markitdown
191kהופך PDF, Word, Excel, PowerPoint ותמונות למרקדאון נקי שהמודל קורא בלי לאבד את המבנה.
לא הרצנו בעצמנו: התיאור לפי התיעוד והמאגר.
במספרים
רישיון
מה זה
הבעיה מוכרת לכל מי שהאכיל מודלים במסמכים: PDF מבפנים שומר לא טקסט אלא קואורדינטות של תווים על הדף. תמסרו קובץ כזה ישירות, והטבלה תתפרק, הכותרות יתערבבו בכיתובים, וסדר העמודות ייקבע במזל. markitdown של Microsoft ממיר את המסמך למרקדאון ושומר על המבנה: כותרות נשארות כותרות, טבלאות נשארות טבלאות, רשימות נשארות רשימות.
מכאן המודל קורא את המסמך כמו שאדם קורא אותו, ולא כזרם מילים. המשימה "תן למודל לקרוא את המסמך הזה" עולה כל הזמן, וכאן היא נפתרת בכלי אחד שרץ מקומית. המסמכים לא הולכים לשום מקום, וזה חשוב כשמדובר בחוזים או בייצוא מהמסד שלכם.
איך זה בנוי
PDF, Office
PDF, Word, Excel, PowerPoint, HTML ו-EPub הופכים למרקדאון עם כותרות, טבלאות ורשימות.
images
טקסט מתמונות נשלף בזיהוי טקסט.
audio
אודיו מתומלל לטקסט.
ZIP, YouTube
מטפל בארכיוני ZIP ובקישורי YouTube.
MCPלסוכנים
יש שרת MCP, אם עדיף למסור את ההמרה לסוכן במקום להריץ ידנית; הכלי עצמו מותקן דרך pip.
תגובות