lumina-ai-inc/chunkr

これは何？

主な機能

• 01チャンク化の前に文書構造を特定するレイアウト解析。
• 02各ページ上のテキスト位置を示すバウンディングボックス付きOCR。
• 03構造化されたHTMLとMarkdownで出力。
• 04PDF、PPT、Word文書、画像に対応。
• 05セルフホスト型のvLLMやOllamaを含む、あらゆるOpenAI互換LLMエンドポイントで動作。
• 06Docker Composeを使い、GPUモードまたはCPUモードでローカル実行。

ユースケース

• PDFやOffice文書をRAGパイプライン用のチャンクに変換する。
• スキャンしたファイルからバウンディングボックス座標付きでテキストとレイアウトを抽出する。
• データを自社インフラ内に保持する必要がある環境で、文書解析をローカル実行する。

クイックスタート

1. 1

   Docker と Docker Compose をインストール（GPU を使用する場合は NVIDIA Container Toolkit も必要に応じてインストール）

2. 2

   リポジトリをクローン

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

   サンプルの env ファイルと models 設定ファイルをコピー

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

   サービスを起動（GPU デプロイ）

   docker compose up -d

使う前に知っておきたいこと

• !オープンソース版ではコミュニティモデルを使用するため、プロプライエタリな Cloud API より精度が低くなります。
• !LLM 機能を利用するには、LLM エンドポイントまたは API キーが必要です。
• !AGPL-3.0 ライセンスで提供されます。商用ライセンスを購入しない場合、コピーレフト義務が適用されます。
• !オープンソース版には Excel のサポートは含まれていません。

収録されている特集

トピック

よくある質問

chunkr とは？

PDF、Officeファイル、画像をレイアウト解析とOCRでLLM向けのチャンクに変換する、セルフホスト型の文書インテリジェンスAPI。 Chunkrは、PDF、PowerPointファイル、Word文書、画像を取り込み、検索拡張生成（RAG）などのLLMパイプラインで使える構造化チャンクに分割する文書処理サービスです。レイアウト解析、バウンディングボックス付きOCR、視覚言語モデルによる処理を組み合わせ、構造化されたHTMLとMarkdownを出力します。

chunkr は無料で使えますか？ライセンスは？

chunkr は AGPL-3.0 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。

chunkr は今もメンテナンスされていますか？

半年以内に更新あり。chunkr の最終コミットは 2026年9月9日 です。

chunkr は何に使えますか？

PDFやOffice文書をRAGパイプライン用のチャンクに変換する。 スキャンしたファイルからバウンディングボックス座標付きでテキストとレイアウトを抽出する。 データを自社インフラ内に保持する必要がある環境で、文書解析をローカル実行する。

chunkr のインストール方法は？

Docker と Docker Compose をインストール（GPU を使用する場合は NVIDIA Container Toolkit も必要に応じてインストール） リポジトリをクローン: git clone https://github.com/lumina-ai-inc/chunkr && cd chunkr サンプルの env ファイルと models 設定ファイルをコピー: cp .env.example .env && cp models.example.yaml models.yaml サービスを起動（GPU デプロイ）: docker compose up -d

chunkr 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/lumina-ai-inc/chunkr