PDF କୁ Markdown କୁName
ବାଣିଜ୍ୟିକ ବ୍ୟବହାର ଠିକ ଅଛି
380+ ନମୁନା
କୌଣସି ପାନୀୟ ଚିହ୍ନ ନାହିଁ
କୌଣସି ସଦସ୍ୟତା ଆବଶ୍ୟକ ନାହିଁ
ଆକାର:
+ GPT-5, Claude, Gemini
ଗୋଟିଏ PDF ଛାଡିଦିଅନ୍ତୁ - AI ଏହାକୁ ଶୀର୍ଷକ, ଅନୁଚ୍ଛେଦ, ତାଲିକା, ସାରଣୀ, ଏବଂ ସଂକେତ ବ୍ଲକ୍ ସହିତ ସ୍ୱଚ୍ଛ GitHub-ସ୍ୱାଦଯୁକ୍ତ Markdown ରେ ପରିବର୍ତ୍ତନ କରିଥାଏ। IBM Granite-Docling-258M (Apache 2.0) ଦ୍ୱାରା ଶକ୍ତିପ୍ରାପ୍ତ। ସରଳ ପାଠ୍ୟ ଉତ୍ତୋଳନ ଅପେକ୍ଷା ଦ୍ରୁତ + ସ୍ମାର୍ଟ।
ବିନ୍ୟାସ-ସଚେତନ Markdown କୁ କାଢ଼ିବା... ~5-10 ସେକଣ୍ଡ/ପୃଷ୍ଠା
ଅଗ୍ରଗତି ବିକଳ୍ପଗୁଡ଼ିକ
ଫଳାଫଳ
ଟୋକନଗୁଡ଼ିକ କମ ହୋଇଯାଉଛି।
ଅଧିକ ଟୋକନଗୁଡ଼ିକୁ ଗ୍ରହଣ କରନ୍ତୁ
❤️ Free.aiକୁ ଭଲପାଆନ୍ତି କି? ଆପଣଙ୍କ ବନ୍ଧୁମାନଙ୍କୁ ଜଣାଇ ଦିଅନ୍ତୁ!
ରେଜିଷ୍ଟ୍ରେସନ କରନ୍ତୁ ଗୋଟିଏ ପରାମର୍ଶ ସଂଯୋଗ ପାଇବା ପାଇଁ ଏବଂ ପ୍ରତି ବନ୍ଧୁ ପାଇଁ 30,000 ଟୋକନ ଆୟ କରିବା ପାଇଁ ।
ଅଧିକ ଚାହୁଁଛନ୍ତି କି?
30K ଟୋକନ/ଦିନ + 10K ବନାମ ପାଇଁ ମୁକ୍ତ ଭାବେ ପଞ୍ଜୀକରଣ କରନ୍ତୁ
ମୁକ୍ତ ଭାବରେ ପଞ୍ଜୀକୃତ ହୁଅନ୍ତୁ
ଆପଣଙ୍କର ଅନୁରୋଧକୁ ପ୍ରକ୍ରିୟାକରଣ କରୁଅଛି...
