Analizador de documentos de código abierto que convierte PDF, archivos de Office e imágenes a Markdown o JSON para flujos de trabajo con LLM y agentes.
83,3 mil+387 esta semana6,9 milPythonOtherActualizado hace 12 horas
SoMarkAI/OXR
Modelo open source de parsing de documentos que convierte PDFs e imágenes de documentos en Markdown o JSON con coordenadas de diseño, pensado para pipelines de agentes de IA.
- Estrellas
- 3,668
- Forks
- 240
- Issues abiertos
- 3
- Último commit
- ayer
¿Qué es?
OXR (Optical Everything Recognition) es un modelo de parsing de documentos de 1.300 millones de parámetros del equipo de SoMark. Recibe PDFs e imágenes de documentos y genera Markdown o JSON con cuadros delimitadores del diseño, para que los resultados puedan alimentar agentes de IA y pipelines de recuperación posteriores.
El modelo reconoce 13 tipos de elementos, incluidas fórmulas en LaTeX, tablas en HTML o Markdown, ecuaciones y estructuras químicas, bloques de código y sellos. El mismo modelo determina el orden de lectura durante la etapa de reconocimiento. El análisis del diseño es un módulo independiente y reemplazable, por lo que los equipos pueden usar su propio modelo de diseño sin dejar de aprovechar el reconocimiento y la ordenación de OXR.
El proyecto ofrece una imagen de Docker, una configuración desde el código fuente con compatibilidad con vLLM, una demo en el navegador en el puerto 8000 y una API alojada gratuita compatible con la API de SoMark y sus CLI de Python y JavaScript. Para el despliegue local se necesita una GPU NVIDIA compatible con BF16; se recomienda empezar con 24 GB de memoria.
Funciones clave
- 01Procesa PDFs e imágenes y los convierte en Markdown o JSON con cuadros delimitadores del diseño.
- 02Reconoce 13 tipos de elementos, incluidas fórmulas, tablas, estructuras químicas y bloques de código.
- 03Determina el orden de lectura con el mismo modelo que realiza el reconocimiento.
- 04El análisis del diseño es un módulo independiente que se puede reemplazar por un modelo personalizado.
- 05Ofrece despliegue con Docker, una configuración desde el código fuente basada en vLLM y una demo en el navegador.
- 06Ofrece una API compatible con la CLI y los SDK de SoMark.
Casos de uso
- Convertir exámenes, artículos o informes escaneados en texto estructurado para un LLM o un pipeline RAG.
- Extraer tablas complejas y fórmulas de documentos académicos.
- Adaptar el análisis del diseño a un dominio documental específico y reutilizar el reconocimiento de OXR.
Inicio rápido
- 1
Instala somark CLI desde PyPI
pip install somark - 2
Analiza un documento con la API gratuita de OXR (no se necesita una clave de API)
somark --base-url https://free-oxr.somark.ai/api/v1 --api-key dummy parse document.pdf --formats md,json --out ./parsed-output/
Antes de usarlo
- Para ejecutarlo localmente, se necesita un equipo Linux con una GPU NVIDIA y al menos 24 GB de memoria de GPU.
- La API gratuita no garantiza la estabilidad y no se recomienda para uso en producción.
- El README no indica claramente la licencia del software, así que consulta el repositorio antes de usarlo con fines comerciales.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es OXR?
- Modelo open source de parsing de documentos que convierte PDFs e imágenes de documentos en Markdown o JSON con coordenadas de diseño, pensado para pipelines de agentes de IA. OXR (Optical Everything Recognition) es un modelo de parsing de documentos de 1.300 millones de parámetros del equipo de SoMark. Recibe PDFs e imágenes de documentos y genera Markdown o JSON con cuadros delimitadores del diseño, para que los resultados puedan alimentar agentes de IA y pipelines de recuperación posteriores.
- ¿OXR es gratuito? ¿Qué licencia tiene?
- OXR es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿OXR sigue mantenido?
- Mantenimiento activo. El último commit de OXR fue el 6 nov 2026.
- ¿Para qué puedo usar OXR?
- Convertir exámenes, artículos o informes escaneados en texto estructurado para un LLM o un pipeline RAG. Extraer tablas complejas y fórmulas de documentos académicos. Adaptar el análisis del diseño a un dominio documental específico y reutilizar el reconocimiento de OXR.
- ¿Cómo se instala OXR?
- Instala somark CLI desde PyPI: pip install somark Analiza un documento con la API gratuita de OXR (no se necesita una clave de API): somark --base-url https://free-oxr.somark.ai/api/v1 --api-key dummy parse document.pdf --formats md,json --out ./parsed-output/
- ¿Dónde consigo OXR?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/SoMarkAI/OXR
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
API de inteligencia documental autoalojada que convierte PDF, archivos de Office e imágenes en fragmentos listos para LLM, con análisis de diseño y OCR.
4,2 mil+5 esta semana278RustAGPL-3.0Actualizado hace 2 meses
Parser de documentos de código abierto que convierte PDF, Office, HTML y otros archivos en datos estructurados para pipelines de IA generativa.
70,3 mil+328 esta semana5,3 milPythonMITBien mantenidoActualizado hace 10 horas
Analizador de PDF de código abierto que convierte PDF a Markdown, JSON con cuadros delimitadores y HTML para canalizaciones de IA, y etiqueta automáticamente los PDF sin etiquetar como Tagged PDFs.
30,2 mil+72 esta semana2,9 milJavaApache-2.0Actualizado ayer
Modelo OCR de visión y lenguaje de código abierto de Baidu que convierte documentos largos de varias páginas y PDF en texto estructurado en una sola pasada.
30,8 mil+746 esta semana3,3 milPythonMITActualizado hace 6 días
Biblioteca de Python de código abierto que divide PDFs, HTML, documentos de Word, correos electrónicos y otros documentos en elementos estructurados para pipelines de LLM.
15,7 mil+43 esta semana1,4 milHTMLApache-2.0Bien mantenidoActualizado hace 23 horas