SoMarkAI/OXR

これは何？

主な機能

• 01PDFや画像を、レイアウトのバウンディングボックス付きのMarkdownまたはJSONに変換します。
• 02数式、表、化学構造、コードブロックなど、13種類の要素を認識します。
• 03認識と同じモデル内で読み順を判定します。
• 04レイアウト解析は独立したモジュールで、独自のモデルに差し替えられます。
• 05Dockerによるデプロイ、vLLMベースのソースセットアップ、ブラウザデモを提供します。
• 06SoMark CLIおよびSDKと互換性のあるAPIを提供します。

ユースケース

• スキャンした試験、論文、レポートを、LLMやRAGパイプライン向けの構造化テキストに変換する。
• 学術文書から複雑な表や数式を抽出する。
• OXRの認識機能を再利用しながら、特定の文書分野に合わせてレイアウト解析を調整する。

クイックスタート

1. 1

   PyPIからsomark CLIをインストールする

   pip install somark
2. 2

   無料のOXR APIでドキュメントを解析する（APIキー不要）

   somark --base-url https://free-oxr.somark.ai/api/v1 --api-key dummy parse document.pdf --formats md,json --out ./parsed-output/

使う前に知っておきたいこと

• !ローカルで実行するには、24GB以上のGPUメモリを搭載したNVIDIA GPU対応のLinuxマシンが必要です。
• !無料APIには安定性の保証がなく、本番環境での使用は推奨されません。
• !READMEには明確なソフトウェアライセンスの記載がないため、商用利用の前にリポジトリを確認してください。

収録されている特集

トピック

よくある質問

OXR とは？

PDFや文書画像をレイアウト座標付きのMarkdownまたはJSONに変換し、AIエージェントのパイプラインで活用できるオープンソースの文書解析モデル。 OXR（Optical Everything Recognition）は、SoMarkチームが開発した13億パラメータの文書解析モデルです。PDFや文書画像を入力すると、レイアウトのバウンディングボックスを含むMarkdownまたはJSONを出力するため、結果を後続のAIエージェントや検索パイプラインに渡せます。

OXR は無料で使えますか？ライセンスは？

OXR は Other ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

OXR は今もメンテナンスされていますか？

活発にメンテナンス中。OXR の最終コミットは 2026年11月6日 です。

OXR は何に使えますか？

スキャンした試験、論文、レポートを、LLMやRAGパイプライン向けの構造化テキストに変換する。 学術文書から複雑な表や数式を抽出する。 OXRの認識機能を再利用しながら、特定の文書分野に合わせてレイアウト解析を調整する。

OXR のインストール方法は？

PyPIからsomark CLIをインストールする: pip install somark 無料のOXR APIでドキュメントを解析する（APIキー不要）: somark --base-url https://free-oxr.somark.ai/api/v1 --api-key dummy parse document.pdf --formats md,json --out ./parsed-output/

OXR はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/SoMarkAI/OXR