କୌଣସି PDF କୁ ଶୀର୍ଷକ, ସାରଣୀ, ତାଲିକା, ଏବଂ ସଂକେତ ବ୍ଲକ୍ ସହିତ ସ୍ୱଚ୍ଛ GitHub-ସ୍ୱାଦଯୁକ୍ତ Markdown ରେ ପରିବର୍ତ୍ତନ କରନ୍ତୁ। IBM Granite-Docling ଦ୍ୱାରା ଶକ୍ତିପ୍ରାପ୍ତ। ମୁକ୍ତ, ଅଣସୀମିତ, କୌଣସି ସଦସ୍ୟତା ନାହିଁ।
କିପରି ବ୍ୟବହାର କରିବେ PDF କୁ Markdown କୁName
1
ଆପଣଙ୍କର ନିବେଶ ଭରଣ କରନ୍ତୁ
ପାଠ୍ୟ ଟାଇପ କରନ୍ତୁ, ଗୋଟିଏ ଫାଇଲକୁ ଅଦ୍ୟତନ କରନ୍ତୁ, କିମ୍ବା ଆପଣ ଯାହା ଚାହୁଁଛନ୍ତି ତାହା ବର୍ଣ୍ଣନା କରନ୍ତୁ। କୌଣସି ଖାତା ଆବଶ୍ୟକ ନାହିଁ।
2
ନିର୍ମାଣ କରନ୍ତୁ
ଆମର ଏଆଇ ଶ୍ରେଷ୍ଠ ମୁକ୍ତ ଉତ୍ସ ମଡେଲ ବ୍ୟବହାର କରି ଆପଣଙ୍କ ଅନୁରୋଧକୁ ସେକେଣ୍ଡରେ ପ୍ରକ୍ରିୟା କରିଥାଏ ।
3
ଆହରଣ କରନ୍ତୁ ଏବଂ ଭାଗିଦାରୀ କରନ୍ତୁ
ଆପଣଙ୍କର ଫଳାଫଳକୁ ଆହରଣ କରନ୍ତୁ, ନକଲ କରନ୍ତୁ, କିମ୍ବା ବଣ୍ଟନ କରନ୍ତୁ । ବ୍ୟକ୍ତିଗତ ଏବଂ ବାଣିଜ୍ୟିକ ବ୍ୟବହାର ପାଇଁ ମୁକ୍ତ ।
API ମାଧ୍ୟମରେ ଏହି ସାଧନକୁ ବ୍ୟବହାର କରନ୍ତୁ
ଏହି ସାଧନକୁ ଆପଣଙ୍କର ନିଜ କୋଡରୁ ସ୍ୱୟଂଚାଳିତ କରନ୍ତୁ। OpenAI-ସଂଗତିପୂର୍ଣ୍ଣ REST ଶେଷ ବିନ୍ଦୁ, Bearer-token auth, କୌଣସି ଅତିରିକ୍ତ SDK ଆବଶ୍ୟକ ନାହିଁ। ଟୋକନ ମୂଲ୍ୟ ୱେବ ଅନ୍ତରାପୃଷ୍ଠ ସହିତ ମେଳ ଖାଉଛି।
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 କୁ Markdown କୁName tool on: ..."}]}'ସମ୍ବନ୍ଧିତ ମୁକ୍ତ AI ସାଧନଗୁଡ଼ିକName
PDF କୁ Markdown କୁName - FAQ
କୌଣସି PDF କୁ ପକାନ୍ତୁ ଏବଂ AI ଏହାକୁ ସ୍ୱଚ୍ଛ GitHub-ସ୍ୱାଦଯୁକ୍ତ Markdown ରେ ପରିବର୍ତ୍ତନ କରିଥାଏ - ଶୀର୍ଷକ ଶୀର୍ଷକ ରହିଥାଏ, ସାରଣୀ ସାରଣୀ ରହିଥାଏ, ତାଲିକା ତାଲିକା ରହିଥାଏ, କୋଡ ବ୍ଲକ୍ କୋଡ ବ୍ଲକ୍ ରହିଥାଏ। ସରଳ ପାଠ୍ୟ ଉତ୍ତୋଳନଠାରୁ ଅଧିକ ଯାଏ; ଦଲିଲର ଢାଞ୍ଚାଗତ ସ୍ତରବିନ୍ୟାସକୁ ସଂରକ୍ଷିତ କରାଯାଏ ତେଣୁ ଆପଣ ନିର୍ଗମକୁ ସିଧାସଳଖ ଗୋଟିଏ Docs ସାଇଟ, ଗୋଟିଏ LLM RAG ପାଇପଲାଇନ, କିମ୍ବା ଗୋଟିଏ ସନ୍ଧାନ ସୂଚକକୁ ପକାନ୍ତୁ।
