Repolode
Enviar
lumina-ai-inc

lumina-ai-inc/chunkr

API de inteligencia documental autoalojada que convierte PDF, archivos de Office e imágenes en fragmentos listos para LLM, con análisis de diseño y OCR.

Ver en GitHubSitio web
Estrellas
4,157
Forks
278
Issues abiertos
19
Último commit
hace 2 meses

¿Qué es?

Chunkr es un servicio de procesamiento de documentos que recibe archivos PDF, PowerPoint y Word, además de imágenes, y los divide en fragmentos estructurados para generación aumentada por recuperación y otras canalizaciones de LLM. Combina análisis de diseño, OCR con cuadros delimitadores y procesamiento mediante modelos de visión y lenguaje para generar HTML y Markdown estructurados.

La versión open source con licencia AGPL se ejecuta localmente mediante Docker Compose, con configuraciones para GPU y CPU, una interfaz web en el puerto 5173 y una API en el puerto 8000. Utiliza modelos comunitarios y open source. El acceso a LLM se configura mediante un archivo models.yaml o variables de entorno que aceptan cualquier endpoint compatible con OpenAI, como OpenAI, OpenRouter, Google AI Studio o servidores vLLM y Ollama autoalojados.

El proyecto tiene una licencia dual: AGPL-3.0 y una licencia comercial. Sus responsables también ofrecen una Cloud API alojada que ejecuta modelos propietarios y que, según indican, ofrece mayor precisión que la versión open source.

Funciones clave

  • 01Análisis de diseño que identifica la estructura del documento antes de dividirlo en fragmentos.
  • 02OCR con cuadros delimitadores que indican la ubicación del texto en cada página.
  • 03Generación de resultados en HTML y Markdown estructurados.
  • 04Compatible con archivos PDF, PPT, documentos de Word e imágenes.
  • 05Funciona con cualquier endpoint de LLM compatible con OpenAI, incluidos vLLM y Ollama autoalojados.
  • 06Se ejecuta localmente con Docker Compose, en modo GPU o CPU.

Casos de uso

  • Preparar documentos PDF y de Office como fragmentos para una canalización RAG.
  • Extraer texto y diseño de archivos escaneados con coordenadas de cuadros delimitadores.
  • Procesar documentos localmente cuando los datos deben permanecer en tu propia infraestructura.

Inicio rápido

  1. 1

    Instala Docker y Docker Compose (NVIDIA Container Toolkit es opcional para usar la GPU)

  2. 2

    Clona el repositorio

    git clone https://github.com/lumina-ai-inc/chunkr && cd chunkr
  3. 3

    Copia los archivos de ejemplo de env y de configuración de models

    cp .env.example .env && cp models.example.yaml models.yaml
  4. 4

    Inicia los servicios (despliegue con GPU)

    docker compose up -d

Antes de usarlo

  • La versión de código abierto usa modelos comunitarios y es menos precisa que la Cloud API propietaria.
  • Las funciones de LLM requieren un endpoint de LLM o una clave de API.
  • La licencia AGPL-3.0 impone obligaciones de copyleft, salvo que adquieras una licencia comercial.
  • La versión de código abierto no incluye compatibilidad con Excel.

En colecciones

Herramientas de PDF, OCR y documentos

Temas

#document-parsing#ocr#rag#llm#layout-analysis#pdf#docker#vision-language-model

Preguntas frecuentes

¿Qué es chunkr?
API de inteligencia documental autoalojada que convierte PDF, archivos de Office e imágenes en fragmentos listos para LLM, con análisis de diseño y OCR. Chunkr es un servicio de procesamiento de documentos que recibe archivos PDF, PowerPoint y Word, además de imágenes, y los divide en fragmentos estructurados para generación aumentada por recuperación y otras canalizaciones de LLM. Combina análisis de diseño, OCR con cuadros delimitadores y procesamiento mediante modelos de visión y lenguaje para generar HTML y Markdown estructurados.
¿chunkr es gratuito? ¿Qué licencia tiene?
chunkr es open source bajo la licencia AGPL-3.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿chunkr sigue mantenido?
Actualizado en los últimos 6 meses. El último commit de chunkr fue el 9 sept 2026.
¿Para qué puedo usar chunkr?
Preparar documentos PDF y de Office como fragmentos para una canalización RAG. Extraer texto y diseño de archivos escaneados con coordenadas de cuadros delimitadores. Procesar documentos localmente cuando los datos deben permanecer en tu propia infraestructura.
¿Cómo se instala chunkr?
Instala Docker y Docker Compose (NVIDIA Container Toolkit es opcional para usar la GPU) Clona el repositorio: git clone https://github.com/lumina-ai-inc/chunkr && cd chunkr Copia los archivos de ejemplo de env y de configuración de models: cp .env.example .env && cp models.example.yaml models.yaml Inicia los servicios (despliegue con GPU): docker compose up -d
¿Dónde consigo chunkr?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/lumina-ai-inc/chunkr

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados