微信扫码
与创始人交个朋友
我要投稿
在我们日常的工作和学习中,PDF文件随处可见。然而,PDF文件的编辑和内容提取却不那么方便。很多时候,我们希望把PDF中的内容提取出来,转成Markdown格式,以便于编辑和发布。但这个过程通常很麻烦,需要手动复制粘贴,还要重新调整格式,简直是浪费时间和生命。
今天开源君介绍的这个项目就是为了解决这个问题- Marker
,可以让PDF转Markdown变得简单高效。
marker
是一个基于深度学习模型的工具,能够快速且准确地将PDF文档转换成Markdown格式,不仅能保留PDF中的文本、图片和表格,还能尽量保持原有的排版结构。支持多种文档类型,尤其对书籍和科学论文进行了优化,并且支持多种语言。
Marker的转换流程:
marker
的出现,为那些需要频繁处理PDF和Markdown的开发者、写作者和研究人员提供了极大的便利。
下图是 marker 和 nougat 的对比测试结果
目前在Github上面收获了12.5K star!
使用marker
非常简单,首先你需要安装Python 3.9+和PyTorch。然后通过以下命令安装marker
:
pip install marker-pdf
接下来,你可以通过以下命令快速转换单个PDF文件:
marker_single /path/to/file.pdf /path/to/output/folder --batch_multiplier 2 --max_pages 10 --langs English
如果你想转换多个文件,可以使用:
marker /path/to/input/folder /path/to/output/folder --workers 10 --max 10 --metadata_file /path/to/metadata.json --min_length 10000
marker
的转换效果如何呢?官方提供了部分例子,展示其对生产可用的复杂 PDF 转为 Markdown 的示例,如下图
可以看到,marker
在对大段文字,公式,表格上面的处理相比以往的工具来说,还是进步了不少。
尽管Marker在转换PDF到Markdown方面表现出色,但它也有一些局限性:
总的来说,Marker是一个非常实用的开源工具,解决了我们在PDF转Markdown过程中的很多痛点。它不仅高效快速,而且操作简单,格式保持得也很好。感兴趣的可以去试试。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-09-20
超越传统仪表盘,对话式BI让数据洞察更智能
2024-09-20
GenAI赋能下的对话式BI:数据洞察的未来
2024-09-20
如何使用GPT创建AI Agents?
2024-09-20
AIGCDesign 开放式跨端 AI 组件解决方案
2024-09-20
专访瓴羊CEO朋新宇:AI时代做产品,要从场景解构开始|甲子光年
2024-09-20
周鸿祎的“慢思考”先见,领先OpenAI两个月,大模型联盟显威力
2024-09-20
滴滴新一代大模型存储架构设计与踩坑之路
2024-09-20
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
2024-07-18
2024-03-30
2024-04-26
2024-04-11
2024-05-06
2024-06-12
2024-07-09
2024-05-09
2023-07-01
2024-07-25
2024-09-20
2024-09-20
2024-09-20
2024-09-20
2024-09-20
2024-09-20
2024-09-20
2024-09-20