ドキュメントファイルの解析と変換に特化したオープンソースツール「docling」を試してみた | DevelopersIO

AWS事業本部コンサルティング部の石川です。最近、文書ファイルの解析と変換に特化した オープンソースツール「docling」 が注目を集めています。このツールは、最先端のAIモデルを活用して、ドキュメントの構造を理解し、様々な形式に変換することができます。今回、実際にdoclingを使用して日本語のドキュメントファイルからMarkdownファイルとJSONファイルへ変換を試してみます。 doclingとは doclingは、ドキュメントの変換と解析に特化したオープンソースのPythonパッケージです。最先端の人工知能モデルを活用し、レイアウト解析にDocLayNetモデル、表構造認識にTableFormerモデルを使用しています。一般的なハードウェアで効率的に動作し、少ないリソースで高性能を発揮します。JSONやMarkdown形式への変換が可能で、拡張性も高く、新機能やモデルの追加が容易

[secseek]

そもそも他の形式と比べても特にPDFは機械処理に適していないですよね。一度画像にしてから読み直した方がマシまであるかも…

[tmatsuu]

「一般的なドキュメント形式（PDF、DOCX、PPTX、画像、HTML、AsciiDoc、Markdown）を読み取り、MarkdownおよびJSONにエクスポート」ほう

[gcyn]

へー…！