PDF转Markdown/JSON软件MinerU最新2.1.4版一键启动整合包下载

MinerU发布至今我已经更新多版整合包了，5天前MinerU发布了第一个正式版1.0.1，并且看到在18小时之前有更新模型文件，我就做了个最新版的一键启动整合包。

2025年02月21日更新v1.1.0版整合包

2025年02月27日更新v1.2.0版整合包

2025-06-05 更新v1.3.12版本

2025-07-24 更新v2.1.4版本

MinerU介绍

可能还有很多人没使用过这个软件。MinerU是一款非常热门的高质量PDF转markdown和JSON格式软件

MinerU主要特点

• 删除页眉、页脚、脚注、页码等元素，确保语义连贯
• 输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版
• 保留原文档的结构，包括标题、段落、列表等
• 提取图像、图片描述、表格、表格标题及脚注
• 自动识别并转换文档中的公式为LaTeX格式
• 自动识别并转换文档中的表格为HTML格式
• 自动检测扫描版PDF和乱码PDF，并启用OCR功能
• OCR支持84种语言的检测与识别
• 支持多种输出格式，如多模态与NLP的Markdown、按阅读顺序排序的JSON、含有丰富信息的中间格式等
• 支持多种可视化结果，包括layout可视化、span可视化等，便于高效确认输出效果与质检

更新记录

• 2025/07/23 2.1.4 发布
  • 错误修复
    • 修复某些场景下后端MFR步骤内存消耗过大的问题#2771pipeline
    • 修复某些条件下image/table和caption/匹配不准确的问题#3129footnote
• 2025/07/16 2.1.1 发布
  • 错误修复
    • 修复某些场景下可能出现的文本块内容丢失问题pipeline#3005
    • sglang-client修复需要不必要的包（如torch#2968）的问题
    • 更新dockerfile以修复由于 Linux 中缺少字体导致的文本内容解析不完整问题 #2915
  • 可用性改进
    • 已更新compose.yaml，以便于直接启动sglang-server、、mineru-api和mineru-gradio服务
    • 推出全新的在线文档网站，简化自述文件，提供更好的文档体验
• 2025/07/05 版本 2.1.0 发布
  • 这是MinerU 2的首次重大更新，包含大量新功能和改进，涵盖显著的性能优化、用户体验提升以及错误修复。详细更新内容如下：
  • 性能优化：
    • 显著提高了特定分辨率文档（长边约 2000 像素）的预处理速度。
    • pipeline后端批量处理页数较少（<10页）的文档时，后处理速度大大提高。
    • 后端布局分析速度pipeline提升约20%。
  • 体验增强：
    • 内置即用型fastapi service和gradio webui。有关详细使用说明，请参阅文档。
    • 已适配sglang版本0.4.8，显著降低了后端 GPU 内存需求vlm-sglang。现在只需8GB GPU memory(Turing 架构或更新版本) 的显卡即可运行。
    • 为所有相关的命令添加了透明参数传递sglang，允许后端以与一致的方式sglang-engine接收所有参数。sglangsglang-server
    • 支持基于配置文件的功能扩展，包括custom formula delimiters、enabling heading classification和customizing local model directories。详细使用说明请参考文档。
  • 新功能：
    • 后端更新pipelinePP-OCRv5多语言文本识别模型，支持法语、西班牙语、葡萄牙语、俄语、韩语等37种语言的文本识别，平均准确率提升30%以上。详情
    • 在后端引入了对垂直文本布局的有限支持pipeline。

更多更新内容可查看以前版本介绍《PDF转Markdown格式软件MinerU一键启动整合包v0.10.0版》

MinerU整合包使用说明

首先将软件压缩包从网盘下载到本地电脑上并解压。

然后双击运行【启动软件.exe】即可打开软件操作界面。

首先选择待处理PDF文件，你可以点击选择文件按钮选择文件，也可以把想要处理的文件鼠标左键按住拖动到软件窗口中，软件会自动填充路径。软件也支持批量处理，你可以选择处理某个文件夹。当前版本新增处理其它多种格式文件： .png .jpg .ppt .pptx .doc .docx

处理方法：默认auto模式,你也可以手动选择ocr或txt，如果是纯文本文档，建议选择txt，速度更快

PDF语言：用于辅助优化ocr的准确性，填写语言代码，如英语文档填：en

v1.3.12更新语言识别模型：

• ch ：PP-OCRv4_rec_server_doc（默认）（中英日繁混合/1.5w字典）
• ch_server ：PP-OCRv5_rec_server（中英日繁混合+手写场景/1.8w字典）
• ch_lite ：PP-OCRv5_rec_mobile（中英日繁混合+手写场景/1.8w字典）
• ch_server_v4 ：PP-OCRv4_rec_server（中英混合/6k字典）
• ch_lite_v4 ：PP-OCRv4_rec_mobile（中英混合/6k字典）

起始页：想从PDF哪页开始处理。页数从0开始计数的，比如想从第二页开始处理，这里就填1

结束页：想要软件处理到哪页结束，和上面一样，填数字

默认只需要设置待处理文件和保存位置即可，其它不需要设置。

表格识别和公式识别功能默认都是开启的，如果你用不到这些功能或是电脑带不动，你可以选择关闭这些功能。

旧版内容

首先申请一个阿里云百炼的API KEY：https://bailian.console.aliyun.com/?apiKey=1#/api-key

API KEY为sk-开头的一串字符串，然后申请开通大模型：https://bailian.console.aliyun.com/#/model-market，选择一个你想使用的模型，鼠标放在【立即体验】四个字上方会出现开通提示，你点击去开通，开通了大模型使用权限你才可以通过API调用相关大模型

然后在软件API KEY输入框里填写你的阿里云百炼key点击设置就可以了。

要注意，通义千问在线大语言模型并不是完全免费的，是有一定的免费额度的，注意你的用量

PDF文档处理完成后结果会保存在你设置的输出目录里。

输出结果文件说明：

├——some_pdf.md#最终md文件

├——images#图像存储目录

├——some_pdf_layout.pdf#布局图

├——some_pdf_middle.json#MinerU中间处理结果

├——some_pdf_model.json模型推理结果

├——some_pdf_origin.pdf#根据设置处理后的原始pdf文件，如裁剪了页数范围

├——some_pdf_spans.pdf#最小粒度bbox位置信息图

└——some_pdf_content_list.json#按阅读顺序排列的富文本json

视频教程：https://nuowa.net/1656

注意事项

程序要求硬件为图灵架构或更高显卡，建议英伟达显卡为20X或更高系列用户使用

支持英伟达50系列显卡

整合包只支持Windows 10或11系统

软件运行路径中不要有非英文字符和空格，待处理文件同样注意

保存位置不要选择盘符根目录下

PDF转Markdown软件MinerU 2.1.4版整合包下载链接

https://pan.quark.cn/s/8c854a17f594

MinerU本地电脑安装部署教程

https://nuowa.net/1960