pdf-to-markdown

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。

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。

KyrieCheungYep 发布了一个名为 ky-markdown-rebuilder 的 Skill，专门将 PDF、PPT 等视觉文档重建成结构可靠的 Markdown，以提升 AI 对复杂文档的阅读理解能力。

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。

开源 PDF 解析器 OpenDataLoader，每秒可转换 100 页为 Markdown，纯 CPU 运行，免费且开源，由 PDF 协会和 veraPDF 团队开发，在基准测试中排名第一。

docext是一个本地部署的工具包，无需OCR即可将图像和PDF转换为Markdown，利用视觉语言模型。它还引入了Nanonets-OCR-s，一个紧凑的3B参数模型，用于高效的图像到Markdown转换。