このプロジェクトについて
MarkItDownは、見出し、リスト、表、リンクなどのドキュメント構造を保持しながら、複数のファイル形式をMarkdownに変換するPythonベースのツールです。これは、大規模言語モデル（LLM）やテキスト分析ツールで利用するためのデータ準備を目的として設計されています。
サポートされている形式は以下の通りです：
- オフィス文書：Word、PowerPoint、Excel（旧形式の.xlsを含む）。
- ドキュメントおよびウェブ：PDF、HTML、EPub。
- データ形式：CSV、JSON、XML。
- マルチメディア：画像（EXIFおよびOCR）、音声（EXIFおよび文字起こし）、YouTube URL。
- アーカイブ：ZIPファイル。
主な機能と統合：
- LLM統合：LLMクライアント（例：OpenAI）を使用して、プラグイン経由で画像の説明生成やOCRを実行することをサポートしています。
- Azure統合：Azure Document IntelligenceおよびAzure Content Understandingとのオプション統合を提供し、ビデオのマルチモーダルサポートや構造化フィールド抽出（YAMLフロントマター）を含む、高精度なクラウドベースの抽出を可能にします。
- 拡張性：新しいファイル形式コンバーターを追加するためのプラグインシステムをサポートしています。
- インターフェース：コマンドラインインターフェース（CLI）と、より大規模なワークフローに組み込むためのPython APIの両方を提供しています。