将 PDF 转成文本，遇到扫描件、多栏排版、复杂表格和公式，传统 OCR 经常识别错乱。 olmOCR，一款基于视觉语言模型的 PDF 转 Markdown 工具，已斩获了 17900+ Star！ 能处理公式、表格、手写体和复杂版式，还会自动去掉页眉页脚。 并且按自然阅读顺序输出，哪怕多栏排版也不会读串行。 GitHub： 单 GPU 本地跑之外也支持接入远程推理服务，处理成本能压到每百万页不到 200 美元。 需要批量处理 PDF、扫描件转成可编辑文本的朋友，尤其是做数据处理或者知识库搭建的，这个工具可以试试。

PDF、Word、扫描件、截图，文件格式五花八门，想丢给 AI 还得先手动整理一遍。 doc7 把这些东西统一转成 Markdown，AI 可以直接检索、引用和推理。 有意思的是，它把每一页渲染成图片，再交给能看图的 AI 模型去理解，不用单独的文字识别工具。 GitHub： 模型用自己本地部署的就行，没有按页收费，跑多少文档看机器性能。 PDF、Office、邮件、电子书、Jupyter 笔记本、网页截图都能处理，格式覆盖得很全。 经常要把各种文档喂给 AI 的朋友可以试试。

把 PDF、Office 文件、扫描件、截图、图表、公式和流程图转成 AI 可检索、可引用、可推理的 Markdown 模型用你自己配的 OpenAI 兼容端点（本地或私有部署均可），不用单独搭 OCR、版面、表格、公式一整套模型栈。

每次遇到那种死板的审核系统或甲方，明明有高清电子版文档，对方却非要你提交“纸质扫描件”证明真实性？为了这个还要苦哈哈地专门跑去找打印机，打出来再用手机扫描，甚至还要刻意拍得歪一点来假装真实？ 推荐一款专治各种死板流程、能把普通电子 PDF 一键“做旧”伪装成真实扫描件的在线核武：Make Look Scanned！不用你碰一下打印机，纯靠魔法打败魔法。 彻底物理超度排队打印和手动扫描的痛苦，把办证、走流程的效率直接拉满。想要随时随地白嫖“扫描件”的老哥们，赶紧去把它狠狠焊死在你的浏览器收藏夹里👇 🔗 AppMiao 推荐 / 极速“做旧”直达： #MakeLookScanned# #网站# #PDF# #扫描件# #PDF处理# #效率工具# #黑科技# #打工人必备#

PDF 直接丢给大模型，表格乱码、公式崩溃、扫描件还认不出字。 这 5 个工具帮你把文档转成 AI 能读的干净格式。 1、Stirling-PDF — 本地 PDF 全能工具箱，85k star 合并、拆分、压缩、加水印、转格式，几十种操作全在本地跑，文件不出本机，隐私敏感的文档放心用。 2、MinerU — 复杂文档转 Markdown，71.7k star PDF、Office 里的表格、公式、图片精准抠出来转成 AI 可读的 Markdown，喂给大模型做问答前必备的一步。 3、docling — 文档为生成式 AI 做准备，62.3k star IBM 出品，把各种格式文档统一转成结构化输出，接 RAG 流程很顺，企业文档处理的热门选择。 4、marker — PDF 高精度转 Markdown，36.6k star 速度快、还原准，长文档、论文转 Markdown 加 JSON，排版和结构保留得好。 5、OCRmyPDF — 给扫描件加文字层，34k star 扫描的 PDF 没法选字搜字，它自动 OCR 加上文字层，扫描件秒变可搜索可复制。

📄 又发现一个论文神器，能把英文 PDF 直接变成中英对照版，排版一点不乱 GitHub 已经揽获 9K stars 读英文论文最烦的不是看不懂，是来回切窗口。复制一段粘到翻译软件，公式变乱码，表格散架，图注跟正文对不上，读三页光切窗口就切了几十次。 BabelDOC 直接输出一份双语 PDF：可以左右并排，也可以原文一页、译文一页交替排，公式表格图形都留在原来的位置。碰到扫描件还能走 OCR，长文档会自动拆开翻完再合回去。 还能挂一份 CSV 术语表，把领域黑话统一成你认的译法，专业名词不会这一页叫「注意力机制」下一页叫「关注力机制」。 读文献的效率能直接翻倍。 GitHub：

AI 时代最被低估的基础设施之一 把文件翻译成 AI 能读懂的语言 Microsoft 这个开源项目 MarkItDown，已经 15.5 万 Star 它能把：PDF、Word、Excel、PPT、图片、音频、网页、YouTube、EPUB、ZIP 全部转成 Markdown 这件事听起来很普通，但很关键 因为很多 AI 应用真正卡住的地方，不是模型不够强 你在做 RAG 其实你先在和 PDF、PPT、表格、扫描件、网页垃圾格式打架 MarkItDown 做的就是先把这些东西清洗成 AI 更容易理解的结构化文本 未来每个 AI 知识库前面，都需要一个文件清洗层

通用 AI 不知道你公司的文档、你收藏的论文、你三年的笔记里写了什么。这 5 个开源项目能把这些资料变成 AI 能查的库： 1、【Open WebUI】 本地大模型的网页界面，接 Ollama 或者任何兼容 OpenAI 接口的模型。上传文档之后直接在对话里提问，它会去文档里找答案并标出处。146.8k star，个人自建的首选。 2、【Dify】 可视化搭 AI 应用，拖拽连线就能做出一个带知识库的问答机器人，还能接微信、飞书、网页。不写代码的人也能做出能给同事用的东西。150.3k star。 3、【AnythingLLM】 桌面 App 装完即用，最适合完全不想折腾服务器的人。把 PDF、Word、网页链接拖进一个工作区，它自己切分、建索引，然后就能问了。 4、【RAGFlow】 强项是复杂文档的解析，扫描件、带表格的 PDF、财报这类结构乱的文件，它能把表格和版面正确切开，不会把整页糊成一团文字。资料质量差的时候差别很明显。 5、【Khoj】 定位是个人第二大脑，接你的 Obsidian 笔记、邮件、文档，然后随时问。它会在后台持续索引新增内容，不用每次手动上传。 资料没切好，再强的模型也答不准。这类工具真正的差距在解析文档那一步，不在模型。

杨立昆都转发了！ Unlimited-OCR 为什么这么火？ 百度的 Unlimited-OCR 再次冲上 HuggingFace 趋势榜，目前全球第三，又一次排在 GLM-5.2 前面。 上个月它横扫 GitHub、HF 四榜第一，我以为这波热度就过去了，结果图灵奖得主一转发，又把它送回了前三。 GitHub star 破 1.65 万，HF 下载 224 万，还在涨。 传统 OCR 有个老毛病：把文档一页页切开处理，跨两页的表格直接断掉，阅读顺序也丢了。 Unlimited-OCR 用 R-SWA 机制，几十页文档当一个整体连续解析，解码时 KV Cache 恒定——文档再厚，显存占用不涨。 海外博主 Mario Nawfal 实测：100 页 PDF 一次解析完，40 页之后错误率还在 0.11 以下，其他 OCR 到这个长度已经干不动了。 3B 参数，自己电脑就能跑，关键免费。 如果你经常要处理几十上百页的 PDF——论文、合同、扫描件，以前要么手动切页，要么掏钱买 OCR SaaS，现在这两样都省了。 项目地址👇 HuggingFace： #无限OCR# #UnlimitedOCR# #百度# #文心大模型# #文心#