Word・Excel・PDFなどの文書をAIが読みやすいMarkdownに爆速変換する「anydoc」がオープンソース公開（生成AIクローズアップ） | テクノエッジ TechnoEdge

1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、WordやPDFといった多様な文書をMarkdown（GitHub-Flavored Markdown）に高速変換するRust製ライブラリ「anydoc」を取り上げます。 AIに読ませやすい形へ整えることを目的に作られており、どの形式を入れても出力の体裁が揃うのが特徴です。FirecrawlがMITライセンスのオープンソースとして公開しました。 対応形式はWord（.doc/.docx/.docm）、PowerPoint、Excel、OpenDocument、リッチテキスト、EPUB、CSV、PDFです。PDF以外の各形式では、どの形式もいったん共通のドキュメントモデルに変換してから同じ処理でMarkdow

[ardarim]

Excel方眼紙とかPDFとか、いっそ画像で渡したほうが認識してくれる、と最近は聞くけどね

[pelicaan]

こう言うのをみるたび、結合セルがもりもりで、肝心なところは記号になってる表、表の形式をなしている画像、アイコンを線で繋いだシステム構成図などを、どうAIへの入力とすればいいのか悩むよ。

[kazukan]

つい先週何とか苦労して自作したばかりというのに…またお試しが発生…

[kojikoji75]

RAGを使っていると、検索精度を上げるには「そもそも文書をどう取り込むか」が重要だと感じる。 WordやExcel、PDFをMarkdownに統一できるなら、前処理もシンプルにできそう。

[walkalone]

マークダウン

[qpci32siekqd]

最初はマークダウンでいいやと思ってたが、最終成果物が見た目だと欠落している情報あって駄目やなと最近は思っている。

[tokb]

こういうのってAIツール側がやってくれれば要らなくなるだけじゃないの

[gadget-lab]

後で読みたい。Word・Excel・PDFなどの文書をAIが読みやすいMarkdownに爆速変

[khtno73]

ここ一年で自前でRAG頑張るよりツール進化待ちの方が楽だし精度出る気はしてるClaude CoworkみたいなエージェンティックLLMもそうならWorkIQ出てきてCoPilot AgentがSharepointにぶち込んだExcelまともに読むようになってたり。

[kazyee]

MarkdownよりJSONのほうが（入力トークンが大きくなるが）意味理解が早く解釈余地が小さく回答が安定しやすいとLLM自身が回答したので、人間が読む必要ないなら可能な限りJSON入出力で作るようになった。

[ryouchi]

WSLに展開して試してみようかな

[inamem9999]

まあたしかにワードアートを多用したOfficeファイルを変換できたらバベルの塔完成レベルの偉業だとは思うが

[tettekete37564]

エクセルにテキストや画像を貼り付けて仕様書作るのはJTCと大手SIerだけだと思いたい。パワポで仕様書作ろうとしてたのを何とかWordにしてもらったが。バージョン管理やAI連携考えるとやっぱmarkdownだよなあ

[regularexception]

Excel方眼紙や矢印オブジェクトや、切り貼り画像も再現してくれるのかな

[lacucaracha]

おーそうかい。ほな経産省ご謹製の霞が関ポンチ絵食わせてみるかい。

[nguyen-oi]

Rust製で4ミリ秒とか爆速すぎるしRAGの前処理でかなり重宝しそうだな