MemoMate

Appearance

文档解析方案 ​

更新: 3/7/2025 字数: 0 字 时长: 0 分钟

olmOCR ​

  • 支持 PDF 进行直接解析，但是效果差，出现缺失文档文本、图片的情况。
  • 脚本解析，olmOCR 识别图片: 出现图片中清晰文字缺失，开头的日期信息缺失。效果不佳。

image-20250307093527146

markitdown ​

  • 支持多种格式文档转 markdown，包括 xlsx、xls、pdf、docs、pptx，视频文件正在支持中，等待新版本使用 ffmpeg 进行解析。
  • 转换 pdf 时出现错误，只提取文本没有提取图片，也没有使用视觉大语言模型做识别
    • image-20250307101037696
  • 表格转换能够将多个子表放到一个 md 文件
    • image-20250307101320626
  • 视觉模型抽取图片文本，不支持配置 prompt，对于多语言场景效果显而易见的差。

MinerU ​

  • 据说，在年报场景效果不错。
  • 个人文档 pdf 解析中出现文本丢失的情况
  • 图片识别的效果不佳，大多数图片都没进行抽取

mathpix ​

  • 原图被识别作了裁剪
  • 识别图片效果差，文字无法还原版面信息
  • 生成 md 排版一般，在识别时有偏差

image-20250307163708522

ChatDOC PDF Parser ​

  • 前半部分解析效果正常，没有识别图片内容

  • 后半部分抽取图片文本效果不完整，但是能够将抽取的文本内容从图片中截取掉

image-20250307164552659

image-20250307164621494

自研 ​

  • 存在技术背景，擅长文档解析，经验丰富。
  • 高度定制文档解析效果更佳
  • 图片抽取可自定义 prompt，多语言多场景适配更佳