منصوبے کے بارے میں

Docling IBM Research سے تعلق رکھنے والی ایک دستاویز پروسیسنگ لائبریری ہے جو جنریٹو AI ایپلی کیشنز کے لیے دستاویزات کو تیار کرتی ہے۔ یہ PDF، DOCX، PPTX، XLSX، HTML، EPUB، ODF، Apple Pages، LaTeX، پلین ٹیکسٹ، تصاویر (PNG, TIFF, JPEG)، آڈیو (WAV, MP3)، ویڈیو (MP4, AVI, MOV, MKV, WebM)، ای میل (EML, MSG)، XBRL مالیاتی رپورٹس اور دیگر فارمیٹس کو پارس کرتی ہے۔ PDFs کے لیے، یہ پیج لی آؤٹ، ریڈنگ آرڈر، ٹیبل سٹرکچر، کوڈ، فارمولے اور امیج کلاسیفیکیشن کی جدید سمجھ بوجھ فراہم کرتی ہے۔ دستاویزات کو یونیفائیڈ DoclingDocument فارمیٹ میں ظاہر کیا جاتا ہے اور انہیں Markdown، HTML، JSON، WebVTT، DocLang، اور DocTags میں ایکسپورٹ کیا جا سکتا ہے۔ یہ ایئر گیپڈ ماحول کے لیے لوکل ایکزیکیوشن، اسکین شدہ فائلز کے لیے وسیع OCR، اور GraniteDocling جیسے آپشنل ویژول لینگویج ماڈلز کی حمایت کرتا ہے۔ آڈیو ٹرانسکرپشن ASR استعمال کرتی ہے، اور ویڈیو پارسنگ ٹرانسکرپٹس اور کی فریمز پیدا کرتی ہے۔ پروجیکٹ میں ایک سادہ CLI، API سرور، اور MCP سرور شامل ہیں، نیز LangChain، LlamaIndex، Crew AI، اور Haystack کے ساتھ نیٹو انٹیگریشنز موجود ہیں۔ یہ MIT لائسنس کے تحت دستیاب ہے اور LF AI & Data کے تحت ہوسٹ ہے۔ انسٹالیشن pip (Python 3.10+) کے ذریعے کی جا سکتی ہے، اور README میں چند لائنوں کے Python کوڈ کے ذریعے PDF URL کو Markdown میں تبدیل کرنے کا طریقہ دکھایا گیا ہے۔