@tom_doerr: 将文档和媒体转换为用于LLM的结构化JSON https://github.com/adithya-s-k/omniparse…

X AI KOLs Timeline 2026/05/25 20:30 工具

document-parsing json llm genai open-source data-preparation ocr

摘要

OmniParse是一个本地平台，能够接收和解析非结构化数据（文档、图像、视频、音频、Web），并将其转换为针对LLM应用（如RAG和微调）优化的结构化JSON。

将文档和媒体转换为用于LLM的结构化JSON https://t.co/Mt55t9Uuvn https://t.co/G5R6rf2eHD

查看原文

查看缓存全文

缓存时间: 2026/05/26 19:13

API端点

相似文章

X AI KOLs Timeline

OmniParse 是一个仓库，几乎能摄取任何文件并将其转换为干净、结构化的 Markdown，完全本地运行，无需外部 API，非常适合 RAG 管道和本地代理。

X AI KOLs Timeline

此工具在本地对PDF和Markdown文件进行索引，用于语义搜索和AI增强，使用Ollama进行嵌入和LLM处理，并提供CLI和MCP服务器以便与AI助手集成。

X AI KOLs Timeline

olmOCR 是来自Ai2的开源OCR工具，能够将PDF、扫描件和图像转换为干净的Markdown格式，旨在通过保留阅读顺序和处理复杂布局，为LLM流水线准备文档。

X AI KOLs Timeline

Hyper-Extract 是一款命令行工具，可将凌乱的非结构化文档转化为结构化知识，如知识图谱、超图、时间/空间图及Obsidian vault，支持本地LLM推理与MCP集成。

X AI KOLs Timeline

DeepPaperNote 是一个开源工具，可自动将学术论文转换为结构化的Obsidian笔记，处理元数据、图表和笔记生成，以支持深度阅读。