OmniDoc Trích xuất tài liệu

OmniDoc Trích xuất tài liệu / so sánh năm 2026

So sánh các công cụ trích xuất tài liệu miễn phí cho năm 2026: PDF với Markdown và JSON

Việc chuyển các tệp PDF, bản quét và tệp Office thành Markdown và JSON với các tiêu đề, bảng và hình ảnh có thể có nghĩa là tự lưu trữ một mô hình nguồn mở hoặc gọi một API do trang tính phí. Trang này đặt mức trợ cấp miễn phí, đầu vào, đầu ra và thiết lập của bảy công cụ phổ biến cạnh nhau, với nguồn chính thức cho mỗi số.

So sánh này được viết bởi nhóm OmniDoc, và OmniDoc là sản phẩm riêng của chúng tôi. Mọi số liệu về một công cụ khác đều lấy từ trang chính thức hoặc kho lưu trữ của nó, được kiểm tra vào ngày 14 tháng 11 năm 2026; Trang của họ sẽ thắng nếu có gì khác biệt.

Giải nén một tập tin miễn phí với OmniDoc

Sơ lược: trợ cấp miễn phí, đầu vào, đầu ra

Dụng cụTrợ cấp miễn phíĐầu vàoĐầu ra/thiết lập
Trích xuất tài liệu miễn phí OmniDoc công cụ của chúng tôiTối đa 501 trang cho mỗi PDF, không giới hạn hàng tháng; các nhiệm vụ trong kế hoạch miễn phí chờ trong hàng đợi; cần có tài khoản OmniDoc miễn phíPDF, hình ảnh được quét PDF, PNG/JPG/WEBP/BMP, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSTrang web, không có gì để cài đặt; một ZIP có document.md, document.json, images/ và tệp kê khai.json
MinerUMã nguồn mở, tự lưu trữ; trực tuyến API: 2.000 trang mỗi ngày cho mỗi tài khoản ở mức ưu tiên cao nhất, mức độ ưu tiên thấp hơn sau đóPDF, hình ảnh, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX và nhiều hơn nữa; tự lưu trữ, trực tuyến API, hoặc demo trên Hugging Face và ModelScope
DoclingMã nguồn mở (mã dưới MIT), chạy trên máy tính của riêng bạn, không giới hạn mức sử dụngPDF, DOCX, PPTX, XLSX, HTML, EPUB, hình ảnh và nhiều hơn nữaMarkdown, HTML, DocTags, không suy hao JSON; chạy cục bộ, OCR để quét
Marker (Datalab)Mã nguồn mở (Apache 2.0); trợ cấp API được lưu trữ là $20 mỗi tháng với email công việc, $10 với email cá nhânPDF, hình ảnh, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, các chunk; phương trình là LaTeX, bảng là HTML
LlamaParse (LlamaIndex)10.000 tín dụng miễn phí mỗi tháng cho người dùng mới; phân tích cú pháp cơ bản từ 1 tín dụng mỗi trangXem trang web chính thứcOnline API (LlamaCloud), cần tài khoản
MathpixMiễn phí: 10 trang PDF và 10 hình ảnh mỗi tháng (gấp đôi với email .edu); Pro $4,99/tháng cho 1.000 trangPDF, hình ảnhỨng dụng và API; mạnh về công thức
Azure AI Document IntelligenceBậc miễn phí F0: 500 trang mỗi tháng nhưng mỗi phân tích chỉ bao gồm 2 trang đầu tiên và tệp có dung lượng tối đa 4 MBHình ảnh PDF, JPEG/PNG/BMP/TIFF/HEIF, DOCX, PPTX, XLSCần tài khoản Cloud API, Azure; Mô hình bố cục trả về các đoạn văn, bảng và cấu trúc

Từng công cụ: phù hợp với ai và xem gì

Trích xuất tài liệu miễn phí OmniDoc công cụ của chúng tôi

Tiêu đề, đoạn văn và danh sách giữ nguyên thứ bậc của bản gốc; hai hoặc ba cột được nối với nhau theo thứ tự đọc. Các bảng được tạo ra dưới dạng bảng Markdown và dưới dạng hàng, cột trong JSON; hình ảnh được lưu trong images/ với vị trí được đánh dấu. Các bản quét sẽ được nhận dạng văn bản (OCR) và sau đó được sắp xếp theo bố cục của chúng. Chỉ bạn mới có thể xem các tệp bạn tải lên và kết quả của chúng.

Tốt cho: Markdown và JSON mà không cần thiết lập hoặc viết mã; chuẩn bị tài liệu cho cơ sở tri thức hoặc RAG.

MinerU

Được cấp phép theo Giấy phép Mã nguồn Mở MinerU (dựa trên Apache 2.0 với các điều kiện bổ sung). Precision Extract API cần một token và chứa các tệp lên đến 200 MB và 600 trang; Agent Lightweight API không cần đăng nhập và lưu trữ tệp lên đến 10 MB và 20 trang, giới hạn tốc độ cho mỗi IP.

Tốt cho: các nhà phát triển có GPU muốn tự lưu trữ hoặc gửi các tài liệu tiếng Trung thông qua API.

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

Docling

README của nó liệt kê bố cục trang, thứ tự đọc và cấu trúc bảng, OCR cho các tệp PDF và hình ảnh đã quét, và thực thi cục bộ cho dữ liệu nhạy cảm và môi trường cách ly không khí. Các quả cân mẫu mang theo giấy phép riêng, cần được kiểm tra riêng.

Tốt cho: các nhóm phải ngoại tuyến hoặc trong mạng riêng của họ và cảm thấy thoải mái với Python.

