Ferramentas gratuitas de extração de documentos em comparação com 2026: PDF a Markdown e JSON

OmniDoc extração gratuita de documentos Nossa Ferramenta

Cabeçalhos, parágrafos e listas mantêm a hierarquia do original; duas ou três colunas são unidas em ordem de leitura. As tabelas aparecem como tabelas Markdown e como linhas e colunas no JSON; as imagens são salvas em images/ com suas posições marcadas. Os escaneamentos passam pelo reconhecimento de texto (OCR) e são então organizados por seu layout. Só você pode ver os arquivos que você envia e seus resultados.

Bom para: Markdown e JSON sem configurar nada ou escrever código; preparando documentos para uma base de conhecimento ou RAG.

MinerU

Licenciado sob a Licença de Código Aberto MinerU (baseada em Apache 2.0 com condições adicionais). O Precision Extract API precisa de um token e recebe arquivos de até 200 MB e 600 páginas; o Agent Lightweight API não precisa de login e aceita arquivos de até 10 MB e 20 páginas, limitado por IP.

Bom para: desenvolvedores com um GPU que desejam se auto-hospedar, ou que agrupam documentos chineses por meio de um API.

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

Docling

Seu README lista o layout da página, a ordem de leitura e a estrutura da tabela, OCR para PDFs e imagens digitalizados e a execução local para dados confidenciais e ambientes isolados. Os pesos dos modelos possuem licenças próprias, que devem ser verificadas separadamente.

Bom para: equipes que devem permanecer off-line ou dentro de sua própria rede e que se sentem confortáveis com Python.

Fonte: Docling — GitHub README

Marker (Datalab)

Os pesos do modelo usam uma licença OpenRAIL-M modificada, gratuita para pesquisa, uso pessoal e startups com menos de US$ 5 milhões em financiamento ou receita; o uso comercial além disso é pago. O preço do API hospedado é por 1.000 páginas: $ 1 rápido, $ 3 balanceado, $ 7,50 preciso; o cartão é necessário somente após o subsídio gratuito.

Bom para: desenvolvedores que desejam equações LaTeX e tabelas HTML e podem trabalhar com a licença de pesos.

Fonte: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

A página de preços de LlamaIndex lista um plano pré-pago de US$ 0 com 10 mil créditos gratuitos por mês; cada nível de análise usa um número diferente de créditos por página, de 1 para análise básica. Ele se encaixa perfeitamente na pilha LlamaIndex RAG.

Bom para: desenvolvedores já construindo RAG com LlamaIndex.

Fonte: LlamaIndex — Pricing

Mathpix

Os preços de Mathpix listam 10 páginas PDF e 10 imagens por mês no plano gratuito, duplicadas com um e-mail .edu; O Pro custa US$ 4,99 por mês para 1.000 páginas PDF e 5.000 imagens. O reconhecimento da fórmula é o seu ponto forte; o subsídio gratuito é pequeno.

Bom para: uma página ocasional de fórmulas ou uma foto de um problema de matemática.

Fonte: Mathpix — Snip pricing

Azure AI Document Intelligence

a documentação de Microsoft diz que a versão gratuita analisa apenas as duas primeiras páginas de uma solicitação, com arquivos de até 4 MB e uma solicitação por segundo; A página de preços lista de 0 a 500 páginas gratuitas por mês. É bom experimentar antes de construir em Azure.

Bom para: times já construindo sobre Azure que precisam de um Enterprise API.

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