共 30 篇文章

标签：文档提取与清洗第2页

MarkItDown：微软文档智能转换工具，转换各种文件为Markdown格式

综合介绍 MarkItDown是由微软开发的一个Python工具，旨在将各种文件和办公文档转换为Markdown格式。该工具支持多种文件类型，包括PDF、PowerPoint、Word、Excel、图片（EXIF元数据和OCR）、音频（EXIF元数据和语...

2024-12-14AI工具 AI开源项目文档提取与清洗

Chunkr：使用视觉模型进行文档摄取以及根据文本段落层级智能分块的一体化服务

综合介绍 Chunkr 是一个自托管的 API，专门用于将 PDF、PPTX、DOCX 和 Excel 文件转换为适合 RAG（检索增强生成）和 LLM（大语言模型）使用的数据。该项目由 Lumina AI Inc. 开发，利用先进的视觉模型进行文档摄...

GizAI 集成主流商业化生成式AI工具，不限文本、图像、音频、视频生成工具，这一切完全免费！

GizAI 是一个集成了AI生成、笔记和云存储功能的一站式平台。用户可以通过GizAI生成图像、视频、音频、文本、角色、故事和游戏，并且可以在平台上进行协作笔记和云存储。GizAI 提供了多种AI工具，帮助用户提高生产力和创造力，同时保护用户隐私，不会在未经同意的情况下使用用户数据进行AI训练。 GizAI 由 Giz Inc. 运营，成立于 Stripe Atlas，并获得 Google for Startups Cloud、Microsoft for Startups Founders Hub、AWS Activate 和 Paddle AI LaunchPad 等项目的支持。GizAI 坚信使用先进的生成式AI技术是每个人的权力，提供免费的广告支持计划，允许用户生成、协作和分享内容。

2025-01-18

GitIngest：快速将Github代码仓库转为适合LLM理解的文本

综合介绍 GitIngest 是一个开源工具，旨在将 GitHub 代码库转化为适合大语言模型（LLM）提示的文本。通过简单的操作，用户可以将任何 GitHub 仓库的内容提取并格式化为适合 LLM 使用的文本。该工具提供了一键分析...

2024-12-12AI工具 AI开源项目文档提取与清洗

E2M：将多种文件格式转换为Markdown，轻松实现文档格式统一

综合介绍 E2M（Everything to Markdown）是一个开源的Python库，旨在将多种文件格式转换为Markdown格式。该工具支持包括doc、docx、epub、html、htm、url、pdf、ppt、pptx、mp3和m4a在内的多种文件类型。E2M采用...

2024-12-11AI工具 AI开源项目文档提取与清洗

Docling：支持多种格式文档解析并导出为Markdown和JSON，PDF支持OCR

综合介绍 Docling 是一个强大的文档解析和导出工具，支持多种文档格式，包括 PDF、DOCX、PPTX、XLSX、图像、HTML、AsciiDoc 和 Markdown。它能够将这些文档解析并导出为 HTML、Markdown 和 JSON 格式，支持嵌入和...

2024-12-09AI工具 AI开源项目 OCR 文档提取与清洗

MegaParse：解析各类型文档为LLM可用数据，完整保留文档中的表格、图片等所有信息

综合介绍 MegaParse 是一个强大且多功能的文件解析工具，专为大语言模型（LLM）的数据处理优化而设计。无论是处理文本、PDF、PowerPoint 演示文稿还是 Word 文档，MegaParse 都能轻松应对，并确保在解析过程中不...

2024-12-04AI工具 AI开源项目文档提取与清洗

ViTLP：排版复杂PDF文档提取结构化数据，视觉引导生成文本布局预训练模型

综合介绍 ViTLP（Visually Guided Generative Text-Layout Pre-training for Document Intelligence）是一个开源项目，旨在通过视觉引导的生成文本布局预训练模型提升文档智能处理能力。该项目由Veason-silverbul...

2024-12-03AI工具 OCR 文档提取与清洗