RAG・知識ベース
opendataloader-pdf
Turn PDFs into AI-ready data: extract Markdown, JSON and tables — and auto-tag for accessibility
★ 29.5k スターApache-2.0
ガイドを見る →// rag · datalab-to/marker
Marker
Markerは、datalab-toが公開しているオープンソースのRAG・知識ベースプロジェクトです（GitHub: datalab-to/marker）。GitHubスターは40,648、フォークは2,945で、Apache-2.0ライセンスの下で公開されています。GitHubでの最終更新は2026年10月22日です。
Marker — converts PDFs to Markdown and JSON quickly and accurately, with layout, tables and math intact, Apache-2.0
★ 40.6k スター⑂ 2.9k フォークApache-2.0更新 2026年10月
▦ ビジュアル — このプロジェクトのREADMEには埋め込み可能なスクリーンショットがないため、
ここではプレースホルダーを表示しています。下のガイド自体は完全な内容です。
ここではプレースホルダーを表示しています。下のガイド自体は完全な内容です。
// プロジェクトの基本情報
プロジェクト基本情報
- リポジトリ
- datalab-to/marker
- GitHubスター
- 40,648
- フォーク
- 2,945
- ライセンス
- Apache-2.0
- GitHubでの最終更新
- 2026年10月22日
- カテゴリ
- RAG・知識ベース
- 掲載タイプ
- 完全なインストールガイド
// 仕組み
仕組み
- Install Marker for PDFs
The base package covers PDF conversion from PyPI.
- Add the full extras for other document types
Documents beyond PDFs need the full dependency set.
- Set up your inference backend
On an NVIDIA GPU use vLLM with Docker and the NVIDIA Container Toolkit; on CPU or Apple Silicon install the llama-server binary from llama.cpp.
// 機能
選ばれる理由
High-accuracy PDF conversion
Layout, tables and math survive as structured Markdown and JSON, not flattened text.
Two modes for two budgets
Balanced mode for maximum quality on GPU; fast mode for CPU-friendly conversion with targeted repair of bad blocks.
Surya vision models underneath
Layout detection and OCR come from dedicated vision models, with re-OCR of pages whose embedded text is unreliable.
Built for document pipelines
Output is made to feed search, RAG and dataset tooling, not just to be read once.
Advertisement
// 自分で実行
自分で実行してみる
- Install for PDFs
The README install route from PyPI.
pip install marker-pdf - Install the full version
Adds support for documents other than PDFs.
pip install marker-pdf[full] - CPU / Apple Silicon backend
The llama-server binary Marker needs on non-GPU machines.
brew install llama.cpp
// 活用例
作れるもの
- Converting research papers and reports into Markdown for RAG
- Building datasets from PDF archives with tables and math intact
- Turning scanned or messy PDFs into clean structured text
- Feeding document pipelines that need JSON, not just text
Advertisement
// よくある質問
よくある質問
Who makes Marker?
The datalab-to team, built on the Surya vision models.
Is Marker free?
Yes — Apache-2.0 licensed.
Do I need a GPU?
No — fast mode is optimised for CPU, with llama.cpp as the backend; balanced mode is best on an NVIDIA GPU with vLLM.
What does Marker output?
Markdown and JSON with layout, tables and math preserved — structured output for search and RAG, not a plain text dump.
How do I get started?
pip install marker-pdf (or marker-pdf[full] for non-PDF documents), set up the vLLM or llama.cpp backend, and convert.
// さらに探索
似ているツール
RAG・知識ベース
MinerU
MinerU — turns PDFs and Office documents into LLM-ready Markdown and JSON for agents and RAG pipelines, Apache-2.0 plus terms
★ 82.5k スターApache-2.0 + terms
ガイドを見る →RAG・知識ベース
MarkItDown
MarkItDown — Microsoft tool that converts PDFs, Office files, images and more to clean Markdown for LLMs, MIT
★ 193.5k スターMIT
ガイドを見る →RAG・知識ベース
compiiile
Render and deploy a folder of markdown as a site in one move.
★ 276 スターGPL-3.0
ガイドを見る →RAG・知識ベース
tela
A self-hostable markdown team wiki with a built-in MCP server.
★ 73 スターAGPL-3.0
ガイドを見る →RAG・知識ベース
xberg
Polyglot document intelligence in Rust — extract text, tables and structured data from 106 formats.
★ 9.4k スターMIT
ガイドを見る →// 代替候補
代替候補： RAG・知識ベース
LibreAIカタログに掲載されたRAG・知識ベースプロジェクトの中で最もスターの多いもの — Markerが合わなかった場合に検討したい、現実的な候補リストです。
- MarkItDown★ 193.5k
MarkItDown — Microsoft tool that converts PDFs, Office files, images and more to clean Markdown for LLMs, MIT
- Dify★ 157.8k
Build Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or…
- ragflow★ 91.6k
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fuses cutting-edge RAG with Agent capabilities to create a superior context…
- PaddleOCR★ 90.8k
Lightweight OCR toolkit turning PDFs and images into structured, LLM-ready data in 100+ languages
- MinerU★ 82.5k
MinerU — turns PDFs and Office documents into LLM-ready Markdown and JSON for agents and RAG pipelines, Apache-2.0 plus terms
// さらに見る rag
さらに見る： RAG・知識ベース
カタログの中でMarkerとスター数が近いRAG・知識ベースプロジェクト — 前後の棚もそのまま見て回れます。
- faiss★ 41.1k
Meta's library for efficient similarity search and clustering of dense vectors, in C++ and Python
- quivr★ 39.6k
Open-source engine turning continuous content streams into search, monitoring and alerts
- private-gpt★ 57.6k
Complete API layer for private AI apps on local models: RAG, skills, tools, MCP and text-to-SQL
- PageIndex★ 39.0k
PageIndex: vectorless, reasoning-based RAG that indexes documents like a human expert would
- llm-app★ 58.8k
Ready-to-run templates for RAG, AI pipelines and enterprise search that stay in sync with live data
- Langchain-Chatchat★ 38.7k
Local knowledge-base RAG and agent app built on LangChain with ChatGLM, Qwen and Llama models