Ferramenta de um clique que limpa, faz OCR, extrai texto e metadados, e exporta seu PDF como Markdown ou JSON pronto para LLM — entrada perfeita para GPT, Claude, Gemini, índices vetoriais e qualquer pipeline de geração aumentada por recuperação.
Clique para selecionar um arquivo ou arraste e solte
Um ou mais arquivos PDF
Seus arquivos nunca saem do seu dispositivo.
Formato de Saída:
Cada PDF será extraído como um arquivo JSON contendo um array de objetos Document do LlamaIndex com:
text -
Conteúdo de texto extraído por página
metadata -
Número da página, títulos e informações do documento
extra_info -
Contexto adicional para sistemas RAG
Processando...
Arraste um único PDF para a zona de upload ou escolha-o em seu dispositivo. O arquivo é processado localmente em seu navegador — nada é carregado.
ZentoPDF executa OCR se o PDF for digitalizado, remove cabeçalhos/rodapés e marcas d'água, normaliza espaços em branco e reconstrói o documento em Markdown limpo, além de um JSON sidecar estruturado com metadados de chunk.
Pegue o Markdown para prompts diretos e o JSON para indexação RAG. Cada chunk contém seu número de página, caminho do título e contagem aproximada de tokens — pronto para alimentar diretamente seu pipeline LLM.
Torne um PDF pesquisável e copiável.
Extraia texto de ficheiros PDF e guarde como texto simples (.txt). Suporta múltiplos ficheiros.
Converter texto e tabelas PDF para o formato Markdown.
Extraia tabelas de arquivos PDF e exporte como CSV, JSON ou Markdown.
Reduza o tamanho dos seus documentos PDF mantendo a melhor qualidade possível.
PDFs brutos são entradas terríveis para LLMs: eles contêm fontes em nível de bytes, colunas fora da ordem de leitura, cabeçalhos/rodapés repetidos em cada página, páginas digitalizadas sem texto real e sem limites de chunk. Preparar um PDF o transforma em texto limpo e estruturado + metadados que seu modelo pode realmente ler e seu índice vetorial pode armazenar de forma sensata.
Dois: um arquivo Markdown (.md) com títulos, parágrafos e listas adequados, ideal para prompts diretos de LLM; e um JSON sidecar com uma entrada por chunk (texto, página, caminho do título, contagem aproximada de tokens) — perfeito para embedding vetorial e geração aumentada por recuperação.
Sim. Se uma página não tiver texto selecionável, ZentoPDF executa o OCR Tesseract.js em seu navegador para reconhecê-lo antes da extração. A camada OCR também é incorporada ao Markdown para que sua IA veja palavras reais em vez de uma página vazia.
Não. Todo o pipeline é executado em seu navegador com PDF.js, Tesseract.js e nossos processadores de texto. Seu PDF e os arquivos gerados prontos para IA nunca saem do seu dispositivo, o que torna a ferramenta segura para pesquisa proprietária, documentos legais e internos.
Sim — Markdown é o formato universal amigável para LLM. Você pode colá-lo diretamente em qualquer interface de chat, ou transmitir o JSON chunked para LangChain, LlamaIndex, LiteLLM ou seu próprio pipeline RAG sem nenhuma etapa adicional de normalização.