microsoft/markitdown

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

MarkItDownは、PDF、Word、PowerPoint、Excel、画像、音声、HTML、ZIPなどのファイルを、LLMやテキスト分析で使えるようMarkdownに変換するPythonツールです。見出し、リスト、表、リンクなどの構造を保ちます。

ATFへの役立ち方

社内文書や検索した資料を、見出しや表を保ったままAIが読めるテキストにする必要があるCompany BrainとLabChinのファイル取り込み工程と比較する価値があります。

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

• Cocoon-AI/architecture-diagram-generator
  システムの説明文をダークテーマのアーキテクチャ図に変換するClaude skillです。結果はSVGを含む単独のHTMLファイルで、コピー、PNG、PDFの書き出しボタンが付いています。
• opendataloader-project/opendataloader-pdf
  PDFからMarkdown、bounding box付きのJSON、HTMLを抽出します。毎回同じ結果を出すローカルモードと、複雑なページ向けにOCRを備えたAI hybridモードがあります。タグのないPDFにタグを付け、スクリーンリーダーで読めるようにする機能もあります。
• refactoringhq/tolaria
  macOS、Windows、Linuxでマークダウンのナレッジベースを管理するデスクトップアプリです。ノートは普通のマークダウンファイルのままで、各ボールトはgitリポジトリになり、アカウントなしでオフラインで動きます。
• google/langextract
  LangExtractは、LLMを使い、ユーザーが定めた指示と例に沿って非構造テキストから構造化された情報を取り出すPythonライブラリです。取り出した項目ごとに原文の正確な位置が対応付けられ、結果をインタラクティブに確認できます。
• iamgio/quarkdown
  QuarkdownはMarkdownに、関数、変数、そしてレイアウト、数学、条件分岐、ループを備えた標準ライブラリを加えます。1つのプロジェクトを、書籍、学術論文、ナレッジベース、プレゼンテーション、Webサイトにコンパイルできます。

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。