我要投稿

基于多模态大语言模型的 PDF 转 Markdown 工具MarkPDFDown

发布日期：2025-03-19 05:01:12 浏览次数： 2345

作者：GitHubStore

微信搜一搜，关注“GitHubStore”

项目简介

基于多模态大语言模型的PDF转Markdown工具，高质量实现文档结构化转换

MarkPDFDown 是一款智能PDF转换Markdown工具，通过先进的多模态AI模型，能够将PDF文档准确转换为结构清晰的Markdown格式，保留原始文档的排版、表格、公式等复杂元素。

功能特性

PDF转Markdown
：支持任意PDF文档的格式转换
多模态理解
：利用AI理解文档结构和内容
格式保留
：完整保留标题、列表、表格等排版元素
模型定制
：支持自定义AI模型参数配置

示例演示

安装指南

conda create -n markpdfdown python=3.9conda activate markpdfdown
# 克隆仓库git clone https://github.com/jorben/markpdfdown.gitcd markpdfdown
# 安装依赖pip install -r requirements.txt

使用指南

# 设置OpenAI API密钥export OPENAI_API_KEY=<你的API密钥># 可选设置API端点export OPENAI_API_BASE=<你的API端点># 可选设置默认模型export OPENAI_DEFAULT_MODEL=<你的模型>
# 运行转换程序python main.py < tests/input.pdf > output.md

高级用法

# 转换指定页码范围python main.py 起始页码 结束页码 < tests/input.pdf > output.md

在Docker中使用

docker run -i -e OPENAI_API_KEY=<你的API密钥> -e OPENAI_API_BASE=<你的API端点> -e OPENAI_DEFAULT_MODEL=<你的模型> jorben/markpdfdown < tests/input.pdf > output.md

依赖环境

Python 3.9+
依赖库详见 requirements.txt
可访问的多模态AI模型服务

贡献指南

欢迎贡献代码！请按以下流程提交PR：

Fork 本仓库
新建功能分支（ git checkout -b feature/somefeat ）
提交修改（ git commit -m 'feat: 添加XX新功能' ）
推送分支（ git push origin feature/somefeat ）
提交Pull Request

开源协议

本项目采用 Apache License 2.0 开源协议，详见 LICENSE 文件。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-06-12

PaddleOCR 3.7 正式接入ONNX Runtime，一个参数换后端，轻量部署新选择

2026-06-11

本地部署OCR，可能是AI进单位的第一道门

2026-06-08

正式推出 Gemma 4 12B: 一款统一、免编码器的多模态模型

2026-05-30

还在用 MinerU 解析 PDF？这个 2B 小模型直接把 olmOCR-bench 刷到 87.6%，速度还快 3.68 倍

2026-05-30

Qwen-VLA：迈向通用具身智能的统一动作框架

2026-05-25

罗福莉说的“伪多Agent”，我试了OmniWork后发现，真全干专家长这样

2026-05-19

从画稿到代码，AI Agent 正在吃掉产品设计的中间环节

2026-05-16

PDF解析折腾半年，最后靠这套方案搞定了

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

刚刚！Codex 居然能直接画图了，OpenAI 凌晨甩出 Image 2.0

2026-04-22

震惊！即梦推出 CLI，Agent 一行命令生成 Seedance 2.0 视频，AI 视频井喷

2026-04-01

全解读｜智谱 GLM-5V-Turbo 发布，多模态 Coding 基模

2026-04-02

GLM-OCR技术细节全公开

2026-03-18

让“龙虾”帮你自动赚钱！OpenClaw Seedance 2.0 视频生成全攻略

2026-03-29

用Claude Code剪视频，自动去口癖、加字幕、调色，完全免费开源

2026-04-21

一个神奇的视频生成 Skills，实测，狂喜

2026-04-27

豆包「打电话」升级 Seeduplex：周围再吵，只认准你的声音

2026-04-09

千问发布Qwen3.5-Omni全模态模型，超越Gemini3.1 Pro？附实测~

2026-03-31

刚刚，李飞飞最新成果发布，手机也能跑亿级粒子的 3D 世界了｜附体验地址

2026-04-15

大家都在问

Gemini Embedding 2把多模态信息整合同一向量空间了，还需要多向量列吗？

2026-03-12

一篇文章讲清楚：到底什么是NotebookLM？除了PPT，它还能做啥？

2025-12-31

GenAI的多模态数据智能平台如何构建？

2025-08-04

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件 FDE AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部