Nguồn: Docling — GitHub README

Marker (Datalab)

Trọng lượng mô hình sử dụng giấy phép OpenRAIL-M đã sửa đổi, miễn phí cho nghiên cứu, sử dụng cá nhân và các công ty khởi nghiệp có nguồn tài trợ hoặc doanh thu dưới 5 triệu USD; sử dụng thương mại vượt quá số tiền đó sẽ được thanh toán. API được lưu trữ có giá trên 1.000 trang: nhanh $1, cân bằng $3, chính xác $7,50; chỉ cần có thẻ sau khi được trợ cấp miễn phí.

Tốt cho: các nhà phát triển muốn có phương trình LaTeX và bảng HTML và có thể làm việc với giấy phép trọng số.

Nguồn: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

Trang định giá của LlamaIndex liệt kê gói trả theo mức sử dụng $0 với 10 nghìn tín dụng miễn phí mỗi tháng; mỗi tầng phân tích cú pháp sử dụng số lượng tín dụng khác nhau trên mỗi trang, từ 1 cho phân tích cú pháp cơ bản. Nó nằm gọn trong ngăn xếp LlamaIndex RAG.

Tốt cho: các nhà phát triển đã xây dựng RAG bằng LlamaIndex.

Nguồn: LlamaIndex — Pricing

Mathpix

Giá của Mathpix liệt kê 10 trang PDF và 10 hình ảnh mỗi tháng đối với gói miễn phí, tăng gấp đôi với email .edu; Pro có giá 4,99 USD một tháng cho 1.000 trang PDF và 5.000 hình ảnh. Nhận dạng công thức là sức mạnh của nó; trợ cấp miễn phí là nhỏ.

Tốt cho: thỉnh thoảng có trang công thức hoặc ảnh một bài toán.

Nguồn: Mathpix — Snip pricing

Azure AI Document Intelligence

Tài liệu của Microsoft cho biết bậc miễn phí chỉ phân tích hai trang đầu tiên của yêu cầu, với các tệp có dung lượng tối đa 4 MB và một yêu cầu mỗi giây; trang định giá liệt kê 0–500 trang miễn phí mỗi tháng. Nó phù hợp để thử nghiệm mọi thứ trước khi xây dựng trên Azure.

Tốt cho: các nhóm đã xây dựng trên Azure cần một API doanh nghiệp.

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

Cái nào cho công việc nào

Tình huống của bạnNên thử gì trước
Chuyển đổi hàng trăm trang PDF hoặc đã quét thành Markdown và JSON mà không cần viết mãOmniDoc (tối đa 501 trang cho mỗi PDF, trong trình duyệt)
Dữ liệu phải ở trên máy chủ của riêng bạnDocling hoặc MinerU, tự lưu trữ
Tài liệu tiếng Trung theo đợt hàng ngàyMinerU trực tuyến API (2.000 trang ưu tiên hàng đầu mỗi ngày), hoặc OmniDoc
Phương trình từ các bài báo dưới dạng LaTeXMarker, hoặc Mathpix (trợ cấp miễn phí nhỏ)
Đang xây dựng RAG với LlamaIndexLlamaParse
Đang xây dựng trên AzureAzure Document Intelligence (cấp miễn phí đọc 2 trang cho mỗi yêu cầu)
Word, PowerPoint, Excel, EPUB hoặc HTML đến MarkdownOmniDoc, MinerU hoặc Docling

Câu hỏi

Có bộ chuyển đổi PDF sang Markdown miễn phí vào năm 2026 không?

Đúng. MinerU, Docling và Marker là nguồn mở và có thể tự lưu trữ; quá trình trích xuất tài liệu miễn phí OmniDoc chạy trong trình duyệt không có giới hạn hàng tháng và tối đa 501 trang trên mỗi PDF, đồng thời ZIP của nó chứa document.md và document.json; API trực tuyến của MinerU cung cấp 2.000 trang được ưu tiên hàng đầu mỗi ngày cho mỗi tài khoản. Số liệu từ các trang chính thức, được kiểm tra vào tháng 11 năm 2026.

Trích xuất có cấu trúc khác với PDF với văn bản như thế nào?

PDF thành văn bản sẽ cung cấp cho bạn một chuỗi văn bản thuần túy. Trích xuất có cấu trúc giữ các cấp độ tiêu đề, đoạn văn, bảng dưới dạng hàng và cột, vị trí hình ảnh và thứ tự đọc, dưới dạng Markdown và JSON mà các chương trình và công cụ AI có thể sử dụng trực tiếp.

Tôi không thể tự lưu trữ. Lựa chọn của tôi là gì?

Sử dụng công cụ trực tuyến: việc trích xuất tài liệu miễn phí OmniDoc sẽ nhận một lượt tải lên trên trình duyệt; MinerU, Datalab, LlamaParse và Azure cung cấp API trực tuyến, cần tài khoản, token và một số mã.

Những công cụ này có thể xử lý các bản PDF và bảng được quét không?

Đúng vậy. OmniDoc, Docling và MinerU nhận diện văn bản trong các bản quét và cấu trúc của bảng. OmniDoc ghi bảng dưới dạng bảng Markdown và dưới dạng hàng, cột trong JSON; Hãy kiểm tra các bảng rất phức tạp so với bản gốc.

Ai đã viết sự so sánh này?

Nhóm OmniDoc; OmniDoc là sản phẩm của chúng tôi. Mọi con số về một công cụ khác đều liên kết đến trang chính thức hoặc kho lưu trữ của nó và trang đó sẽ thắng nếu có bất kỳ điều gì thay đổi.

Nguồn (được kiểm tra ngày 14 tháng 11 năm 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/

Hướng dẫn 2026: 8 điều cần kiểm tra trong công cụ trích xuất tài liệu · OmniDoc Trích xuất tài liệu · Dịch tài liệu · Mở công cụ · Tải ứng dụng dành cho máy tính để bàn