Mathpix 與 Marker:公式密集的 PDF 轉成可編輯講義,先看交付格式
需要將公式密集的 PDF 交給教師或研究者繼續修改時,Mathpix 託管 API 較適合銜接 DOCX 與 LaTeX 交付;Marker 較適合願意維護本機推論與後處理的團隊。選擇前應驗證公式、表格和圖片在最終編輯器中的可修改性,並分別核對執行相依項目與模型授權。
將舊講義或論文 PDF 改編成新的教學、研究資料,最容易被低估的是轉換後的工作:助教要改一個下標,研究者要新增一列表格,同事要將插圖與正文一起帶走。能顯示內容,距離能繼續編輯,還有一段差距。
如果目標是交付 DOCX 或 LaTeX,而且資料允許上傳,優先評估 Mathpix 託管 API;如果團隊需要掌握本機處理過程,且有人負責推論環境與輸出適配,可評估 Marker。這項判斷依據官方介面與部署邊界,不是兩者辨識準確率或速度的實測排名。
從同一份講義看交付差異
假設要將一份包含多行公式、合併儲存格表格和實驗插圖的講義,轉成可重複使用的教材。Mathpix 的文件處理指南提供上傳或 URL 提交、查詢處理狀態及下載結果的路徑,可要求 DOCX 與 tex.zip。OCR 處理完成後,還要另外確認目標格式的轉換狀態。對編輯團隊,交接點應是能開啟並修改的檔案,而不只是成功回傳的工作編號。
其中介格式 Mathpix Markdown 是 Markdown 的擴充,包含 LaTeX 公式與編號引用、複雜表格及圖片引用語法。不能假定任何 Markdown 編輯器都會正確呈現這些結構。若同事主要用 Word,先交付並檢查 DOCX;若共同維護 LaTeX,則檢查匯出的專案與圖片資源。若在中介稿修正辨識錯誤,可透過 Markdown 轉換介面重新產生目標格式,避免只修最終檔案,下次匯出又帶回錯誤。
Marker 官方專案輸出 Markdown、JSON、HTML 等格式,Markdown 含有 LaTeX 公式與圖片連結,圖片另存於同一目錄。它較適合先進入團隊自己的編輯或轉換流程。交給同事時,只傳送 Markdown 檔可能會遺失插圖;需要 DOCX 的團隊,還應負責後續轉換與驗收,不能因格式名稱相近就視為交付等價。
兩條路徑都應保留可修正的原稿。公式截圖即使看起來正確,也不符合「能修改下標」的要求;表格讀起來順暢,也不代表能繼續編輯列欄關係。圖片被擷取出來,更不代表其中曲線與標註已成為可編輯圖形。
選擇本機控制,也要承擔執行責任
Marker 主分支的套件設定標示版本 2.1.0,相依範圍為 surya-ocr>=0.23.0,<0.24.0。這是軟體套件版本;Surya 文件所說的 Surya 2.5 是模型名稱,不能混為同一個版本號。目前推論需要對應後端,NVIDIA 路徑涉及 vLLM、Docker 與 NVIDIA Container Toolkit,CPU 或 Apple Silicon 路徑使用 llama.cpp。預算應包含這些環境的維護,而不只是安裝 Python 套件。
Marker 的模式也會改變公式處理路徑:官方說明 balanced 模式會自動處理行內數學,fast 模式須相應啟用行內數學或強制 OCR;關閉 OCR 會略過公式與掃描頁所需的模型呼叫。因此,不能用關閉 OCR 後的純文字擷取,代表公式密集資料的完整轉換成本。
本機安裝本身不能證明全程離線。若啟用 Marker 的選用 LLM 增強並接入雲端服務,內容處理邊界就會改變。需要網路隔離的團隊,應先備妥相依項目與模型資源,核對推論服務位址及所有增強功能,再於斷網條件下驗證完整工作。本文比較的是 Mathpix 託管 API,但其官方文件也列有 Private Cloud OCR;若機構既要求私有基礎設施,又希望使用它的模型,應另外評估這種部署方式,不能將 Mathpix 概括為只能上傳公有雲。
授權也要分開檢查。Marker 套件設定中的程式碼授權為 Apache-2.0,模型權重另受 MODEL_LICENSE約束。該檔案對前一年總營收超過 500 萬美元、累計股權或債務融資超過 500 萬美元的情況設有限制,並列出個人使用或研究用途例外;另有競爭性產品或服務限制。不能因為製作的是教材,就推斷任何商業培訓業務都自動符合免費使用條件。正式採用前,應依實際主體、用途與所用權重核對授權。
讓最後一次修改決定試用結果
建議從真實資料選一小份樣本,用兩條路徑完成同一份交付,再請實際接收者操作。以下是驗收設計,不是已完成的測試:
- 在公式中修改一個上標或下標並重新排版,檢查符號、括號與編號引用是否仍正確。
- 為複雜表格新增一列,核對合併儲存格、欄標題與數值歸屬,避免只看算繪截圖。
- 將整份資料複製到另一台電腦,確認插圖、相對路徑與正文引用仍可使用。
- 記錄辨識後的人工修正時間、匯出適配時間及失敗重跑成本,並將雲端呼叫支出或本機執行維護納入同一預算。
若 Mathpix 匯出檔案已符合編輯者要求,而且允許上傳,託管 API 可省去自建推論流程的責任。若 Marker 的輸出能融入既有工具鏈,團隊也能承擔環境、授權與素材封裝工作,本機路徑的控制力才有實際價值。最終應比較交到同事手中、完成校正後的資料,而不是剛產生的 Markdown 看起來有多整齊。
內容說明:本文基於公開資料整理,僅供工具選型參考。產品功能、價格及相關政策可能隨時調整,請以官方最新資訊為準。
原文出處:docs.mathpix.com