IBM Granite-Docling-258M (Apache 2.0). ଛୋଟ ଦୃଶ୍ୟ-ରୁ-କ୍ରମ ମଡେଲ ବିନ୍ୟାସ-ସଚେତନ ଦଲିଲ ପରିବର୍ତ୍ତନ ପାଇଁ ଭଲ ଭାବରେ ସଜେଇ ହୋଇଛି - pdftotextକୁ ପରାସ୍ତ କରିଥାଏ + ପ୍ରତ୍ୟେକ ପୃଷ୍ଠାରେ ଗୋଟିଏ ସାଧାରଣ ଦୃଶ୍ୟ-ଭାଷା ମଡେଲ ଚଲାଇବା ଅପେକ୍ଷା ଅଧିକ ଦ୍ରୁତ + ସ୍ମାର୍ଟ।
pdftotext ଗୋଟିଏ ଫ୍ଲାଟ ଡମ୍ପ - ଅନୁଚ୍ଛେଦ ଏବଂ ସାରଣୀଗୁଡ଼ିକ ଶବ୍ଦଗୁଡ଼ିକର ଗୋଟିଏ ଛାତକୁ ଖସିଯାଏ। Adobe Export to Word ଲେଆଉଟକୁ ସଂରକ୍ଷଣ କରେ କିନ୍ତୁ.docx + ଉତ୍ପାଦନ କରେ ~$15/ମାସ। Docling SEMANTIC ଢାଞ୍ଚାକୁ ସଂରକ୍ଷଣ କରେ (ଶୀର୍ଷକ ସ୍ତର, ତାଲିକାଗୁଡ଼ିକ ତାଲିକାଗୁଡ଼ିକ, ସାରଣୀଗୁଡ଼ିକ Markdown ସାରଣୀଗୁଡ଼ିକ) ଏବଂ ଗୋଟିଏ ଶୈଳୀ LLMs ଏବଂ dev ସାଧନଗୁଡ଼ିକ ଉଭୟ ସ୍ଥାୟୀ ଭାବରେ ଖର୍ଚ୍ଚ କରିପାରିବେ।
LlamaParse ଏବଂ unstructured ଉଭୟ ମୁକ୍ତ ସ୍ତର ଅଛି କିନ୍ତୁ ପୃଷ୍ଠା/ମାସରେ କପ ଏବଂ API କି ଆବଶ୍ୟକ। Docling-258M ଆମ GPU + ରେ ସ୍ଥାନୀୟ ଭାବରେ ଚାଲୁଛି, ଏହା ସମ୍ପୂର୍ଣ୍ଣ ସ୍ୱୟଂ-ହୋଷ୍ଟ ଆପାଚି 2.0, କୌଣସି ପ୍ରତି-ପୃଷ୍ଠା ମିଟରିଂ ନାହିଁ, କୌଣସି କି ସଙ୍ଗୀକରଣ ନାହିଁ। ମାନକ ଦଲିଲରେ LlamaParse ସହିତ ଗୁଣବତ୍ତା ପ୍ରତିଯୋଗୀତାପୂର୍ଣ୍ଣ।
ହଁ - ସାରଣୀଗୁଡ଼ିକ ଠିକ Markdown ପାଇପ-ସାରଣୀଗୁଡ଼ିକ ଭାବରେ ଫେରି ଆସେ। ଜଟିଳ ବହୁ-ସ୍ତମ୍ଭ / ନିବେଶିତ ସାରଣୀଗୁଡ଼ିକ ଅଧିକ ଆକ୍ରମଣାତ୍ମକ ଭାବରେ ସଫା ହୋଇଥାଏ (ଏହା ଏକ ମୂଳ Markdown ସୀମା, ନମୂନାର ତ୍ରୁଟି ନୁହେଁ)। ସମ୍ପୂର୍ଣ୍ଣ ସାରଣୀ ବିଶ୍ୱସ୍ତ ପାଇଁ, ଆମେ API ମାଧ୍ୟମରେ `format=html`କୁ ସମର୍ଥନ କରୁଛୁ ଯାହା ଧାଡ଼ିସୀମା/ସ୍ତମ୍ଭସୀମାକୁ ସଂରକ୍ଷଣ କରିଥାଏ।
ଗ୍ରେନାଇଟ-ଡକ୍ଲିଙ୍ଗ OCR ପଦକ୍ଷେପକୁ ନିଜେ କରେ - ଜନ୍ମ-ଡିଜିଟାଲ ଏବଂ ସ୍କାନିତ PDFs ଉପରେ ସମାନ ଭାବରେ କାମ କରେ। ନିମ୍ନ DPI (<150) ରେ ସ୍କାନିତ ପାଠ୍ୟ ସଠିକତା ହରାଇଥାଏ; ଶ୍ରେଷ୍ଠ ଫଳାଫଳ ପାଇଁ 200+ DPI ରେ ପୁନଃସ୍କାନ କରନ୍ତୁ।
