超强 AI 解析器：轻松处理文档、网页、音视频等 10 几种文档，高效清洗和组织你的数据！

OmniParse 是一个强大的数据转换工具，它能够将各种非结构化数据源转化为结构化、易于操作的格式。这个平台专为与生成式人工智能（GenAI）应用程序，如大语言模型的集成而设计。

无论是文档、电子表格、图片、视频、音频还是网页内容，OmniParse 都能高效地清洗和组织您的数据，使其成为适用于如检索增强生成（RAG）和模型微调等先进人工智能技术的理想输入。

近期热文

• 当 AI 遇上爬虫：让数据提取变得前所未有的简单！
• 2024 年最完整的 AI Agents 清单来了，涉及 13 个领域，上百个 Agents！
• 超强 OCR 神器：支持批量 OCR、文档识别、公式识别，离线可用、完全免费！

OmniParse 主要特点

• 支持 10 几种文件类型
• 支持将文档、多媒体和网页，转换成高质量的 Markdown 文档
• 支持表格抽取、图像提取、音视频转录（语音转文本）和网页抓取等
• 完全本地化运行，无需外部 API
• 可使用 Docker 和 Skypilot 快速部署

OmniParse 使用示例

操作界面

解析效果

OmniParse 快速上手

本机安装

注意：目前 OmniParse 只能在 Linux 的系统上运行。这是因为某些依赖项和特定系统配置与 Windows 或 macOS 不兼容。

1.克隆项目

git clone https://github.com/adithya-s-k/omniparse
cd omniparse

2.创建虚拟环境

conda create --name omniparse-venv python=3.10
conda activate omniparse-venv

3.安装依赖

poetry install
# or
pip install -e .

Docker 安装

docker pull savatar101/omniparse:0.1
# if you are running on a gpu 
docker run --gpus all -p 8000:8000 savatar101/omniparse:0.1
# else
docker run -p 8000:8000 savatar101/omniparse:0.1

启动服务器

python server.py --host 0.0.0.0 --port 8000 --documents --media --web

• --documents：加载解析和提取文档的模型（SuryaOCR 和 Florence-2）
• --media：加载 Whisper 模型，拥有转录音视频文件
• --web：配置 selenium 环境

启动 API 服务器

python main.py --host 0.0.0.0 --port 8000

当 API 服务器正常启动后，就可以通过 HTTP 请求来调用 OmniParse 服务。文档解析的使用示例如下：

1.解析 PDF 文档

curl -X POST -F "file=@/path/to/document.pdf" http://localhost:8000/parse_document/pdf

2.解析 PPT

curl -X POST -F "file=@/path/to/presentation.ppt" http://localhost:8000/parse_document/ppt

3.解析 Word

curl -X POST -F "file=@/path/to/document.docx" http://localhost:8000/parse_document/docs

4.解析图片

curl -X POST -F "image=@/path/to/image.jpg" -F "task=Caption" http://localhost:8000/parse_image/process_image

5.解析视频

curl -X POST -F "file=@/path/to/video.mp4" http://localhost:8000/parse_media/video

6.解析音频

curl -X POST -F "file=@/path/to/audio.mp3" http://localhost:8000/parse_media/audio

7.解析网页

curl -X POST -H "Content-Type: application/json" -d '{"url": "https://example.com"}' http://localhost:8000/parse_website

https://github.com/adithya-s-k/omniparse