Інструмент у адзін клік, які ачышчае, выконвае OCR, вымае тэкст і метаданыя, а таксама экспартуе ваш PDF як гатовы для LLM Markdown або JSON — ідэальны ўвод для GPT, Claude, Gemini, вектарных індэксаў і любога канвеера генерацыі з дапамогай пошуку.
Націсніце, каб выбраць файл, або перацягніце сюды
Адзін або некалькі файлаў PDF
Вашы файлы ніколі не пакідаюць прыладу.
Фармат вываду:
Кожны PDF будзе выняты як JSON-файл, які змяшчае масіў аб'ектаў LlamaIndex Document з:
text -
Выняты тэкставы змест па старонках
metadata -
Нумар старонкі, загалоўкі і інфармацыя пра дакумент
extra_info -
Дадатковы кантэкст для сістэм RAG
Апрацоўка...
Перацягніце адзін PDF-файл у зону загрузкі або выберыце яго са сваёй прылады. Файл апрацоўваецца лакальна ў вашым браўзеры — нічога не загружаецца.
ZentoPDF выконвае OCR, калі PDF сканаваны, выдаляе верхнія/ніжнія калонтытулы і вадзяныя знакі, нармалізуе прабелы і перабудоўвае дакумент у чысты Markdown плюс структураваны JSON-файл з метаданымі фрагментаў.
Вазьміце Markdown для прамога запыту і JSON для індэксацыі RAG. Кожны фрагмент змяшчае нумар старонкі, шлях загалоўка і прыблізную колькасць токенаў — гатовы для непасрэднага ўводу ў ваш канвеер LLM.
Зрабіце PDF даступным для пошуку і капіравання.
Выманне тэксту з файлаў PDF і захаванне ў выглядзе звычайнага тэксту (.txt). Падтрымлівае некалькі файлаў.
Канвертаваць тэкст і табліцы PDF у фармат Markdown.
Выманне табліц з PDF-файлаў і экспарт у CSV, JSON або Markdown.
Паменшыце памер файлаў вашых PDF-дакументаў, захоўваючы найлепшую якасць.
Неапрацаваныя PDF-файлы — гэта жудасныя ўваходныя даныя для LLM: яны ўтрымліваюць шрыфты на ўзроўні байтаў, слупкі не ў парадку чытання, верхнія/ніжнія калонтытулы, якія паўтараюцца на кожнай старонцы, сканаваныя старонкі без рэальнага тэксту і без межаў фрагментаў. Падрыхтоўка PDF ператварае яго ў чысты, структураваны тэкст + метаданыя, якія ваша мадэль можа фактычна прачытаць, а ваш вектарны індэкс можа разумна захоўваць.
Два: файл Markdown (.md) з правільнымі загалоўкамі, абзацамі і спісамі, ідэальны для прамых запытаў LLM; і JSON-файл з адным запісам на фрагмент (тэкст, старонка, шлях загалоўка, прыблізная колькасць токенаў) — ідэальны для вектарнага ўбудавання і генерацыі з дапамогай пошуку.
Так. Калі старонка не мае выбіраемага тэксту, ZentoPDF запускае Tesseract.js OCR у вашым браўзеры, каб распазнаць яго перад выманнем. Слой OCR таксама ўбудоўваецца ў Markdown, так што ваш AI бачыць рэальныя словы замест пустой старонкі.
Не. Увесь канвеер працуе ў вашым браўзеры з дапамогай PDF.js, Tesseract.js і нашых тэкставых працэсараў. Ваш PDF і згенераваныя файлы, гатовыя для AI, ніколі не пакідаюць вашу прыладу, што робіць інструмент бяспечным для ўласных даследаванняў, юрыдычных і ўнутраных дакументаў.
Так — Markdown з'яўляецца універсальным фарматам, зручным для LLM. Вы можаце ўставіць яго непасрэдна ў любы інтэрфейс чата або перадаць фрагментаваны JSON у LangChain, LlamaIndex, LiteLLM або ваш уласны канвеер RAG без дадатковых крокаў нармалізацыі.