MarkItDown
Herramienta Markdown en línea para convertir archivos multiformato y usar OCR con IA
Acerca de MarkItDown
MarkItDown es un conversor en línea inspirado en la herramienta de código abierto de Microsoft que convierte PDF, DOCX, PPTX, hojas de cálculo, páginas web, texto, datos estructurados, libros electrónicos, cuadernos e imágenes a Markdown. Admite OCR con IA, recuperación de tablas y conversión de fórmulas matemáticas a LaTeX para PDF escaneados, y puede enviar una salida limpia a RAG, prompts de LLM, bases de datos vectoriales y bases de conocimiento.
Ideal para
Mejores casos de uso
Conversión de documentos por lotes
Extracción de texto de PDF escaneados
Preparación de Markdown para flujos de trabajo RAG
Importación a bases de datos vectoriales y bases de conocimiento
Comparar antes de elegir
La página oficial de comparación indica que el plan Free permite hasta 20MB por archivo, hasta 3 archivos por lote y no tiene límite mensual de conversiones en el servidor; MarkItDown Pro eleva el límite por archivo a 100MB y el límite por lote a 30 archivos, y admite el guardado ilimitado de resultados.
Funciones
Conversión multiformato
Admite PDF, DOCX, PPTX, XLS/XLSX, HTML/HTM, TXT/MD, CSV/TSV, JSON, XML, EPUB, IPYNB, URL públicas, tablas pegadas y PNG/JPG/WebP.
Procesamiento de PDF y OCR
Extrae texto seleccionable de PDF y conserva la estructura tanto como sea posible; los PDF escaneados pueden usar OCR con IA, recuperación de tablas y conversión de fórmulas matemáticas a LaTeX.
Salida para flujos de trabajo de IA
La salida limpia puede enviarse a flujos de trabajo RAG, prompts de LLM, bases de datos vectoriales y bases de conocimiento.
Procesamiento de archivos temporales
Los archivos subidos pasan por Cloudflare a un servicio de Microsoft MarkItDown autoalojado, se procesan como archivos temporales y se eliminan después de la conversión; no se conservan los archivos de origen ni los registros del contenido, y los resultados solo se guardan cuando se selecciona esa opción.
Ventajas
- Admite muchos formatos habituales de archivos e imágenes
- Los PDF escaneados pueden usar OCR con IA y recuperar tablas
- La salida puede usarse para RAG, prompts de LLM y bases de conocimiento
Limitaciones
- Las cuentas gratuitas incluyen 10 páginas de OCR al mes
Planes de precios
MarkItDown Pro Yearly
- 单文件最大100MB
- 单批最多30个文件
- 无限保存结果
* La información de precios es solo orientativa. Consulta el anuncio más reciente en el sitio web oficial de MarkItDown.