AI软件下载
有趣网站推荐及实用软件下载
当前位置：诺瓦小站 AI软件 AI文本 正文

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

2025-01-15 分类：AI文本 评论(0)

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

文章目录 隐藏
1 MinerU介绍
2 MinerU整合包使用说明
3 注意事项
4 PDF转Markdown软件MinerU 2.1.4版整合包下载链接
5 MinerU本地电脑安装部署教程

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》

其它更新内容

在1月10日的时候发布了第一个正式版1.0.1版。1.0.1版更新内容有：

引入了全新的API接口，并通过大量重构增强了兼容性，同时引入了全新的自动语言识别功能：

  • 新的 API 接口
    • 对于数据端API，我们引入了Dataset类，旨在提供强大而灵活的数据处理框架。该框架目前支持多种文档格式，包括图片（.jpg和.png）、PDF、Word文档（.doc和.docx）和PowerPoint演示文稿（.ppt和.pptx）。它确保有效支持从简单到复杂的数据处理任务。
    • 对于用户端API，我们精心设计了MinerU的处理流程为一系列可组合的Stage，每个Stage代表一个具体的处理步骤，用户可以根据自己的需求定义新的Stage，并创造性地组合这些Stage来定制自己的数据处理流程。
  • 增强兼容性
    • 通过优化依赖环境和配置项，保证在ARM架构Linux系统上稳定、高效的运行。
    • 与华为Ascend NPU加速深度融合，提供自主可控的高性能计算能力，支撑中国AI应用平台的本土化发展。Ascend NPU加速
  • 自动语言识别
    • 通过引入新的语言识别模型，在文档解析时将配置设置lang为auto将自动选择合适的OCR语言模型，提高扫描文档解析的准确性。

2025年2月21日整合包更新内容

支持最新1.1.0版，此版本重点提升了解析准确率和效率：
模型能力升级（需要重新下载模型文件，以前的已不可用）
布局识别模型升级为最新的doclayout_yolo(2501)模型，提升布局识别准确率。
公式解析模型升级为最新的unimernet(2501)模型，提升公式识别准确率。
性能优化
在满足一定配置要求的设备上（16GB+VRAM），通过优化资源使用和重构处理流水线，整体解析速度提升50%以上。
解析效果优化

2025年2月27日整合包更新内容

1.2.0发布。此版本包括几个修复和改进，以提高解析效率和准确性：

性能优化

提高了自动模式下PDF文档的分类速度。

解析优化

改进了包含水印的文档的解析逻辑，显著提高了此类文档的解析结果。

增强了单个页面内多个图像/表格和标题的匹配逻辑，提高了复杂布局中图像文本匹配的准确性。

漏洞修补

修复了在某些情况下图像/表格跨度被错误地填充到文本块中的问题。

解决了某些情况下标题栏为空的问题。

1.2.1-1.3.10大量更新内容不再转述

1.3.12更新内容

  • 增加ppocrv5模型的支持，将ch_server模型更新为PP-OCRv5_rec_server，ch_lite模型更新为PP-OCRv5_rec_mobile（需更新模型）
    • 在测试中，发现ppocrv5(server)对手写文档效果有一定提升，但在其余类别文档的精度略差于v4_server_doc，因此默认的ch模型保持不变，仍为PP-OCRv4_server_rec_doc。
    • 由于ppocrv5强化了手写场景和特殊字符的识别能力，因此您可以在日繁混合场景以及手写文档场景下手动选择使用ppocrv5模型
    • 您可通过lang参数lang='ch_server'(python api)或--lang ch_server(命令行)自行选择相应的模型：
      • 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）
  • 增加手写文档的支持，通过优化layout对手写文本区域的识别，现已支持手写文档的解析
    • 默认支持此功能，无需额外配置
    • 可以参考上述说明，手动选择ppocrv5模型以获得更好的手写文档解析效果

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

AI应用在线一键启动，低价爽玩4090：立即体验>>

软件催更及1对1人工答疑支持： https://nuowa.net/1806
赞(20) 打赏
软件无法使用？点击查看常见问题说明>>
分享到

相关推荐

最近更新

comfyui视频人物换主体工作流及模型下载-诺瓦小站

comfyui视频人物换主体工作流及模型下载

本次分享一个好玩的视频人物换主体工作流，本工作流可以使用一张图片中的主体替换视频中的人物主体。比如抖音上很多热门的猴子炒饭，奥特曼炒饭，猴子vlog等等，都可以使用人物主体替换把原来视频中的人物替换成指定的人物。 comfyui工作流节点使...

赞(1)ComfyUI
凡人修仙传动画韩立高清图片壁纸素材AI绘画图集-诺瓦小站

凡人修仙传动画韩立高清图片壁纸素材AI绘画图集

恭迎韩天尊！ 祝贺韩天尊顺利结婴！ 热门国漫凡人修仙传动画已经更新了5年了，最新一集，主人公韩立顺利结婴，成为一名元婴修士。我属于是比较喜欢看动漫的，看过的动漫估计没过百也得大几十了，热门国漫大多都看过。凡人修仙传算是最喜欢的动漫之一，韩立...

赞(1)素材

热门文章

觉得文章对你有帮助就打赏一下作者

非常感谢你的打赏，我将有更多的动力继续提供优质内容，让我们一起创建更加美好的世界！

支付宝扫一扫

微信扫一扫