PDF til nedmerking
Kommersiell bruk OK
380+ modeller
Intet vannmerke
Ikke nødvendig å logge inn
Modell:
+ GPT-5, Claude, Gemini
Slipp en PDF – AI konverterer den til ren GitHub- flavored Markdown med overskrifter, avsnitt, lister, tabeller og kodeblokker alle beholdte. Drivet av IBM Granite- Docling-258M (Apache 2. 0). Raskere + smartere enn ren tekstuttrekk.
Trekker ut merking som kjenner av utforming... ~5-10 s/side
Avanserte valg
Resultat
Tegn som er nesten tomt.
Hent flere symboler
❤️ Love this tool? Share it!
Tilmeld deg for å få en henvisningslenke og tjene 25.000 mynter per venn.
Vil du ha mer?
Registrer deg gratis for 30K mynter/dag + 10K bonus
Registrer deg gratis
Behandler din forespørsel...
Gjør om en PDF til ren GitHub- flavored Markdown med overskrifter, tabeller, lister og kodeblokker beholdt. Drivet av IBM Granite- Docling. Fri, ubegrenset, ingen registrering.
Bruksmåte PDF til nedmerking
1
Skriv inn dine inndata
Skriv inn tekst, last opp en fil eller beskriv hva du vil ha. Ingen konto trengs.
2
Trykk Lag
Vår AI behandler din forespørsel i sekunder med de beste open- source modellene.
3
Last ned & ressurs
Last ned, kopier eller del resultatet ditt. Gratis for personlig og kommersiell bruk.
Bruk dette verktøyet via API
Automatiser dette verktøyet fra din egen kode. OpenAI- kompatible REST endepunkt, Bearer- token auth, ikke nødvendig med ekstra SDK. Tegnkostnader stemmer med nettgrensesnittet.
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 til nedmerking tool on: ..."}]}'Tilknyttede gratis AI- verktøy
PDF til nedmerking — FAQ
Slipp inn enhver PDF og AI- en konverterer den til ren GitHub- flavored Markdown – overskrifter blir værende overskrifter, tabeller blir værende tabeller, lister bli værende lister, kodeblokker bli værende kodeblokker. Går langt lenger enn uttrekk av vanlig tekst. Dokumentets strukturelle hierarki blir bevart slik at du kan slippe utdata direkte til et docs- nettsted, en LLM RAG- rørledning eller en søkeindeks.
IBM Granite-Docling-258M (Apache 2. 0) Liten visjon- til- sekvens- modell finjustert for dokumentkonvertering basert på layout- bevissthet – slår pdftotext + mye raskere + smartere enn å kjøre en generisk visjon- språkmodell på hver side.
pdftotext er en flat dump – avsnitt og tabeller slår seg sammen til en vegg av ord. Adobe Eksportér til Word bevarer utformingen, men lager.docx + kostnader ~$15/mo. Docling bevarer SEMANTIC- strukturen (overskriftsnivåer, lister som lister, tabeller som tabeller for markering) og gir et format som LLM-er og dev- verktøy kan både forbruke lokalt.
LlamaParse og ustrukturert både har frie nivåer, men kantsider/ måned og krever en API- nøkkel. Docling-258M kjører lokalt på vår GPU + er fullt selvvertert Apache 2. 0, ingen måling per side, ingen registrering av nøkkel. Kvalitet er konkurransedyktig med Llama Parse på standarddokumenter.
Ja – tabeller kommer tilbake som riktige pipe- tabeller for Markdown. Kompleks flerkolonne- / nøstede tabeller blir flatet ut mer aggressivt (en grunnleggende grense for markering, ikke modellens feil). For perfekt tabellkvalitet støtter vi også « format=html » via API som bevarer radspenn/ kolspan.
Granite- Docling gjør OCR- steget selv – virker på både fødte og skannede PDF- er. Skannet ved nedre DPI (< 150) mister litt tekstnøyaktighet; skanner på nytt ved 200+ DPI for å få beste resultat.
De fleste LaTeX- baserte ligninger kommer gjennom som inline «$... $ » Markdown matte. For forskningspapirer med tung matte tilbyr vi også det akademiske uttrekksverktøyet (Nougat) som er spesifikt innstilt for ligninger og siteringer.
Omtrent 5-10 sekunder per side på vår H200. en 30-side rapport er ~3-5 minutter. Liten modell betyr at partier av små PDF-er i hovedsak er gratis i den daglige bassenget.
200 mynter per side, med 500 tegn. En 5- siders kontrakt = 1000 mynter. En 30- siders rapport = 6. 000 mynter. 5K daglig fri basseng dekker mest typisk bruk.
PDF – fødtdigital + skannet begge støttes. Maks. 50 MB opplasting. Andre dokumentformater (DOCX, EPUB, HTML osv.) er på veikartet, for nå å laste opp og konvertere med pdf- konverteringsverktøyet først.
Behandlet med en gang blir Utdata fra Markdown beholdt (24h anonymt / 7d betalt utløp på share- link), kilde- PDF- en slettes rett etter utpakking. Aldri brukt til trening. / privacy/ for full praksis.
Ja – POST en flerdelt « fil » til / v1/ dokument/ PDF- til- ned /. Returnerer {markdown_ url, sider, forhåndsvisning, tokens, share_ url}. Bearer auth (sk- free-...) gir 10K frie tokens/ måned. /api/ har krølleeksempelet.
Hvordan vil du vurdere dette verktøyet?