@akshay_pachaar: 将任何PDF、图像、DOCX和PPTX转换为干净的markdown。解析单个PDF很简单。解析数百万个PDF才变得棘手。
摘要
Datalab发布了Marker v2，这是一个开源的文档解析管道，可以高效地将PDF、图像、DOCX和PPTX文件转换为markdown，支持超过90种语言，并在GPU上表现出高性能。
查看缓存全文
缓存时间: 2026/08/23 23:43
将PDF、图像、DOCX和PPTX转换为干净的markdown格式。
解析单个PDF很容易，而解析数百万份文件才是真正具有挑战性的工作。
Datalab刚刚发布了Marker v2——一个解析流水线，在单张B200 GPU上最高可实现23.7页/秒的处理速度。
支持90多种语言。
完全开源。https://t.co/JgfephJ3ki
相似文章
@HowToPrompt__: 有人开源了一个工具，每秒可将PDF转换为Markdown，速度达122页。→ PDF、DOCX、PPTX、XLSX、EPUB、图像…
一个开源工具可将PDF、DOCX、PPTX、XLSX、EPUB及图像转换为Markdown，速度达122页/秒，支持表格、公式和表单，可在GPU、CPU或Mac上运行。
@opensourcelab9：致那些想将文档喂给AI的人们—— 一款工具已发布，可将Word、PowerPoint、Excel、PDF和EPUB……
一款名为anydoc的开源Rust工具已发布，可将Word、PowerPoint、Excel、PDF及其他文档格式转换为Markdown，供AI和大语言模型使用，并提供Node.js和Python绑定。
@VikParuchuri: 在这里获取 marker - https://github.com/datalab-to/marker… 快速开始：pip install marker-pdf，然后 marker /path/to/fold…
Marker 是一个开源工具，可以将 PDF、图像和其他文档格式快速准确地转换为 markdown、JSON、chunks 和 HTML，并可选择使用 LLM 增强。
@VikParuchuri: Marker 2 现已发布——在类似配置下，速度比 mineru、docling 和 liteparse 快5倍，准确度也更高。转换…
Marker 2 已发布，与 mineru、docling 和 liteparse 相比，将 PDF、图片和 DOCX 转换为 markdown 的速度快达5倍，且准确度更高。
@VikParuchuri: Marker 最初只是一个小项目，用来解析我的 PDF。如今，Datalab 项目已获得 72k GitHub 星标，每月下载量达 6M……
Vik Paruchuri 宣布，他的 PDF 解析工具 Marker 已发展为 Datalab 项目，拥有 72k GitHub 星标和每月 6M 次下载，并且他们正在招聘一位创始级开源工程师。