ତମ୍ଭ ଭାବରେ, ଚିତ୍ରର ସ୍ଥାନ ଏବଂ ପାଠ କ୍ରମକୁ ରଖିଥାଏ, ଯେପରି Markdown ଏବଂ JSON ଯାହାକୁ ପ୍ରୋଗ୍ରାମ୍ ଏବଂ AI ଟୁଲ୍ ସିଧାସଳଖ ବ୍ୟବହାର କରିପାରିବେ।

ମୁଁ ସ୍ୱ-ହୋଷ୍ଟ କରିପାରିବି ନାହିଁ। ମୋର ବିକଳ୍ପ ଗୁଡ଼ିକ କ'ଣ?

ଏକ ଅନଲାଇନ୍ ଟୁଲ୍ ବ୍ୟବହାର କରନ୍ତୁ: OmniDoc ମାଗଣା ଦସ୍ତାବିଜ୍ ଆକାର ବିଶ୍ଳେଷଣ ବ୍ରାଉଜରରେ ଅପଲୋଡ୍ କରିଥାଏ; MinerU, Datalab, LlamaParse ଏବଂ Azure ଅନଲାଇନ୍ API ପ୍ରଦାନ କରନ୍ତି, ଯାହାକୁ ଏକ ଆକାଉଣ୍ଟ, ଏକ ଟୋକେନ୍ ଏବଂ କିଛି କୋଡ୍ ଆବଶ୍ୟକ।

ଏହି ଟୁଲ୍‌ଗୁଡ଼ିକ ସ୍କାନ୍ କରାଯାଇଥିବା PDF ଏବଂ ଟେବୁଲ୍‌ଗୁଡ଼ିକକୁ ପରିଚାଳନା କରିପାରିବେ କି?

ହଁ। OmniDoc, Docling ଏବଂ MinerU ସ୍କାନ୍‌ରେ ଥିବା ଟେକ୍ସଟ୍ ଏବଂ ଟେବୁଲ୍‌ର ଗଠନକୁ ଚିହ୍ନିଥାନ୍ତି। OmniDoc ଟେବୁଲ୍‌ଗୁଡ଼ିକୁ Markdown ଟେବୁଲ୍ ଭାବରେ ଏବଂ JSONରେ ପଂକ୍ତି ଓ ସ୍ତମ୍ଭ ଭାବରେ ଲେଖିଥାଏ; ଅତି ଜଟିଳ ଟେବୁଲ୍‌ଗୁଡ଼ିକୁ ମୂଳ ସହିତ ଯାଞ୍ଚ କରନ୍ତୁ।

ଏହି ତୁଳନା କିଏ ଲେଖିଛନ୍ତି?

OmniDoc ଦଳ; OmniDoc ହେଉଛି ଆମର ନିଜ ଉତ୍ପାଦ। ଅନ୍ୟ ଏକ ଟୁଲ୍‌ ବିଷୟରେ ଥିବା ପ୍ରତ୍ୟେକ ଚିତ୍ର ତା'ର ଅଫିସିଆଲ୍ ପୃଷ୍ଠା କିମ୍ବା ରିପୋଜିଟୋରୀକୁ ଲିଙ୍କ୍ କରେ, ଏବଂ ଯଦି କିଛି ପରିବର୍ତ୍ତନ ହୋଇଥାଏ, ତେବେ ସେହି ପୃଷ୍ଠା ବିଜୟୀ ହୁଏ।

ଉତ୍ସ (14 ନଭେମ୍ବର 2026ରେ ଯାଞ୍ଚ କରାଯାଇଛି)

  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/