markitdown

MarkItDown은 제목, 목록, 표, 링크와 같은 문서 구조를 유지하면서 여러 파일 형식을 Markdown으로 변환하는 Python 기반 도구입니다. 이 도구는 대규모 언어 모델(LLM) 및 텍스트 분석 도구가 데이터를 소비할 수 있도록 준비하기 위해 설계되었습니다. 지원되는 형식은 다음과 같습니다: - 오피스 문서: Word, PowerPoint, Excel(이전 .xls 형식 포함). - 문서 및 웹: PDF, HTML, EPub. - 데이터 형식: CSV, JSON, XML. - 멀티미디어: 이미지(EXIF 및 OCR), 오디오(EXIF 및 전사), YouTube URL. - 아카이브: ZIP 파일. 주요 기능 및 통합: - LLM 통합: 플러그인을 통해 이미지 설명 생성 및 OCR 수행을 위해 LLM 클라이언트(예: OpenAI) 사용을 지원합니다. - Azure 통합: 비디오에 대한 멀티모달 지원 및 구조화된 필드 추출(YAML front matter)을 포함하여, 고정밀 클라우드 기반 추출을 위한 Azure Document Intelligence 및 Azure Content Understanding과의 선택적 통합을 제공합니다. - 확장성: 새로운 파일 형식 변환기를 추가하기 위한 플러그인 시스템을 지원합니다. - 인터페이스: 더 큰 워크플로우에 통합할 수 있도록 명령줄 인터페이스(CLI)와 Python API를 모두 제공합니다.