跳到正文

vision-parse

用视觉语言模型把 PDF 解析为 Markdown

访问官网

vision-parse 是什么

vision-parse 被介绍为利用视觉语言模型把 PDF 文档解析为格式良好 Markdown 的工具,能识别文本与表格并保持文档结构。

你可以用它做什么

  • 从 PDF 中提取文本与表格
  • 保持层级结构、样式与缩进
  • 处理多页 PDF 文档

上手流程

  • 安装 Python 3.9 及以上环境
  • 用 pip 安装包
  • 按需安装可选模型依赖
  • 创建 VisionParser 实例

优点与缺点

✓ 我们认可的地方

  • 用 Ollama 本地托管可离线安全处理
  • 可调整参数实现详细内容提取

! 需要留意的地方

  • 资料要求 Python 3.9 及以上
  • 可选装 OpenAI 或 Gemini 依赖

常见问题

支持哪些模型?

资料列出 OpenAI、Google Gemini 与 Ollama。

能本地运行吗?

资料说明可用 Ollama 进行安全离线的文档处理。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法