Популярный проект
microsoft/markitdown
Python-утилита от Microsoft для конвертации PDF, Word, Excel, PowerPoint, изображений и аудио в Markdown, оптимизированный для LLM.
- Stars
- ★ 176.6k ↗ +2.5k за 7 дней
- Forks
- ⑂ 13k
- Язык
- Python
- Статус
- В канале 10 июл. 2026 г.
AI-разбор
MarkItDown — лёгкая Python-библиотека для преобразования различных файлов в Markdown с сохранением структуры документа: заголовков, списков, таблиц и ссылок. Поддерживает PDF, PowerPoint, Word, Excel, изображения (с OCR и EXIF), аудио (с транскрипцией), HTML, CSV, JSON, XML, ZIP, EPub и YouTube-ссылки. Результат ориентирован на подачу в LLM и текстовые пайплайны, а не на финальную вёрстку для людей.
Кому подойдёт
Python-разработчики и инженеры по данным, строящие пайплайны с LLM, RAG-системы и инструменты текстовой аналитики
Что внутри
- Поддержка PDF, DOCX, PPTX, XLSX, изображений, аудио, HTML, CSV, JSON, XML, ZIP, EPub и YouTube
- Сохранение структуры документа: заголовки, списки, таблицы, ссылки
- Интеграция с Azure Document Intelligence и Azure Content Understanding для облачного распознавания
- Описание изображений через LLM (OpenAI и совместимые клиенты) и OCR-плагин
- CLI, Python API, Docker и система сторонних плагинов
Где применять
- Подготовка офисных документов и PDF для подачи в LLM и RAG-пайплайны
- Извлечение текста и структуры из PDF, презентаций и таблиц для аналитики
- Транскрибация аудио и распознавание текста на изображениях через облачные сервисы Azure
- Пакетная конвертация файлов из ZIP-архивов в Markdown
Темы