MinerU

Инструмент извлекает текст, таблицы и формулы из документов различных форматов, включая PDF, Word, PowerPoint, Excel, EPUB и HTML. Он распознаёт текст на сканах и структурирует результат для дальнейшей обработки языковыми моделями. Результат можно получить в форматах Markdown, HTML, LaTeX или DOCX. Инструмент работает локально и доступен через Python SDK или веб-интерфейс.