mineru

MinerU 是一款高精度文档解析引擎，旨在将复杂文档格式转换为机器可读的结构化数据，供下游 LLM、RAG 和 agent 工作流使用。它原生支持 PDF、图片、DOCX、PPTX 和 XLSX 输入，并输出保留阅读顺序的 Markdown 或 JSON。 ## 核心能力 - **多格式原生解析**：无需先转换为 PDF，即可处理 PDF、扫描文档、图片、DOCX、PPTX 和 XLSX。 - **结构保留**：移除页眉、页脚、脚注和页码；按人类可读的阅读顺序输出标题、段落、列表、表格和文本，适用于单栏、多栏和复杂版式。 - **公式与表格提取**：自动将公式转换为 LaTeX，将表格转换为 HTML，包括跨页表格合并和表格内容识别。 - **OCR 引擎**：自动检测扫描版或乱码 PDF 并启用 OCR，支持 109 种语言。自 3.4 版本起，pipeline 后端使用 PP-OCRv6。 - **双推理后端**：提供三种模式——`pipeline`（基于规则、快速、支持 CPU/GPU）、`vlm-engine`（基于 VLM、高精度、支持 vLLM/LMDeploy/mlx）和 `hybrid-engine`（结合原生文本提取与 VLM，低幻觉）。 - **模型选择**：VLM 模型包括 MinerU2.5-Pro 系列；3.3 版本引入了 `effort` 参数（medium/high），用于平衡速度与精度。 ## 集成与部署 - **SDK 与接口**：Python/Go/TypeScript SDK、CLI、REST API、Docker 和 Gradio WebUI。 - **框架**：与 LangChain、LlamaIndex、RAGFlow、Dify、FastGPT、Flowise 原生集成，并提供 MCP Server，供 Cursor、Claude Desktop 和 Windsurf 等 AI 编码工具使用。 - **路由与扩展**：包含用于同步和异步任务端点的 `mineru-api`，以及用于跨多个服务和 GPU 提供统一入口和负载均衡的 `mineru-router`。支持多线程并发推理。 - **平台支持**：可在 Windows、Linux 和 macOS 上运行，包括纯 CPU 环境以及 GPU/MPS 加速。 - **私有化/离线部署**：模型可下载并缓存到本地；支持昇腾、寒武纪、燧原、沐曦、摩尔线程、昆仑芯、天数智芯、海光、壁仞和平头哥等国产 AI 芯片。 ## 许可证与起源 MinerU 源自 InternLM 预训练项目，由 OpenDataLab 维护。从 3.1.0 版本开始，它使用基于 Apache 2.0 的自定义开源许可证（此前为 AGPLv3）。mineru.net 上提供在线 Web 应用、桌面客户端和 API，并在 Hugging Face 和 ModelScope 上提供演示。