gptpdf

gptpdf 是一个使用 GPT 模型将 PDF 文档解析为 Markdown 格式的工具。它通过 VLLM（如 GPT-4o）来识别和转换文档中的文字、数学公式、表格、图片和图表等内容，整个项目代码简洁，仅有293行。该工具利用 PyMuPDF 库识别 PDF 中的非文本区域，并用大型视觉模型进行进一步解析，平均每页处理成本仅为0.013美元。gptpdf 适合需要将复杂格式的 PDF 转换成易于编辑和阅读的 Markdown 文件的场景，特别适用于学术论文、技术报告等含有丰富格式元素的文档处理。此外，该项目还提供了一个基于此库开发的可视化工具 pdfgpt-ui，方便用户更直观地操作。