run-llama/liteparse

외부 오픈소스 저장소를 소개하는 글입니다. HDATF 제품이 아닙니다.

무엇을 하나

클라우드 서비스나 LLM 기능 없이 로컬에서 PDF 텍스트를 위치 정보, bounding box와 함께 추출하는 파서입니다. Tesseract OCR을 포함하고, 외부 OCR 서버를 연결할 수 있으며, 문서에 더 무거운 파싱이 필요한지 확인합니다.

ATF에 주는 도움

Company Brain이 PDF 자료를 읽어 들이는 방식과 LabChin이 검색한 자료에서 텍스트를 뽑는 과정에 참고할 수 있습니다. 어떤 문서에 OCR이 필요한지 가려내는 기능은 스캔 문서와 디지털 문서가 섞인 경우에 비교해 볼 만합니다.

라이선스

Apache-2.0 허용 범위가 넓고 특허 사용 허락이 포함됩니다. 상업적 이용이 가능하며 고지 문구를 유지하고 변경 사실을 밝혀야 합니다.

같은 분야 저장소

• opendatalab/MinerU
  PDF, Office 파일, 스캔한 문서 이미지 등을 LLM과 agent workflow에서 쓸 수 있는 Markdown이나 JSON으로 바꿉니다. 4.0 버전은 파싱, 로컬 문서 라이브러리, 서비스 도구를 한 흐름으로 묶었고, 빠른 미리보기부터 까다로운 레이아웃까지 파싱 수준을 여러 단계로 나눠 제공합니다.
• docusealco/docuseal
  온라인에서 작성하고 서명하는 PDF 양식을 만드는 오픈소스 self-hosted 도구입니다. WYSIWYG 필드 편집기, 문서 하나에 여러 제출자 지정, PDF 서명 검증, API와 webhook을 지원합니다.
• baidu/Unlimited-OCR
  one-shot long-horizon parsing을 목표로 한 OCR 모델로, DeepSeek-OCR을 한 단계 더 발전시키려 합니다. NVIDIA GPU에서 Hugging Face Transformers로, 또는 vLLM으로 추론하고 ms-swift로 학습할 수 있습니다.
• iamgio/quarkdown
  Quarkdown은 Markdown에 함수, 변수, 그리고 레이아웃, 수학 기능, 조건문, 반복문을 담은 표준 라이브러리를 더합니다. 하나의 프로젝트를 책, 학술 논문, 지식 베이스, 발표 자료, 웹사이트로 컴파일할 수 있습니다.
• langchain-ai/openwiki
  OpenWiki는 agent가 코드베이스나 개인 자료를 읽고 서로 링크된 Markdown wiki를 써서, 변경이 있을 때마다 최신으로 유지하는 CLI입니다. 핵심 사실을 버전이 붙은 원본 근거와 연결해 추적합니다.

Trendshift 순위 목록에 오른 저장소만 담았고, 목록은 후보를 찾는 데만 썼습니다. 순위 숫자는 옮기지 않았습니다. 설명과 라이선스, 별 수는 각 GitHub 저장소에서 확인했습니다. 해설은 우리의 판단입니다. 이 프로젝트들을 직접 시험한 것은 아니며, 상승 목록에 올랐다고 품질이 증명되지는 않습니다.