Công cụ một cú nhấp chuột giúp làm sạch, OCR, trích xuất văn bản và siêu dữ liệu, đồng thời xuất PDF của bạn dưới dạng Markdown hoặc JSON sẵn sàng cho LLM — đầu vào hoàn hảo cho GPT, Claude, Gemini, chỉ mục vector và bất kỳ quy trình tạo tăng cường truy xuất nào.
Nhấp để chọn tệp hoặc kéo và thả
Một hoặc nhiều tệp PDF
Tệp của bạn không bao giờ rời khỏi thiết bị.
Định dạng đầu ra:
Mỗi PDF sẽ được trích xuất dưới dạng tệp JSON chứa một mảng các đối tượng LlamaIndex Document với:
text -
Nội dung văn bản được trích xuất trên mỗi trang
metadata -
Số trang, tiêu đề và thông tin tài liệu
extra_info -
Ngữ cảnh bổ sung cho các hệ thống RAG
Đang xử lý...
Kéo một tệp PDF vào vùng tải lên hoặc chọn từ thiết bị của bạn. Tệp được xử lý cục bộ trong trình duyệt của bạn — không có gì được tải lên.
ZentoPDF chạy OCR nếu PDF được quét, loại bỏ tiêu đề/chân trang và hình mờ, chuẩn hóa khoảng trắng và xây dựng lại tài liệu thành Markdown sạch cộng với một tệp JSON phụ có cấu trúc với siêu dữ liệu đoạn.
Lấy tệp Markdown để nhắc trực tiếp và tệp JSON để lập chỉ mục RAG. Mỗi đoạn mang số trang, đường dẫn tiêu đề và số lượng token xấp xỉ — sẵn sàng để đưa thẳng vào quy trình LLM của bạn.
Tạo một bản PDF có thể tìm kiếm và sao chép được.
Trích xuất văn bản từ tệp PDF và lưu dưới dạng văn bản thuần túy (.txt). Hỗ trợ nhiều tệp.
Chuyển đổi văn bản và bảng PDF sang định dạng Markdown.
Trích xuất bảng từ tệp PDF và xuất dưới dạng CSV, JSON hoặc Markdown.
Giảm kích thước tệp tài liệu PDF của bạn trong khi vẫn duy trì chất lượng tốt nhất có thể.
Các tệp PDF thô là đầu vào tệ hại cho LLM: chúng chứa phông chữ cấp byte, các cột không theo thứ tự đọc, tiêu đề/chân trang lặp lại trên mỗi trang, các trang được quét không có văn bản thực và không có ranh giới đoạn. Chuẩn bị một tệp PDF biến nó thành văn bản sạch, có cấu trúc + siêu dữ liệu mà mô hình của bạn thực sự có thể đọc và chỉ mục vector của bạn có thể lưu trữ một cách hợp lý.
Hai: một tệp Markdown (.md) với các tiêu đề, đoạn văn và danh sách phù hợp, lý tưởng cho các lời nhắc LLM trực tiếp; và một tệp JSON phụ với một mục nhập cho mỗi đoạn (văn bản, trang, đường dẫn tiêu đề, số lượng token xấp xấp) — hoàn hảo cho việc nhúng vector và tạo tăng cường truy xuất.
Có. Nếu một trang không có văn bản có thể chọn, ZentoPDF sẽ chạy Tesseract.js OCR trong trình duyệt của bạn để nhận dạng nó trước khi trích xuất. Lớp OCR cũng được nhúng vào Markdown để AI của bạn nhìn thấy các từ thực thay vì một trang trống.
Không. Toàn bộ quy trình chạy trong trình duyệt của bạn với PDF.js, Tesseract.js và các bộ xử lý văn bản của chúng tôi. Tệp PDF của bạn và các tệp sẵn sàng cho AI được tạo ra không bao giờ rời khỏi thiết bị của bạn, điều này làm cho công cụ an toàn cho nghiên cứu độc quyền, tài liệu pháp lý và nội bộ.
Có — Markdown là định dạng thân thiện với LLM phổ biến. Bạn có thể dán trực tiếp vào bất kỳ giao diện người dùng trò chuyện nào, hoặc truyền JSON đã được chia thành các đoạn vào LangChain, LlamaIndex, LiteLLM hoặc quy trình RAG của riêng bạn mà không cần bất kỳ bước chuẩn hóa nào nữa.