omniparse

OmniParse 是一个用于处理非结构化数据的平台，能够将文档、多媒体和网页等格式的数据解析并转换为适用于生成式人工智能（GenAI）框架的结构化数据。该项目支持约20种文件类型，包括文本、表格、图片、音频、视频及网页内容的提取与转录，并且可以完全本地运行而无需依赖外部API。其核心功能涵盖高质量结构化Markdown输出、表格抽取、图像识别与标注、音视频转录以及网页爬取等。特别适合需要对多种类型的数据进行预处理以供后续AI应用如检索增强生成（RAG）、模型微调等领域使用。此外，OmniParse提供了易于部署的Docker镜像以及友好的Colab集成方式，使得开发者能够快速上手体验。