ଅଧିକାଂଶ LaTeX-ପ୍ରଦର୍ଶିତ ସମୀକରଣଗୁଡ଼ିକ ଇନଲାଇନ୍ `$...$` Markdown ଗଣିତ ଭାବରେ ଆସନ୍ତି। ଗବେଷଣା କାଗଜଗୁଡ଼ିକ ପାଇଁ ଯଥାର୍ଥ ଗଣିତ ସହିତ, ଆମେ ମଧ୍ୟ ଶିକ୍ଷାଗତ-କାଗଜ-ଉତ୍ପାଦନ ସାଧନ (Nougat) ପ୍ରଦାନ କରୁଛୁ ଯାହାକି ସମୀକରଣ ଏବଂ ଉଲ୍ଲେଖ ପାଇଁ ବିଶେଷ ଭାବରେ ସଜଡ଼ାଯାଇଛି।
ଆମର H200ରେ ପ୍ରତି ପୃଷ୍ଠାରେ ପ୍ରାୟ 5-10 ସେକେଣ୍ଡ । ଏକ 30-ପୃଷ୍ଠା ବିବରଣୀ ~3-5 ମିନିଟ । ଛୋଟିଆ ମଡେଲର ଅର୍ଥ ହେଉଛି ଛୋଟିଆ PDFର ବସ୍ତାଗୁଡ଼ିକ ଦୈନିକ ପୁଲରେ ମୂଳତଃ ମୁକ୍ତ ।
ପ୍ରତି ପୃଷ୍ଠାରେ 200 ଟୋକନ, 500-ଟୋକନ ଫ୍ରେମ ସହିତ। ଗୋଟିଏ5ପୃଷ୍ଠା କଣ୍ଟ୍ରାକ୍ଟ = 1,000 ଟୋକନ। ଗୋଟିଏ 30-ପୃଷ୍ଠା ରିପୋର୍ଟ = 6,000 ଟୋକନ। 30K ଦିନିକିଆ ମୁକ୍ତ ପୁଲ ଅଧିକାଂଶ ସାଧାରଣ ବ୍ୟବହାରକୁ କବର ଦେଇଥାଏ।
PDF — born-digital + scanned ଉଭୟ ସମର୍ଥିତ। ସର୍ବାଧିକ 50 MB ଅପଲୋଡ କରନ୍ତୁ। ଅନ୍ୟ ଦଲିଲ ଶୈଳୀଗୁଡ଼ିକ (DOCX, EPUB, HTML, ଇତ୍ୟାଦି) ରୋଡମେପରେ ଅଛି; ବର୍ତ୍ତମାନ ପାଇଁ pdf- ପରିବର୍ତ୍ତନ ସାଧନ ସହିତ ପ୍ରଥମେ ଅପଲୋଡ-ଆଣ୍ଡ-ରୂପାନ୍ତର କରନ୍ତୁ।
ତୁରନ୍ତ ପ୍ରକ୍ରିୟାକରଣ, Markdown ନିର୍ଗମ ରଖାଯାଇଛି (24h ଅଜ୍ଞାତ / 7d ପୈଠିତ ଅଂଶଧନ-ସଂଯୋଗ ଅବଧି), ଉତ୍ସ PDF କୁ କାଢ଼ିବା ପରେ ତୁରନ୍ତ ଅପସାରଣ କରାଯାଏ। ପ୍ରଶିକ୍ଷଣ ପାଇଁ କେବେବି ବ୍ୟବହାର କରନ୍ତୁ ନାହିଁ। ସମ୍ପୂର୍ଣ୍ଣ ନୀତି ପାଇଁ /privacy/।
ହଁ — /v1/document/pdf-to-markdown/ କୁ ଏକ ବହୁଭାଗୀୟ `ଫାଇଲ` POST କରନ୍ତୁ। {markdown_url, ପୃଷ୍ଠା, ପ୍ରାକଦର୍ଶନ, ଟୋକନ, share_url} ଫେରାଇଥାଏ। ଧାରକ ପ୍ରାଧିକରଣ (sk-free-…) 10K ମୁକ୍ତ ଟୋକନ/ମାସ ଦେଇଥାଏ। /api/ ରେ କର୍ଲ ଉଦାହରଣ ଅଛି।
ଆପଣ ଏହି ଉପକରଣକୁ କିପରି ମାନ ଦେବେ?