mineru

MinerU es un motor de análisis de documentos de alta precisión diseñado para convertir formatos de documentos complejos en datos estructurados legibles por máquina para flujos de trabajo posteriores de LLM, RAG y agentes. Admite de forma nativa entradas PDF, imágenes, DOCX, PPTX y XLSX, y genera Markdown o JSON con preservación del orden de lectura. ## Capacidades clave - **Análisis nativo multiformato**: maneja PDF, documentos escaneados, imágenes, DOCX, PPTX y XLSX sin requerir conversión previa a PDF. - **Preservación de estructura**: elimina encabezados, pies de página, notas al pie y números de página; genera títulos, párrafos, listas, tablas y texto en orden de lectura legible para humanos en diseños de una columna, varias columnas y complejos. - **Extracción de fórmulas y tablas**: convierte automáticamente fórmulas a LaTeX y tablas a HTML, incluida la fusión de tablas entre páginas y el reconocimiento del contenido de tablas. - **Motor OCR**: detecta automáticamente PDF escaneados o con caracteres corruptos y habilita OCR, con soporte para 109 idiomas. El backend del pipeline usa PP-OCRv6 a partir de la versión 3.4. - **Dos backends de inferencia**: ofrece tres modos — `pipeline` (basado en reglas, rápido, compatible con CPU/GPU), `vlm-engine` (basado en VLM, alta precisión, compatible con vLLM/LMDeploy/mlx) y `hybrid-engine` (combina extracción de texto nativa con VLM para baja alucinación). - **Opciones de modelos**: los modelos VLM incluyen la serie MinerU2.5-Pro; la versión 3.3 introdujo un parámetro `effort` (medium/high) para equilibrar velocidad y precisión. ## Integración y despliegue - **SDKs e interfaces**: SDKs de Python/Go/TypeScript, CLI, API REST, Docker y una WebUI de Gradio. - **Frameworks**: integraciones nativas con LangChain, LlamaIndex, RAGFlow, Dify, FastGPT, Flowise y MCP Server para herramientas de codificación con IA como Cursor, Claude Desktop y Windsurf. - **Enrutamiento y escalado**: incluye `mineru-api` para endpoints de tareas síncronas y asíncronas, y `mineru-router` para entrada unificada y balanceo de carga entre múltiples servicios y GPUs. Se admite inferencia concurrente multihilo. - **Soporte de plataformas**: funciona en Windows, Linux y macOS, incluidos entornos de CPU pura y aceleración GPU/MPS. - **Despliegue privado/sin conexión**: los modelos se pueden descargar y almacenar en caché localmente; admite chips de IA nacionales como Ascend, Cambricon, Enflame, MetaX, Moore Threads, Kunlunxin, Iluvatar, Hygon, Biren y T-Head. ## Licencia y orígenes MinerU se originó en el proyecto de preentrenamiento InternLM y es mantenido por OpenDataLab. A partir de la versión 3.1.0, utiliza una licencia de código abierto personalizada basada en Apache 2.0 (anteriormente AGPLv3). Hay disponibles una aplicación web en línea, un cliente de escritorio y una API en mineru.net, con demos en Hugging Face y ModelScope.