PDF'дан Markdown'га
Тижорат мақсадларида фойдаланиш мумкин
380+ моделлар
Сув белгиси йўқ
Қўшилиш талаб этилмайди
Модель:
+ GPT-5, Claude, Gemini
PDF'ни ташлаш — AI уни бошлиқлар, абзацлар, рўйхатлар, жадваллар ва код блоклари сақланган ҳолда GitHub-га ўхшаш Markdown'га айлантиради. IBM Granite-Docling-258M (Apache 2.0) билан ишлайди. Оддий матн ажратишдан тезроқ + ақллироқ.
Маркdown кўриниш-эҳтиёткорлиги ажратилмоқда… ~5-10 сек/саҳифа
Олдинги параметрлар
Натижа
Токенлар тугади.
Яна теги олиш
❤️ Free.aiни севасанми? Дўстларингга айт!
Реферал ҳавола олиш ва ҳар бир дўст учун 25,000 токен олиш учун рўйхатдан ўтинг.
Яна кўпроқ хоҳлайсанми?
30K tokens/day + 10K bonus учун бепул рўйхатдан ўтинг
Бепул рўйхатдан ўтиш
Сизнинг илтимосингиз ишланмоқда...
Ҳар қандай PDF файлини бошлиқлар, жадваллар, рўйхатлар ва код блоклари сақланган ҳолда GitHub-га ўхшаш Markdown'га айлантиринг. IBM Granite-Docling томонидан қўлланилади. Бепул, чекланмаган, рўйхатдан ўтиш талаб этилмайди.
Қўллаш усули PDF'дан Markdown'га
1
Ўзингизнинг киритмани киритинг
Матн ёзинг, файл юкланг ёки нимани хоҳлаётганингизни айтинг. Ҳисоб керак эмас.
2
Юклаб олишни босинг
Бизнинг ИИ сизнинг талабингизни энг яхши очиқ манбали моделларни қўллаган ҳолда сониялар ичида ишлайди.
3
Юклаб олиш ва улаш
Натижаларни юклаб олиш, нусха кўчириш ёки ўртоқлашиш. Шахсий ва бизнес мақсадлар учун бепул.
Бу асбобни API орқали ишлатиш
Бу асбобни ўз кодингиздан автоматлаштиринг. OpenAI-га мос келувчи REST охирги нуқтаси, Bearer-token аутентификацияси, қўшимча SDK талаб этилмайди. Токен қиймати веб интерфейсига мос келади.
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'дан Markdown'га tool on: ..."}]}'Бунга ўхшаш эркин AI асбоблари
PDF'дан Markdown'га — FAQ
Ҳар қандай PDF файлини ташланг ва AI уни GitHub-га ўхшаш Markdown'га айлантиради — сарлавҳалар сарлавҳалар бўлиб қолади, жадваллар жадваллар бўлиб қолади, рўйхатлар рўйхатлар бўлиб қолади, код блоклари код блоклари бўлиб қолади. Бу оддий матн ажратишдан анча олдинга ўтади; ҳужжатнинг тузилмавий иерархияси сақланиб қолади, шунинг учун сиз чиқиндини тўғридан-тўғри docs сайтига, LLM RAG қувурига ёки қидирув индексига ташлайсиз.
IBM Granite-Docling-258M (Apache 2.0). Тиниш кўриш-кейинлик модели кўриниш-эҳтиёткор ҳужжатга айланиш учун яхшилаб созланган - pdftotextни енгади + ҳар бир саҳифада умумий кўриш-тил моделини ишга туширишдан кўра тезроқ + ақллироқ.
pdftotext — бу текис даф — абзацлар ва жадваллар сўзлар деворига тушади. Adobe Export to Word кўринишни сақлайди, аммо.docx файлини яратади + ~$15/mo қийматида. Docling SEMANTIC структурасини сақлайди (бошлов даражалари, рўйхатлар рўйхатлар, жадваллар Markdown жадваллари) ва LLM ва dev воситалари ҳам ўз-ўзидан истеъмол қила оладиган форматда чиқиндиларни чиқаради.
LlamaParse ва unstructured иккаласи ҳам бепул даражаларга эга, аммо ойига саҳифалар сони чекланган ва API калитини талаб қилади. Docling-258M локал равишда GPU + дан ишлайди, Apache 2.0 тўлиқ ўз-ўзини хост қилади, саҳифага ҳисоблаш йўқ, қулфни қайд этиш йўқ. Стандарт ҳужжатларда сифат LlamaParse билан рақобатлашади.
Ҳа — жадваллар тўғри Markdown pipe-жадвали сифатида қайтарилади. Муҳим кўп-стуллар/ўринланган жадваллар кўпроқ ёпиштирилади (Markdownнинг асосий чеклови, моделнинг хатоси эмас). Мукаммал жадвал ишончлилиги учун, биз rowspan/colspanни сақлайдиган API орқали `format=html` ни ҳам қўллаймиз.
Granite-Docling OCR қадамини ўзи бажаради — бу рақамли ва скан қилинган PDF файллар учун ҳам ишлайди. Қимматроқ DPI (<150) даги сканлаш матн аниқлигини йўқотади; энг яхши натижа учун 200+ DPI даги қайта сканлаш.
LaTeX-да кўрсатилган тенгламаларнинг кўпчилиги сатр ичида `$...$` Markdown math кўринишида келади. Математикага бой илмий мақолалар учун биз тенгламалар ва иқтибослар учун махсус созланган academic-paper-extract tool (Nougat) ни ҳам таклиф қиламиз.
Бизнинг H200'да ҳар бир саҳифа учун 5-10 сония. 30 саҳифали ҳисобот ~3-5 дақиқани ташкил қилади. Тиниш модели кичик PDF файллар партиялари кундалик пулда бепул эканини англатади.
Ҳар бир саҳифа учун 200 токен, 500 токенли устун билан. 5 саҳифали шартнома = 1000 токен. 30 саҳифали ҳисобот = 6000 токен. Кунига 5K бепул пул кўпроқ типик фойдаланишни қоплайди.
PDF — born-digital + скан қилинган иккиси ҳам қўллаб-қувватланади. Максимум юклаш 50 MB. Бошқа ҳужжат форматлари (DOCX, EPUB, HTML, ва ҳоказо) йўл харитасида; ҳозирча аввал pdf-конвертлаш асбоби билан юклаб олиш ва конвертлаш.
Дарҳол ишланади, Markdown чиқими сақланади (24 соат аноним / 7 кун тўловли ўртоқлашиш-пайванд муддати тугайди), манба PDF ажратиб олингандан кейин дарҳол ўчирилади. Ҳеч қачон ўқитиш учун ишлатилмайди. /privacy/ тўлиқ сиёсат учун.
Ҳа — кўп қисмли `файл`ни /v1/document/pdf-to-markdown/га POST қилади. {markdown_url, саҳифалар, кўриниш, токенлар, share_url} қайтаради. Беорр аутентификация (sk-free-…) ойига 10K бепул токенларни беради. /api/ curl мисолига эга.
Бу асбобни қандай баҳолайсиз?