मार्कडाउन करीता PDFName
व्यावसायिक वापर OK
३८० पर्यंत होता.
वॉटरमार्क नाही
नोंदणीची गरज नाही
नमूना:
+ GPT-5, Claude, Gemini
PDF टाकणे — एआय हे GitHub- स्वाद मार्कडाउन मध्ये बदलते ज्यात शीर्षके, अनुच्छेद, यादी, तक्ता, आणि कोड ब्लॉक सर्व संरक्षित असतात. IBM Granite-Docling-258M (Apache 2.0) द्वारे चालविले जाते. साध्या पाठ्य काढण्यापेक्षा जलद + स्मार्ट.
रचना-जाणणारे मार्कडाउन काढून टाकते... ~5-10 सेकंद/पान
प्रगत पर्याय
परिणाम
टोकन कमी होत आहे.
अधिक टोकन मिळवा
❤️ Free.ai ला आवडते?
नोंदणी करा एक संदर्भ लिंक मिळविण्यासाठी आणि प्रत्येक मित्रासाठी २५,००० टोकन मिळविण्यासाठी.
आणखी हवं का?
30K टोकन / दिवस + 10K बोनस मोफत नोंदणी
नोंदणी करा
तुमची विनंती प्रक्रिया करीत आहे...
कोणत्याही PDF ला स्वच्छ GitHub-फ्लेवरेड मार्कडाउन मध्ये बदलवा ज्यात शीर्षके, तक्ता, यादी, आणि कोड ब्लॉक संरक्षित आहेत. IBM Granite-Docling द्वारे चालविले जाते. मोफत, असीमित, नोंदणी नाही.
कसे वापरावे मार्कडाउन करीता PDFName
1
तुमचे इनपुट प्रविष्ट करा
पाठ्य टाइप करा, फाइल अपलोड करा, किंवा तुम्हाला काय हवे ते वर्णन करा. ॲकाऊंटची गरज नाही.
2
क्लिक करा निर्माण करा
सर्वोत्तम खुल्या स्रोत मॉडेलचा वापर करून आमचे एआय तुमच्या विनंतीची प्रक्रिया सेकंदात करते.
3
डाउनलोड करा व शेअर करा
डाउनलोड, प्रतिकृत करा किंवा तुमचे परिणाम शेअर करा. वैयक्तिक व व्यावसायिक वापरासाठी मोफत.
API द्वारे हे साधन वापरा
आपल्या स्वतःच्या कोड पासून हे साधन स्वचालन करा. OpenAI-सुसंगत REST अंतबिंदू, Bearer-token auth, अतिरिक्त SDK आवश्यक नाही. टोकन किंमती वेब इंटरफेसशी जुळतात.
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 मार्कडाउन करीता PDFName tool on: ..."}]}'मार्कडाउन करीता PDFName — FAQ
कोणत्याही PDF मध्ये टाका आणि एआय ते स्वच्छ GitHub- स्वाद मार्कडाउन मध्ये रूपांतरित करते - शीर्षके शीर्षके राहतील, तालिका तालिका राहील, यादी यादी राहील, कोड ब्लॉक कोड ब्लॉक राहील. साध्या पाठ्य काढण्यापेक्षा जास्त जातो; दस्तऐवजाची संरचनात्मक पदोन्नती संरक्षित आहे जेणेकरून तुम्ही आऊटपुट थेट डॉक्स साइटमध्ये टाकू शकता, एक LLM RAG पाइपलाइन, किंवा एक शोध इन्डेक्स.
IBM Granite-Docling-258M (Apache 2.0). लहान दृश्य- ते- क्रमांक मॉडेल लेआउट-जाणते दस्तऐवज रूपांतरण करीता सुसंगत केले गेले आहे - प्रत्येक पानावर सामान्य दृश्य- भाषा मॉडेल चालविण्यापेक्षा pdftotext + खूपच जलद + स्मार्ट आहे.
ऍडोब एक्सपोर्ट टू वर्ड लेआउट संरक्षित करते परंतु.docx + किंमत ~ $ 15 / mo. डॉकलिंग सेमेन्टिक रचना (शीर्षक स्तर, यादीप्रमाणे यादी, मार्कडाउन टेबल म्हणून टेबल) संरक्षित करते आणि एक स्वरूप एलएलएम आणि डेव्ह टूल्स दोन्ही नैसर्गिकपणे वापरू शकतात.
LlamaParse आणि अव्यवस्थित दोन्ही मोफत स्तर आहेत, परंतु पृष्ठ / महिन्यात कव्हर आणि API कि आवश्यक आहे. डॉकलिंग-258M आमच्या GPU + वर स्थानिकरित्या चालते पूर्णपणे स्वयं-होस्ट अपाचे 2.0, नाही प्रति-पृष्ठ मोजणी, नाही की साइन अप.
होय — तक्त्या योग्य मार्कडाउन पाइप-तक्त्या म्हणून परत येतात. जटिल बहु-स्तंभ / नेस्टेड तक्त्या अधिक आक्रमकपणे समतल केल्या जातात (एक मूलभूत मार्कडाउन मर्यादा, नमुना दोष नाही). पूर्ण तक्ता विश्वासार्हतेसाठी, आम्ही `format=html` API द्वारे समर्थन देतो जे rowspan/colspan संरक्षित करते.
ग्रॅनाईट- डॉकलिंग स्वतःच OCR चरण करते - जन्म- डिजिटल AND स्कॅन PDFs वर कार्य करते. कमी DPI वर स्कॅन केले (< 150) काही पाठ्य अचूकता गमावते; सर्वोत्तम परिणाम करीता 200+ DPI वर पुन्हा स्कॅन करा.
बहुतेक LaTeX- रेंडर्ड समीकरणे इनलाईन `$... $` मार्कडाउन गणित म्हणून येतात. गणिताच्या मोठ्या कागदपत्रांसाठी, आम्ही शैक्षणिक- कागदपत्र- काढून टाकण्याचे साधन (Nougat) देखील पुरवितो जे समीकरणे व उद्धरण करीता विशेषतः सुसंगत आहे.
आमच्या H200 वर प्रत्येक पानावर 5-10 सेकंद. 30-पेजचा अहवाल ~3-5 मिनिटांचा आहे. लहान मॉडेलचा अर्थ असा की छोट्या पीडीएफचे बॅच दैनंदिन पूलमध्ये मोफत आहेत.
५००० पेक्षा जास्त प्रेक्षक क्षमता असलेली ही स्टेडियम ५,००० प्रेक्षक क्षमतेची असून, त्याचे बांधकाम २००६ साली पूर्ण झाले.
PDF — born-digital + scanned दोन्ही समर्थित. कमाल 50 MB अपलोड. इतर दस्तऐवज स्वरूप (DOCX, EPUB, HTML, इत्यादी) मार्गदर्शक तत्त्वांवर आहेत; आता प्रथम pdf-संवर्तन साधनासह अपलोड-आणि-बदला.
नंतर मार्कdown आऊटपुट ठेवले जाते (24 तास अनामिक /7दिवस विनामूल्य शेअर- लिंक संपली), स्त्रोत PDF काढून टाकल्यानंतर लगेचच काढून टाकले जाते. कधीही प्रशिक्षणासाठी वापरले जात नाही. पूर्ण धोरणासाठी /privacy/.
Yes — POST a multipart `file` to /v1/document/pdf-to-markdown/. Returns {markdown_url, pages, preview, tokens, share_url}. Bearer auth (sk-free-…) gives 10K free tokens/month. /api/ has the curl example.
तुम्ही या साधनास कसे मूल्यांकन द्याल?