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
最近更新
阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
阿里千问Qwen3-TTS是一款热门的语音合成及声音克隆软件，我基于当前最新版制作了免安装一键启动整合包，并增加多人对话语音合成功能。 此版本为低配显卡电脑版，软件使用0.6B模型，模型尺寸略小，对电脑显卡配置要求也更小，但是质量不会差太多...
腾讯混元三维世界重建系统WorldMirror 2.0通用3D三维资产重建工具下载
WorldMirror 2.0 是由腾讯混元（Hunyuan）团队开发的下一代通用三维世界重建系统，底层基于 HY-World-2.0 模型。它能够从一组普通照片或一段视频中，自动恢复出场景的三维结构，并生成多种形式的三维资产，包括： 我基...
阿里Qwen3-TTS高质量声音克隆语音合成系统，AI视频配音多人对话生成工具
Qwen3-TTS 是由阿里 Qwen 团队开发的新一代语音合成系统，基于自研的 Qwen3-TTS-Tokenizer-12Hz 编解码器和离散多码本 LM 架构，实现了端到端的全信息语音建模。它突破了传统级联架构的信息瓶颈，支持音色克隆...
PasteMD：一键将 Markdown 和网页 AI 对话文本内容粘贴到 Word、WPS 和 Excel
PasteMD：一键将 Markdown 和网页 AI 对话（ChatGPT/DeepSeek等）完美粘贴到 Word、WPS 和 Excel 的效率工具。 在写论文或报告时，从 ChatGPT / DeepSeek 等 AI 网站中复制出...
BiliNote：自动生成B站油管视频笔记，AI视频内容总结工具
在信息爆炸的时代，视频已经成为最重要的知识载体之一。但相比文字，视频的“可检索性”和“复用效率”始终较低。如何快速从长视频中提取重点、形成结构化知识，成为很多学习者和创作者的痛点。 而 BiliNote 正是为解决这一问题而诞生的一款开源 ...
优云智算HappyHorse AI 视频生成API KEY WebUI
大家可能平常刷视频的时候已经发现了，进入2026年AI短剧极其火爆，不管是短视频平台还是拼多多等购物平台，短剧视频里经常能刷到AI漫剧。前几年短剧公司拍真人短剧赚的盆满钵满，进入2026年短剧公司被AI打的毫无还手之力。借助AI的快速发展，...
LTX-2.3 视频生成免安装部署整合包软件下载
LTX-2 是由 Lightricks 开发的首个基于 DiT（扩散变换器）架构的音视频基础模型，能够在一个统一模型中同时生成高质量的视频与同步音频。与以往需要分别处理视频和音频的方案不同，LTX-2 将两者深度融合，实现真正的音画同步生成...
windows电脑剪贴板内容管理工具Ditto下载，快速粘贴预设文字内容回复话术
和大家分享一个windows电脑剪贴板内容管理神器Ditto，软件可以快速将预设文字内容填充到指定位置。 由于每天都要写大量文字，有时候还是重复内容，频繁到其它地方复制粘贴的话比较耗时间，所以找到了这款软件，首先佩服一下软件作者，这个软件维...
PDF转word软件FreeP2W免安装版下载
这软件还是很早的时候一个用户让做的，发现没分享过，现在分享一下。 软件主要功能就是把PDF文档转换为word文档 软件使用很简单，把需要处理的pdf文档复制到input文件夹内，双击启动软件.exe，等待处理完成即可。 注意事项 软件只支持...
多人对话有声书制作软件VoxCPM Windows版整合包，高质量声音克隆语音合成工具
前几天调试了刚出的omnivoice，本次再分享一个语音合成（TTS）领域的开源天花板——VoxCPM。我基于原版功能增加了多人对话语音合成功能，因为之前分享的时候有用户有多人对话语音合成需求，这次顺便增加了这个功能。 一、 什么是 Vox...
