Repolode
投稿する
datalab-to

datalab-to/marker

PDFなどのドキュメントをMarkdown、JSON、チャンク、HTMLに変換し、オプションでLLMを使って精度を高められます。

代替できる製品:Adobe AcrobatABBYY FineReader

GitHub で見る公式サイト
スター
40,554
フォーク
2,934
未解決の Issue
494
最終コミット
22 時間前

これは何？

Markerは、PDF、画像、PPTX、DOCX、XLSX、HTML、EPUBをMarkdown、JSON、チャンク、HTMLに変換するドキュメント変換ツールです。表、フォーム、数式、インライン数式、リンク、コードブロック、画像を処理し、ヘッダーやフッターなどのページ由来の不要な要素を出力から取り除きます。

2つのモードを備えています。GPUで視覚言語モデルを使ってレイアウト解析とOCRを行うバランス重視のモードと、主にPDFのテキストレイヤーを利用し、必要な場合にのみモデルを呼び出すCPU向けの高速モードです。モデルを一切呼び出さない、テキストレイヤーのみのモードも利用できます。プロセッサーやレンダラーを使って出力をカスタマイズでき、ブロックツリー形式のJSONを使えば個々の要素にプログラムからアクセスできます。

--use_llmフラグを指定すると、Gemini、Claude、OpenAI互換エンドポイント、Azure、Vertex、OpenRouter、Ollamaを使って、表、数式、フォームの精度を高められます。CLI、Python API、FastAPIサーバー、Streamlitアプリも提供しています。

主な機能

  • 01PDF、画像、Officeファイル、EPUBをMarkdown、JSON、チャンク、HTMLに変換
  • 02表、フォーム、数式、インライン数式を再構築
  • 03ドキュメントから画像を抽出して保存
  • 04ヘッダー、フッターなどのページ由来の不要な要素を除去
  • 05カスタムプロンプトにも対応した、精度向上のためのオプションのLLM処理
  • 06GPU、CPU、Apple MPSで動作し、CPU専用の高速モードも利用可能

ユースケース

  • PDFの研究論文や教科書をRAGパイプライン用のMarkdownに変換
  • スキャンまたはデジタル形式のフォームや表を構造化データに変換
  • 画像とJSON構造を維持しながら、フォルダー内のドキュメントを一括変換
  • プロセッサーとレンダラーのインターフェースを使ったカスタム後処理の構築

クイックスタート

  1. 1

    お使いのプラットフォーム向けのPyTorchを公式サイトからインストールします

  2. 2

    pipでmarkerをインストールします（Python 3.10以上）

    pip install marker-pdf
  3. 3

    PDFをMarkdownに変換します

    marker_single /path/to/file.pdf

使う前に知っておきたいこと

  • 高精度なOCRにはローカル推論サーバーが必要です。NVIDIA GPUではNVIDIA Container Toolkitを使用したDocker、CPUおよびApple Siliconではllama.cppを使用します。
  • モデルの重みには改変版OpenRAIL-Mライセンスが適用されます。スタートアップ向けの制限を超える商用利用は無料ではありません。コードはApache 2.0です。
  • LLM支援ハイブリッドモードを使うには、外部LLMサービスを自分で設定する必要があります。

トピック

#pdf#markdown#ocr#document-conversion#llm#python#rag

よくある質問

marker とは？
PDFなどのドキュメントをMarkdown、JSON、チャンク、HTMLに変換し、オプションでLLMを使って精度を高められます。 Markerは、PDF、画像、PPTX、DOCX、XLSX、HTML、EPUBをMarkdown、JSON、チャンク、HTMLに変換するドキュメント変換ツールです。表、フォーム、数式、インライン数式、リンク、コードブロック、画像を処理し、ヘッダーやフッターなどのページ由来の不要な要素を出力から取り除きます。
marker は無料で使えますか？ライセンスは？
marker は Apache-2.0 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。
marker 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。marker の最終コミットは 2026年10月19日 です。
marker は何に使えますか？
PDFの研究論文や教科書をRAGパイプライン用のMarkdownに変換 スキャンまたはデジタル形式のフォームや表を構造化データに変換 画像とJSON構造を維持しながら、フォルダー内のドキュメントを一括変換 プロセッサーとレンダラーのインターフェースを使ったカスタム後処理の構築
marker のインストール方法は？
お使いのプラットフォーム向けのPyTorchを公式サイトからインストールします pipでmarkerをインストールします（Python 3.10以上）: pip install marker-pdf PDFをMarkdownに変換します: marker_single /path/to/file.pdf
marker 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/datalab-to/marker

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト