微软开源Markdown工具爆了：支持Office文档，可接多模态LLM直出报告

还有在线网页版，随点随用

原标题：微软开源Markdown工具爆了：支持Office文档，可接多模态LLM直出报告
文章来源：量子位
内容字数：12154字

微软开源文件格式转换工具MarkItDown：助力大模型应用

微软官方开源了一款强大的文件格式转换工具MarkItDown，它能够将多种文件格式（包括Word、PowerPoint、Excel、PDF、图像、音频等）转换为对大模型更友好的Markdown格式，目前GitHub收藏数已超过3万。

1. MarkItDown 的主要功能和优势

MarkItDown 支持多种文件格式转换，包括PDF、PowerPoint、Word、Excel、图像（含OCR和EXIF元数据）、音频（含EXIF元数据和转录）、HTML以及其他基于文本格式（CSV、JSON、XML）和压缩包。它提供命令行、Python API和Docker三种使用方式，甚至还有热心网友开发的在线网页应用。此外，MarkItDown的一大亮点是能够集成多模态LLM，例如GPT-4o，可以直接对图片、音频文件进行更高级的处理，例如快速生成商业报告，极大地方便了开发者上传训练数据和微调LLM应用。

2. MarkItDown 与 Docling 的性能对比

文章通过一个案例研究，将MarkItDown与IBM的Markdown转换库Docling进行了性能对比。两者都从一份美林证券的报告中提取经济预测数据。虽然Docling生成的Markdown更易读，但使用LLM从MarkItDown和Docling生成的文本中提取经济预测数据时，两者结果完全相同，准确地匹配了文档中的真实值。然而，在提取资产类别权重方面，Docling的准确率（93.33%）远高于MarkItDown（53.33%）。这表明，尽管MarkItDown的输出可读性较差，但在某些情况下，它依然能够提供足够的信息供LLM准确提取数据。

3. Docling 的表格提取能力

Docling 拥有强大的表格提取功能，能够从文档中系统地提取所有表格，并将其转换为pandas DataFrame，方便后续数据分析。文章展示了Docling成功从案例文档中提取7个表格。

4. MarkItDown 的多模态LLM集成能力

MarkItDown 可以集成多模态LLM，从图像中提取信息并进行分析和描述。文章展示了MarkItDown对报告图像的描述，虽然总体上比较准确，但也存在一些细节上的不准确之处，这可能与底层大型语言模型处理图像的能力有关。

5. 其他值得关注的格式转换库

文章最后还提到了其他一些常用的文件格式转换库，例如MinerU和Pandoc，它们也具有较高的收藏数和广泛的应用。

总而言之，MarkItDown 是一款功能强大的文件格式转换工具，其多模态LLM集成能力是其一大优势。虽然在某些特定任务上，其性能可能不如Docling，但它仍然为开发者提供了便捷高效的工具，用于处理各种文件格式并将其转换为适合大模型处理的数据。

联系作者

文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破