Marker文档转换工具v1.5.0版本发布:支持行内数学公式与本地模型
2025-06-01 14:51:20作者:何将鹤
Marker是一个高效的文档转换工具,专注于将PDF等文档格式转换为结构化的Markdown文本。它特别适合处理学术论文和技术文档,能够保留原始文档中的复杂格式和数学公式。最新发布的v1.5.0版本带来了多项重要改进,显著提升了处理科学文档的能力和整体性能。
行内数学公式支持
新版本最引人注目的功能是增加了对行内数学公式的支持。当启用LLM(大型语言模型)处理时,Marker现在能够准确识别和保留文档中的行内数学表达式。这一改进使得科学论文的转换结果更加精确和易读。
在学术写作中,数学公式通常以两种形式出现:独立显示的公式块(display math)和嵌入在文本行内的公式(inline math)。之前的版本主要处理前者,而v1.5.0完善了对后者的支持。这项功能经过专门优化,不会显著影响处理速度。
本地LLM模型支持
v1.5.0版本引入了对Ollama本地模型服务的支持,为用户提供了更多灵活性。现在,用户可以选择使用本地部署的LLM模型来处理文档,这对于数据隐私要求高的场景特别有价值。
要使用本地模型,只需在命令行中指定Ollama服务,并可选地配置基础URL和模型名称。默认情况下,系统会使用llama3.2-vision模型。这一变化使得Marker可以在完全离线的环境中运行,同时降低了API调用成本。
性能优化:批量LLM调用
新版本对LLM调用机制进行了重构,实现了跨处理器的批量请求处理。这项优化显著提升了启用LLM处理时的整体速度,特别是当处理大量文档时。批量处理减少了网络通信开销和等待时间,使得资源利用率更高。
其他改进与修复
除了上述主要功能外,v1.5.0还包含多项质量改进:
- 生物学PDF处理优化:改进了对带有行号的生物学论文的处理,能够自动去除干扰性的行号标记
- OCR启发式算法增强:提升了光学字符识别的准确性和可靠性
- 示例更新:提供了更全面的使用示例,帮助新用户快速上手
这些改进共同使得Marker在科学文档处理领域的能力更加全面和可靠。无论是处理复杂的数学表达式,还是保留学术论文中的精细格式,新版本都提供了更优秀的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K