OCR支持84种语言的检测与识别 支持多种输出格式，如多模态与NLP的Markdown、按阅读顺序排序的JSON、含有丰富信息的中间格式等

2025年3月1日 · UniMER-Encoder融合了细粒度嵌入（FGE）、卷积增强（CE）以及移窗去除（RSW）技术，以提升识别能力。 而UniMER-Decoder则采用了压缩注意力机制（SA），以此加快推理速度。 5.2、LaTeX-OCR LaTeX-OCR在github上星标13k，但对于比较长的公式识别效果并 …

2024年11月11日 · MinerU 是一款强大的开源PDF数据提取工具,由OpenDataLab开发。 它能够智能地将PDF文档转换为结构化的数据格式,支持文本、图片、表格和数学公式的精确提取。

MinerU在PDF解析方面的功能强大且灵活，支持文本模式（Text Mode）和OCR模式（OCR Mode），能够根据PDF的内容类型自动选择最佳解析方法。

MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。 MinerU诞生于 书生-浦语 的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。

MinerU Document Extraction/Conversion Tool for the AI Era Intelligent parsing of various documents including PDF, Word, PPT, etc., applicable for machine learning, large model corpus production, RAG and other scenarios

2025年1月16日 · MinerU是一款功能强大且灵活的智能文档解析工具，通过其API和命令行工具，用户可以高效地将PDF转换为结构化数据格式。 在AI和大 语言模型 快速发展的今天，MinerU的价值不仅体现在传统的文档处理领域，更在于其为LLM提供高质量训练数据的能力。

整合最先进的文档解析模型，用于PDF文档布局检测、公式检测、公式识别、表格提取、OCR和其他核心文档解析任务。 跨不同文档的高质量解析，使用不同的文档注释数据进行微调，以跨各种复杂的文档类型提供高质量的结果。 模块化设计，灵活的模块化设计允许用户通过修改配置文件和最少的代码轻松组合和构建各种应用程序，使应用程序构建像堆叠块一样简单。 综合评估基准，提供多样化和全面的PDF评估基准，使用户能够根据评估结果选择最合适的模型。 MinerU使用多 …

Introducing hybrid OCR text extraction capabilities, Significantly improved parsing performance in complex text distribution scenarios such as dense formulas, irregular span regions, and text represented by images.

2025年2月17日 · 2024年7月，上海人工智能实验室OpenDataLab团队正式推出了智能数据提取工具——MinerU。 具备将混合图片、公式、表格、脚注等在内的复杂多模态 PDF 文档转化为Markdown格式的能力，可大幅提升AI语料的准备效率。 凭借快速准确、开源易用的能力特性，MinerU受到广大用户及大模型开发者青睐， 上线五个月，GitHub星标数已接近2.5万，被开发者誉为“大模型时代的文档提取、转换神器”。 用户使用方式. 为了让广大用户能够更轻松地使 …