firecrawl/pdf-inspector

外部のオープンソース リポジトリを紹介するページです。HDATFの製品ではありません。

何をするか

PDFがテキストベース、スキャン、画像ベース、混在のどれかを判定し、どのページにOCRが必要かを示すRustライブラリです。位置情報を保ってテキストを抽出し、テキストベースのPDFを表や段組みを含めてMarkdownに変換します。

ATFへの役立ち方

Company Brainが社内資料を業務とつなぐ前に、どのPDFページにOCRが必要かを見分け、表を読める形で保つ方式の参考になり得ます。

ライセンス

MIT 寛容なライセンスです。著作権表示を残せば商用利用と改変ができます。

同じ分野のリポジトリ

• firecrawl/anydoc
  Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDFのファイルをGitHub-Flavored Markdownに変換するRustライブラリで、Node.js、Python、WebAssemblyのbindingがあります。agent skillとしても配布されていますが、スキャンされたページは単独では読めません。
• chuspeeism/dashi-ppt-skill
  文書をWebプレゼンテーションに変換するagent skillで、12種類のビジュアルテーマがあります。各ページにはブラウザ上で文字、レイアウト、メディアを編集するコントロールがあり、HTML、PDF、編集可能なPPTXに書き出せます。
• hugohe3/ppt-master
  文書やテーマを、編集可能なネイティブのPowerPointスライドに変換します。図形、画面切り替え、アニメーション、グラフ、表をネイティブ要素で作り、発表者ノートからの音声ナレーションや既存の.pptxテンプレートにも対応します。
• iOfficeAI/OfficeCLI
  AI agentがOfficeをインストールせずにWord、Excel、PowerPointファイルを読み、編集し、自動化できる単一バイナリのCLIツールです。.docx、.xlsx、.pptxをHTMLやPNGにレンダリングし、agentが結果を確認して修正できるようにします。
• LaoFeng-mouse/flyingmouse-format
  FlyingMouse Formatは、オフラインで使えるWindowsデスクトップアプリです。画像、文書、表計算、スライド、PDF、音声、動画の形式を相互に変換し、OCRと一括変換にも対応しており、FFmpeg、LibreOffice、Poppler、Tesseractを同梱しています。

Trendshiftのランキングに入ったリポジトリだけを載せ、リストは候補を探すためだけに使いました。順位の数字は転載していません。説明、ライセンス、スター数は各GitHubリポジトリで確認しました。解説は私たちの判断です。これらを試験したわけではなく、上昇リストに載ったことは品質の証明ではありません。