docling-project/docling

解決的問題

Docling 簡化了將多樣且複雜的文件格式轉換為適合生成式 AI 應用程式的結構化、機器可讀格式的過程。它解決了解析進階 PDF 版面配置、表格以及通常難以從舊版文件格式中提取的多模態內容（如圖像和音訊）的挑戰。

運作方式

Docling 使用稱為 DoclingDocument 的統一表示格式來解析各種類型的檔案（包括 PDF、Office 文件、圖像，甚至是視訊/音訊檔案），並將其匯出為 Markdown、HTML 或 JSON 等格式。它利用諸如 GraniteDocling 之類的視覺語言模型 (VLM) 進行進階 PDF 理解（版面配置、閱讀順序和表格結構），並利用自動語音辨識 (ASR) 進行音訊和視訊轉錄。

適用對象

它專為開發 AI 代理、RAG (Retrieval-Augmented Generation) 管線以及需要攝取各種非結構化資料來源的文件處理工作流程的開發人員而設計。

特色亮點

• 廣泛的格式支援：解析 PDF、DOCX、PPTX、XLSX、HTML、EPUB、Apple Pages、電子郵件格式以及視訊/音訊檔案。
• 進階 PDF 分析：提取頁面版面配置、閱讀順序、表格結構和公式。
• 多模態功能：包含用於掃描文件的 OCR、用於音訊/視訊的 ASR，以及將圖表轉換為表格或程式碼的圖表理解功能。
• AI 生態系統整合：與 LangChain、LlamaIndex、Crew AI 和 Haystack 原生隨插即用整合。
• 靈活部署：支援離線環境的本地執行、API 伺服器以及 CLI。