PDF προς Markdown
Εμπορική χρήση OK
380+ μοντέλα
Χωρίς υδατογράφημα
Δεν χρειάζεται εγγραφή.
Υπόδειγμα:
+ GPT-5, Claude, Gemini
Drop a PDF — AI converts it into clean GitHub-flavored Markdown with headings, paragraphs, lists, tables, and code blocks all preserved. Powered by IBM Granite-Docling-258M (Apache 2.0). Faster + smarter than plain text extraction.
Εκχύλιση διάταξης-aware Markdown... ~5-10 sec/page
Προηγμένες επιλογές
Αποτέλεσμα
Ο Τόκενς τελειώνει.
Αποκτήστε Περισσότερα Τόκεν
Θέλεις κι άλλο;
ΕΓΓΡΑΦΕΙΤΕ δωρεάν για 30K μάρκες/ημέρα + 10K μπόνους
Εγγραφή δωρεάν
Επεξεργάζεται το αίτημά σας...
Μετατρέψτε οποιοδήποτε PDF σε καθαρό GitHub-γεύση Markdown με επικεφαλίδες, πίνακες, λίστες, και code blocks διατηρούνται.
Πώς να χρησιμοποιήσετε το φάρμακο PDF προς Markdown
1
Εισάγετε την εισαγωγή σας
Πληκτρολογήστε το κείμενο, ανεβάστε ένα αρχείο, ή περιγράψτε τι θέλετε.
2
Κάντε κλικ στη δημιουργία
Η ΤΝ μας επεξεργάζεται το αίτημά σας σε δευτερόλεπτα χρησιμοποιώντας τα καλύτερα μοντέλα ανοικτού κώδικα.
3
Κατεβάστε & μερίδιο
Κατεβάστε, αντιγράψτε ή μοιραστείτε το αποτέλεσμα σας. Δωρεάν για προσωπική και εμπορική χρήση.
Χρησιμοποιήστε αυτό το εργαλείο μέσω API
Αυτόματη επεξεργασία αυτού του εργαλείου από το δικό σας κώδικα. OpenAI συμβατό σημείο REST, Bearer-token auth, δεν απαιτείται επιπλέον SDK. Token κόστος ταιριάζει με τη διεπαφή ιστού.
curl -X POST https://api.free.ai/v1/chat/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model": "qwen7b", "messages": [{"role": "user", "content": "Use the PDF προς Markdown tool on: ..."}]}'Σχετικά Δωρεάν εργαλεία ΤΝ
PDF προς Markdown — FAQ
Drop in any PDF and the ΤΝ converts it into clean GitHub-lavored Markdown __ heads stay heads, tables stay lists, code blocks stay code code blocks. Πηγαίνει πολύ πέρα από την απλή εξαγωγή κειμένου, η δομική ιεραρχία του εγγράφου διατηρείται έτσι ώστε να μπορείτε να ρίξετε την έξοδο κατευθείαν σε μια ιστοσελίδα docs, έναν αγωγό LLM RAG, ή ένα δείκτη αναζήτησης.
IBM Granite-Docling-258M (Apache 2.0). Μικροσκοπικό μοντέλο όρασης-προς-ακολουθία fine-tuned for layout-aware document conversion - beats pdftotext + πολύ γρηγορότερο + πιο έξυπνο από το να τρέχει ένα γενικό μοντέλο όρασης-γλωσσικής σε κάθε σελίδα.
Το Adobe Export to Word διατηρεί τη διάταξη αλλά παράγει.docx + κόστος ~15$mo. Το Dockling διατηρεί τη δομή SEMANTIC (επίπεδα επικεφαλίδας, λίστες ως πίνακες, πίνακες ως πίνακες Markdown) και τις εξόδους μια μορφή LLMs και dev εργαλεία μπορούν και τα δύο να καταναλώνουν εγγενώς.
LlamaParse and unstructed both have free stages but cap pages/month and require an API key. Dockling-258M runs local on our GPU + is fully self-hosted Apache 2.0, no per-page measurement, no key signup. Η ποιότητα είναι ανταγωνιστική με LlamaParse on standard documents.
Ναι, οι πίνακες έρχονται πίσω ως κατάλληλα τραπέζια σωλήνων Markdown. Συγκρότημα πολλαπλών στηλών / ένθετα τραπέζια ισοπεδώνονται πιο επιθετικά (ένα θεμελιώδες περιορισμό Markdown, όχι το σφάλμα του μοντέλου).
Το Granite-Docling κάνει το ίδιο το βήμα OCR □ λειτουργεί σε γεννημένα-ψηφιακά και σαρωμένα PDFs, όπως και. Σκαναρισμένη σε χαμηλότερη DPI (<150) χάνει κάποια ακρίβεια κειμένου; rescan σε 200+ DPI για καλύτερα αποτελέσματα.
Οι περισσότερες εξισώσεις LaTeX-κατανεμημένες έρχονται μέσω ως inline ~$...$ ~ Markdown μαθηματικά. Για τα ερευνητικά έγγραφα με βαριά μαθηματικά, προσφέρουμε επίσης το ακαδημαϊκό-χαρτί-εξαγωγή εργαλείο (Nougat) το οποίο είναι ειδικά συντονισμένο για εξισώσεις και αναφορές.
Περίπου 5-10 δευτερόλεπτα ανά σελίδα στο H200 μας. Μια έκθεση 30 σελίδων είναι ~3-5 λεπτά. Μικροσκοπικό μοντέλο σημαίνει παρτίδες μικρών PDFs είναι ουσιαστικά δωρεάν στην καθημερινή πισίνα.
200 μάρκες ανά σελίδα, με 500-token όροφο. Ένα συμβόλαιο 5 σελίδων = 1.000 μάρκες. Μια έκθεση 30 σελίδων = 6.000 μάρκες. Η καθημερινή δωρεάν πισίνα 5K καλύπτει την πιο τυπική χρήση.
Max 50 MB upload. Άλλες μορφές εγγράφων (DOCX, EPUB, HTML κ.λπ.) είναι στον χάρτη πορείας? για τώρα upload-and-convert με το εργαλείο μετατροπής pdf πρώτα.
Επεξεργάζεται αμέσως, η έξοδος Markdown διατηρείται (24η ανώνυμη / 7d πληρωμένη λήξη μετοχή-σύνδεσμο), η πηγή PDF διαγράφεται αμέσως μετά την εξαγωγή. Ποτέ δεν χρησιμοποιείται για την εκπαίδευση. /ιδιωτικότητα / για την πλήρη πολιτική.
Επιστρέφει {markdown_url, σελίδες, προεπισκόπηση, μάρκες, share_url}. Bearer auth (sk-free-...) δίνει 10K δωρεάν μάρκες / μήνα. /api/ έχει το παράδειγμα curl.
Πώς θα αξιολογούσες αυτό το εργαλείο;