MinerU: мощный open-source инструмент для превращения любых документов в чистый Markdown

Если вам нужно быстро перегнать сложный PDF, таблицу или скан в формат, пригодный для работы или обучения нейросетей, — это одно из лучших решений на рынке. Больше никакой «каши» из текста.

Ключевые фишки: • Сохранение структуры: корректно выстраивает порядок текста, преобразует таблицы в HTML, а сложные математические формулы — в LaTeX. • Умный OCR: отлично распознаёт даже отсканированные изображения и поддерживает 109 языков. • Универсальность: работает с PDF, Word и Excel, автоматически очищая контент от мусора. • Полная приватность: проект запускается локально на вашем железе, данные никуда не уходят.

Инструмент можно использовать через CLI, Python или попробовать веб-версию. Проект уже набрал более 70 000 звёзд на GitHub, что подтверждает его качество.

Посмотреть проект

Попробовать в браузере