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
最强PR中文视频自动语音识别生成字幕插件，语音识别准确率高支持多国语言
上次和大家分享了PR非常好用的自动剪辑口播视频静音片段插件，如果想要自动生成视频字幕的话，用PR自带的语音识别转字幕工具，效果非常差，语音识别准确率非常低，识别的文本差太多手动修改起来极其麻烦，反而更加浪费时间了。为了提高工作效率，降低人工...
祝贺凡人修仙传2026年新年番开播同时在线人数超64万
今天6月13日凡人修仙传新年番开播，同时在线人数破64万（非最高在线人数，只是我看到的在线人数），作为凡人5年老粉，必须发个帖祝贺一下。 我比较喜欢看动漫，各种类型看了很多，具体不清楚多少，像斗罗斗破之类看了一大半终究是没能看下去，还是雾山...
Premiere Pro静音片段自动剪辑插件——Silence Remover使用教程及下载
对于做口播、Vlog、播客剪辑的朋友来说，最耗时的工作之一就是手动找出视频中的”哑巴”片段——说话间隙、停顿、思考时的”嗯啊”——并逐一删除。今天给大家介绍一款来自 Phantom Edito...
蛙蛙写作-能替你"打工"的AI写作平台，附邀请码：UZekHC
我不是一个容易被工具说服的人。用过 ChatGPT、试过各种”AI写作神器”，大多数要么写出来全是机翻腔，要么根本不懂网文的爆款逻辑。 直到我开始用蛙蛙写作，才发现原来一个工具真的可以懂你想写什么。 🐸 蛙蛙写作是什...
PDFMathTranslate + MinerU 批量PDF全文双语翻译转Markdown工具
本工具是一款基于 PDFMathTranslate 与 MinerU 整合的桌面端 PDF 翻译工具，通过简洁的 Web 界面实现一键式 PDF 全文双语翻译，并可选择将翻译结果导出为 Markdown 格式，方便导入知识库或进行二次编辑。...
Claude居然自称“本人”
今天在和Claude聊网文写作的时候，Claude回复中居然自称本人，这让我有点震惊。 我经常会和AI聊工具功能对比等话题，ChatGPT、Gemini、Claude这些以前我记得从来没有自称过本人的，好像都是本模型，本工具等等，反正从来没...
图像无损放大神器：Topaz Gigapixel AI软件下载及使用指南
在数字内容创作成风头的今天，我们经常会遇到低分辨率素材模糊、AI 生成图片尺寸太小、或者老照片充满噪点的情况。传统的图像放大方式（如双三次插值）只是单纯地拉伸像素，容易让画面变得模糊、虚化。 如果你正在寻找一种能“凭空”补齐细节、让低画质瞬...
AI视频提示词反推工具，参考视频即梦提示词一键生成
本工具是一款面向 AI 视频生成创作者的本地离线辅助软件。用户导入任意视频文件，工具会自动完成场景检测、关键帧提取、多模态模型分析、提示词拼装等全流程，最终输出一份可直接复制粘贴到即梦 AI 等视频生成平台的完整提示词。 适用场景 功能特点...
免费在线HTML转markdown工具
经常看一些在线文档，想复制给AI参考的话不方便直接复制，转换成markdown再给AI阅读会更简单明了，也方便自己查阅，这里给大家推荐两个在线的免费HTML转markdown网站。 1、https://d1tools.com/tools/c...
闲鱼自动回复机器人XianyuAutoAgent下载，24小时在线智能客服机器人系统
XianyuAutoAgent是一款面向闲鱼平台的智能化自动回复机器人，利用大语言模型自动识别买家意图并生成专业回复，实现 7×24 小时智能客服。 主要功能 1. 智能自动回复 2. 可视化 Web UI 3. 人工接管模式 4. 安全防...
