opendatalab/MinerU

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、Officeファイル、スキャンした文書画像などを、LLMやagentのworkflowで使えるMarkdownまたはJSONに変換します。バージョン4.0では解析、ローカル文書ライブラリ、サービスツールを一つの流れにまとめ、高速なプレビューから複雑なレイアウトまで解析レベルを段階的に用意しています。

ATFへの役立ち方

Company BrainとLabChinでは、社内ファイルや研究資料を扱えるテキストに変換する必要があります。MinerUが表や数式を解析し、出典を引用するためにページとブロックの位置を安定して残す方法は参考になり得ます。

ライセンス

独自ライセンス 標準ではない独自ライセンスです。再利用の前にライセンスファイルを確認してください。

同じ分野のリポジトリ

• baidu/Unlimited-OCR
  one-shot long-horizon parsingを目指すOCRモデルで、DeepSeek-OCRをさらに一歩進めようとしています。NVIDIA GPU上のHugging Face Transformers、またはvLLMで推論でき、ms-swiftで学習もできます。
• run-llama/liteparse
  クラウドサービスやLLM機能を使わず、ローカルでPDFのテキストを位置情報とバウンディングボックス付きで抽出するパーサーです。Tesseract OCRを同梱し、外部のOCRサーバーも呼び出せ、文書により重い解析が必要かを判定します。
• langchain-ai/openwiki
  OpenWikiは、agentがコードベースや個人の資料を読み、相互にリンクしたMarkdownのwikiを書いて、変更のたびに最新の状態に保つCLIです。主要な事実をバージョン付きの元資料の根拠にひもづけて追跡します。
• docusealco/docuseal
  オンラインで記入と署名ができるPDFフォームを作る、オープンソースのself-hostedツールです。WYSIWYGのフィールド編集機能、1つの文書への複数の提出者、PDF署名の検証、APIとwebhookに対応しています。
• 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。

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。