lumina-ai-inc/chunkr

O que é?

Recursos principais

• 01Análise de layout que identifica a estrutura do documento antes de dividi-lo em chunks.
• 02OCR com caixas delimitadoras que indicam a localização do texto em cada página.
• 03Gera conteúdo em HTML e Markdown estruturados.
• 04Compatível com PDF, PPT, documentos do Word e imagens.
• 05Funciona com qualquer endpoint de LLM compatível com OpenAI, incluindo vLLM e Ollama auto-hospedados.
• 06Roda localmente com Docker Compose, em modo GPU ou CPU.

Casos de uso

• Preparar PDFs e documentos do Office como chunks para um pipeline de RAG.
• Extrair texto e layout de arquivos digitalizados com coordenadas de caixas delimitadoras.
• Executar a análise de documentos localmente quando os dados precisam permanecer na sua própria infraestrutura.

Início rápido

1. 1

   Instale o Docker e o Docker Compose (o NVIDIA Container Toolkit é opcional para usar GPU)

2. 2

   Clone o repositório

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

   Copie os arquivos de exemplo env e de configuração models

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

   Inicie os serviços (implantação com GPU)

   docker compose up -d

Antes de usar

• !A versão de código aberto usa modelos da comunidade e é menos precisa que a Cloud API proprietária.
• !Os recursos de LLM exigem um endpoint de LLM ou uma chave de API.
• !A licença AGPL-3.0 impõe obrigações de copyleft, a menos que você adquira uma licença comercial.
• !A versão de código aberto não inclui suporte ao Excel.

Em coleções

Tópicos

Perguntas frequentes

O que é chunkr?

API de inteligência documental auto-hospedada que transforma PDFs, arquivos do Office e imagens em chunks prontos para LLM, com análise de layout e OCR. Chunkr é um serviço de processamento de documentos que recebe PDFs, arquivos do PowerPoint, documentos do Word e imagens e os divide em chunks estruturados para geração aumentada por recuperação e outros pipelines de LLM. Ele combina análise de layout, OCR com caixas delimitadoras e processamento por modelos de visão e linguagem para gerar HTML e Markdown estruturados.

chunkr é gratuito? Qual é a licença?

chunkr é open source sob a licença AGPL-3.0. Confira os termos da licença antes de usá-lo em produtos comerciais.

chunkr ainda é mantido?

Atualizado nos últimos 6 meses. O último commit de chunkr foi em 9 de set. de 2026.

Para que posso usar chunkr?

Preparar PDFs e documentos do Office como chunks para um pipeline de RAG. Extrair texto e layout de arquivos digitalizados com coordenadas de caixas delimitadoras. Executar a análise de documentos localmente quando os dados precisam permanecer na sua própria infraestrutura.

Como instalar chunkr?

Instale o Docker e o Docker Compose (o NVIDIA Container Toolkit é opcional para usar GPU) Clone o repositório: git clone https://github.com/lumina-ai-inc/chunkr && cd chunkr Copie os arquivos de exemplo env e de configuração models: cp .env.example .env && cp models.example.yaml models.yaml Inicie os serviços (implantação com GPU): docker compose up -d

Onde consigo chunkr?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/lumina-ai-inc/chunkr