本次再分享一个由字节跳动团队开发的一款图片文档解析工具Dolphin，支持解析表格、公式、文本、代码块等元素，支持图片和PDF文档转为Markdown和JSON格式文件，当前为最新发布的V2版本，各项功能效果都得到较大提升。
Dolphin V2介绍
Dolphin是由字节跳动（ByteDance）开发并开源的一款高性能、多模态的通用文档图像解析模型。该研究成果已被自然语言处理领域的顶级会议 ACL 2025 接收。
简单来说，Dolphin 是一个强大的“文档提取神器”，它可以将包含复杂排版（如文本、公式、表格、图片、代码块等）的 PDF 或文档图片，精准且高效地转化为结构化的 Markdown 或 JSON 格式数据。当前发布的整合包版本为最新的V2版本。
| Model | Size | Overall↑ | TextEdit↓ | FormulaCDM↑ | TableTEDS↑ | TableTEDS-S↑ | Read OrderEdit↓ |
|---|---|---|---|---|---|---|---|
| Dolphin | 0.3B | 74.67 | 0.125 | 67.85 | 68.70 | 77.77 | 0.124 |
| Dolphin-1.5 | 0.3B | 85.06 | 0.085 | 79.44 | 84.25 | 88.06 | 0.071 |
| Dolphin-v2 | 3B | 89.78 | 0.054 | 87.63 | 87.02 | 90.48 | 0.054 |
Dolphin V2整合包使用说明
首先将网盘内的软件压缩包下载到本地电脑上解压，然后双击启动软件.bat，等自动打开webui操作界面。
软件操作界面主要分为三个模块，全文解析，元素解析，布局分析
软件操作区域内首先点击上传图片、pdf文档或输入文件夹路径
全文解析就是处理整个PDF文档或图片转为Markdown和JSON文件
支持批量操作，输入文件夹路径到输入框即可
元素解析就是处理单张图片，格式为jpg,jpeg,png，支持解析元素类型有表格、公式、文本、代码块，支持批量操作
布局分析就是分析文档元素布局，具体效果可进行实测查看
生成结果默认保存到gradio_results文件夹内
注意事项
本软件对显卡配置要求略高，未测试电脑最低配置，建议英伟达显卡显存6G以上用户使用
软件只支持windows10或11系统，不支持手机和mac
使用前建议先更新英伟达显卡到最新版
软件运行路径及待处理文档路径中不能有非英文字符及空格
图片PDF文档解析工具Dolphin V2整合包下载链接
相关推荐
图片/PDF转HTML/Markdown/JSON软件Chandra—— Windows 版一键启动包,免安装部署,可离线- PDF/图片转markdown软件MonkeyOCR整合包，文档图片解析工具下载
- 微软PDF/WORD/HTML文档转Markdown格式软件markitdown整合包下载
- PDF转Markdown软件MinerU 2.5.4版整合包使用说明视频教程
- PDF转Markdown/JSON软件MinerU最新3.1.11版一键启动整合包下载
- PDF/EPUB转Markdown/HTML软件Marker v1.6.1 2025-03-21版
- PDF转Markdown软件zerox整合包，利用在线大语言模型识别转换PDF内容
- 最新版PDF转Markdown格式软件MinerU一键启动整合包v0.10.0下载
最近更新
AI漫剧制作即梦seedance2.0教程及提示词2026年5月最新版分享
AI视频依旧持续火爆，各种类型的AI视频层出不穷，视频效果也是越来越好，甚至快接近影视级，目前最主要的AI视频生成工具还是即梦，即梦 Seedance 2.0生成视频一秒钟都到2块多钱了😂，不过也没办法，还是得用，目前还没能有替代即梦see...
AI实时语音聊天对话系统，外语口语陪练/虚拟好友实时语音交流
AI 实时语音对话系统 是一款集语音识别（ASR）、大语言模型（LLM）对话、语音合成（TTS）于一体的实时语音交互软件。用户通过麦克风说话，系统自动识别语音内容并转为文字，交由 AI 角色进行智能回复，最终将回复内容合成为语音实时播放，实...
ComfyUI 三参考图生图工作流，虚拟试衣、换脸、图片内容整合
本工作流核心能力是将三张不同角度、内容的参考图，通过 AI 理解融合，生成一张新的图像，新图像内容根据描述词指令生成。工作流集成了阿里巴巴的 Qwen2.5-VL 多模态大模型（图像编辑版本）与 SeedVR2 超分辨率放大模型，实现了「理...
comfyui CUDA128+torch 2.8.0+python3.12最新纯净版一键启动整合包
comfyui官方发布的最新版便携包是基于torch 2.11+CU130 +Python 3.13版本制作的，Python版本和torch版本都太新了，windows电脑上安装某些节点的时候会有冲突报错，有时候就算能安装上也会比较麻烦，感...
LTX2.3+comfyui音频驱动视频生成工作流
这是一个基于 ComfyUI 的 LTX 2.3 音视频同步生成工作流，核心功能是上传一段音频 + 参考图片（可多张图），自动生成与音频内容对应的视频，适合制作人物说话、唱歌等口型同步视频。工作流使用8位量化版ltx2.3模型，显存需求降低...
LTX2.3+comfyui分段提示词图片转视频工作流，AI视频带货生成器
再和大家分享一个基于 ComfyUI 的 AI 分段提示词图生视频工作流，本工作流主要基于模型LTX2.3和PromptRelay实现。可使用PromptRelay分时段控制生成不同视频画面或合成语音内容。 📌 工作流简介 本工作流是一套基...
windows电脑C盘垃圾查找清理软件
电脑用了好几年了，尽管我安装软件从来不主动装到C盘，偶尔也会清理垃圾，但是用的久了，容量也是在慢慢减少。我C盘303G，现在就剩了24G了，已经会影响到系统性能和虚拟内存调度了，已经不能不管了。C盘不装软件的话大多都是缓存，文件太多了，有时...
LTX2.3+comfyui视频去除字幕水印工作流分享
本次再和大家分享一个视频去字幕水印的comfyui工作流，工作流基于LTX2.3视频生成模型制作。LTX2.3是最新最强的视频生成模型，我前段时间就分享过了，可以看我另一篇文章：https://nuowa.net/2525，comfyui项...
多人对话声音克隆语音合成工具Chatterbox TTS免安装版，AI实时文字转语音
Chatterbox 是由 Resemble AI 开发的开源文本转语音（Text-to-Speech, TTS）模型，支持零样本音色克隆：只需提供一段参考音频（几秒钟的人声），即可模仿该音色朗读任意文本。我基于最新版源码制作了免安装一键启...
Mineru PDF转markdown软件局域网版
对于有的电脑配置比较低或是win7系统等电脑无法使用Mineru情况，可以使用局域网内可运行软件的电脑运行Mineru，然后其它电脑或手机等终端输入IP地址，打开运行软件的IP地址来使用Mineru。 具体用法： 下载局域网版压缩包到本地电...
