🏷️ 文档解析

共 7 个相关内容

🧭 导航

Unstructured.io 是 LLM 文档预处理框架，支持将 PDF、HTML、Word、图片等多种格式的非结构化数据解析并分块为 LLM 可用的结构化格式。

Mistral AI 推出的文档理解与 OCR API，精准提取文档中的文字、表格、公式与图表，支持多语言文档的高精度智能解析。

MinerU 是开源高精度文档解析工具，将 PDF、扫描件与网页智能转换为结构化 Markdown/JSON，为 RAG 与 LLM 提供干净语料。

字节跳动开源文档智能解析模型，精准识别复杂版面、公式、表格与图表，为文档问答与 RAG 提供高质量结构化数据。

Chandra 是 Datalab 出品的高精度文档 OCR 与版面理解模型，能将 PDF、扫描件与手写内容转换为结构化 Markdown，精准还原表格、公式与阅读顺序。

PDF处理一直是AI的软肋。实测ChatGPT、Claude、Mathpix、Marker、LlamaParse和Docling六款工具的PDF理解能力、表格提取精度和中文渲染表现。

合同、报表、扫描件——企业数据八成困在文档里。讲清版面分析、OCR、表格抽取、版面还原的完整流水线和选型思路。