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
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2.7.3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
- 批量PDF文档转MD格式软件marker整合包下载，PDF文件转Markdown格式文件工具
最近更新
字节跳动Dolphin图片文档解析工具免安装一键启动整合包下载,PDF转JSON/Markdown软件
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...
微软最新图片转3D网格模型软件TRELLIS.2 windows版整合包下载，AI一键建模工具
上个月微软发布了图片转3D网格模型软件TRELLIS的2.0版本。之前1.0版本非常受欢迎，当前2.0版本功能更强大，效果更好。我制作了最新windows版免安装一键启动整合包。 TRELLIS.2官方说明 TRELLIS.2 是一款最先进...
FunASR最新模型FunAudioLLM/Fun-ASR-Nano-2512实时语音识别转文字热词版整合包下载
Fun-ASR-Nano-2512是阿里通义实验室前天刚发布的最新最强的一款语音识别转文字模型，支持31种语言，延迟低，在某些专业领域表现出色。我基于FunAudioLLM/Fun-ASR-Nano-2512模型制作了最新实时语音识别转文字...
Nova数字人虚拟主播软件下载
这个还是2023年做的数字人项目，发现仍有人有这方面需求，我又重新做了一下。把其它所有功能都删除了，只保留了个音频文件驱动口型讲话的功能。 软件功能及用法 启动软件，点击右上角扳手按钮，打开设置界面，先选中一个主播人物，再选择导入一段音频文...
Crawl4AI：基于AI大语言模型的网络爬虫和数据抓取工具整合包软件下载
Crawl4AI是一款基于AI大语言模型能力的网络爬虫和数据抓取软件，可以将网页转换为简洁、符合 LLM 规范的 Markdown 格式，适用于 RAG、代理和数据管道。它速度快、可控性强。 Crawl4AI官方介绍 开源的 LLM 友好型...
browser-use浏览器任务全自动化AI助手windows电脑版一键启动整合包
本次再和大家分享一个非常牛逼的AI助手软件：browser-use，别问哪里牛逼，反正很多人都在用，社区starts高达72.8K，火遍全球的deepseek 100K，browser-use 72.8K，就问你火不火。之前我也分享过其它类...
FlashVSR低分辨率模糊视频高清放大工具整合包v1.1下载，免安装一键启动
FlashVSR-一款高性能可靠的视频超高分辨率放大工具。迈向基于扩散的实时流式视频超分辨率——一种高效的单步扩散框架，用于具有局部约束稀疏注意力和小型条件解码器的流式VSR。 FlashVSR官方介绍 扩散模型最近在视频修复方面取得了进展...
VibeVoice：富有表现力的长篇多人对话语音合成工具整合包下载
VibeVoice是微软开发的一款富有表现力的长篇多人对话语音合成工具。支持1-4个发音人，支持声音克隆自定义音色合成语音，我制作了最新的本地免安装一键启动整合包及云端在线版。 VibeVoice介绍 VibeVoice：一种前沿的长对话文...
多图编辑人物一致性图片合成处理工具Qwen-Image-Edit-2509整合包下载，人物换装换姿势动作软件
Qwen-Image 是一个功能强大的图像生成基础模型，能够进行复杂的文本渲染和精确的图像编辑。Qwen-Image-Edit-2509是Qwen-Image-Edit的月度更新版本，增加了多图编辑和单图一致性生成功能。 Qwen-Imag...
摸鱼神器windows电脑隐藏任务栏软件图标工具rbtray下载
本次和大家分享一个摸鱼神器rbtray。 windows电脑软件运行的时候会在屏幕底部的任务栏上有一个软件图标，如果你开了哪个软件又不想被别人看到你正在运行这个软件的话，那么这个神器rbtray就非常适合你了。 rbtray可以快速将软件图...
