超实用!MinerU新增3个新功能,支持文档逐块修正

【MinerU技术原理深度解析】大模型时代的文档解析革命 在AI技术快速发展的今天,大量非结构化数据的处理成为亟待解决的问题。尤其是PDF文档,作为最常见的文件格式之一,如何高效准确地提取其中的信息,成为了许多企业和研究机构的痛点。上海人工智能实验室(上海AI实验室)大模型数据基座OpenDataLab团队开源了全新的智能数据提取工具——MinerU,旨在解决这一问题。MinerU能够将混合了图片、公式、表格、脚注等复杂元素的PDF文档转化为Markdown和JSON格式,大幅提升了AI语料的准备效率。 阅读详情

(文章发布时间:2025年12月16日)

导言:

距离上一次见面又过去了一段时间。在MinerU陪伴大家处理文档的日子里,我们收到最多的反馈之一就是:“AI 解析虽然强大,但偶尔出现的细微识别错误,往往需要下载后才能修改,不够顺手。”

让解析结果更精准、更可控,是我们在这个版本最想解决的问题。目前,MinerU最新版本已经上线。我们带来了期待已久的可视化文档修正功能,并对页码解析与文件管理做了深度优化。一起来看看本次更新的详细内容。

一、文档修正所见即改

在之前的版本中,面对复杂的学术文献或财报表格,解析结果偶尔会出现错位或字符偏差。

MinerU 近期上线的版本彻底改变了“解析即定局”的模式。我们正式上线了可视化修正功能。现在,您可以直接在预览界面中,对文本、表格、公式等内容块进行逐块修正。

无论是微调公式中的角标,还是修正表格中的数据,所有的修改都会实时生效。修复解析错误的同时,您还能优化内容的层级结构,确保最终导出的是一份完美的 Markdown 文档。

图片

二、范围解析精准控制

很多时候,大家上传一份几百页的 PDF 研报,其实核心价值仅在于提取其中的某一个最为关心的章节。

为了避免不必要的算力和时间的浪费,我们新增了自定义解析范围功能。上传 PDF 时,您可以精准指定需要解析的页码区间。想看哪里解哪里,可以让转换提取速度大幅提升。

图片

三、文件管理高效批量

随着大家累计上传的文件越来越多,旧版本的文件管理显得有些力不从心。

新版本中,我们对文件列表进行了重构,全面支持批量下载与批量删除。现在,只需勾选多个文件,顶部操作栏即会自动浮现。无论是整理资料库还是批量导出数据,操作效率都得到了大幅提升。

图片


感谢大家一直以来的反馈与支持,是你们的声音让 MinerU变得更好。后续更多问题,欢迎在社群中反馈。

MinerU教程第二弹丨MinerU 本地部署保姆级“喂饭”教程 本文为MinerU的本地部署指南,MinerU是一款由上海人工智能实验室OpenDataLab团队开发的开源PDF转Markdown工具,适用于RAG、LLM语料准备等场景。文章详细介绍了MinerU的功能特性,包括文档处理、格式转换和运行环境支持。接着,提供了系统要求和基础环境配置的说明,并逐步指导用户完成Conda环境的创建、模型文件的下载以及GPU加速的配置。此外,文章还涵盖了功能测试、批量PDF转换、本地API服务的搭建和卸载MinerU的步骤。对于不熟悉代码或硬件条件有限的用户,推荐使用官方提供的 阅读详情

相关推荐

私有化部署MinerU 与应用实践

MinerU是一款强大的开源pdf、word、ppt数据提取工具,本文介绍私有化环境中部署MinerU和应用的实践。

weixin_46423102的博客 3675

MinerU、Magic-PDF、Magic-Doc

一、关于 MinerU 二、Magic-PDF 1、简介 2、项目全景 3、流程图 4、子模块仓库 三、Magic-PDF 上手指南 1、配置要求 2、安装配置 1. 安装Magic-PDF 2. 下载模型权重文件 3. 拷贝配置文件并进行配置 4. 使用CUDA或MPS加速推理 CUDA MPS 3、使用说明 1) 通过命令行使用 直接使用 更多用法 2) 通过接口调用 本地使用 在对象存储上使用 4、常见问题处理解答 四、Magic-Doc 1、简介 2、安装 3、使用示例 4、性能

AI工程化、开源分享、文档翻译、代码笔记 6万+

MinerU-3本地文档解析工具:OCR与文本提取一体化方案部署与评测

文档解析与OCR(光学字符识别)是信息数字化领域的核心技术,旨在将非结构化的文档(如PDF、图片)转换为可编辑、可搜索的结构化文本。其原理通常结合计算机视觉与自然语言处理技术,通过版面分析、文字检测与识别等步骤实现。这项技术的核心价值在于提升信息处理效率、实现知识资产数字化,并保障数据处理的本地化与隐私安全。在工程实践中,它广泛应用于学术文献整理、企业文档自动化、内容创作素材提取等场景。本文聚焦的MinerU-3工具,正是集成了OCR与文本提取能力,支持图文混排解析,并能同时兼容GPU加速与纯CPU运行的本

weixin_34318326的博客 557

MinerU-pdf识别-本地部署

项目介绍:这是一款支持PDF、网页、电子书提取的一站式、开源、高质量数据提取工具。

人工智能(AI)技术,大模型技术,深度学习,机器学习,计算机视觉,AI工具实践应用等分享 1万+

MinerU文档理解引擎:PDF结构化转换与知识提取实战

PDF作为一种静态印刷格式,天然缺乏语义结构,导致传统文本提取工具(如pandoc、pdf2md)在处理技术文档、学术论文时普遍面临公式丢失、表格错位、层级混乱等难题。文档理解(Document Understanding)技术通过布局分析、视觉-语义对齐和结构重建三层模型,实现从像素到语义的跃迁,显著提升结构保真度与下游任务可用性。MinerU作为典型代表,融合Layout Detection、OCR/Formula识别与Structure Reconstruction能力,支撑RAG检索、知识图谱构建、

weixin_33851177的博客 387

告别复制粘贴!用MinerU+DeepSeek API,5分钟搞定整本英文PDF的翻译与排版

本文介绍了一种基于MinerU智能解析与DeepSeek大模型的自动化方案,可在5分钟内完成整本英文PDF的翻译与排版,解决传统复制粘贴+机器翻译工作流中的格式丢失、手动分段耗时和二次排版问题。该方案通过结构化数据解析、自适应Markdown转换和大模型协同修正,显著提升技术文档翻译效率,特别适合处理复杂排版的英文材料。

weixin_30776273的博客 319

3分钟掌握MinerU:智能文档转换的终极解决方案

你是否还在为PDF转换效率低下而烦恼?MinerU让你告别繁琐配置,轻松应对从基础转换到AI加速的全场景需求。本文将带你快速掌握核心模块安装、vllm加速配置、轻量客户端部署三大实战技能,让文档处理效率提升300%。 ## 为什么选择MinerU? MinerU是一个革命性的文档解析工具,专为LLM、RAG和Agent工作流设计。它能将PDF、DOCX、PPTX、XLSX、图像和网页等复杂文档

gitblog_00606的博客 803

FoundationPose实战:从零部署到Demo运行全记录

本文详细记录了FoundationPose从零部署到Demo运行的全过程,包括Ubuntu环境配置、项目部署、依赖安装及常见问题解决方案。特别针对复现过程中的关键步骤如CUDA版本选择、Eigen3安装等提供了实用技巧,帮助开发者高效完成FoundationPose的部署与调试。

weixin_27102543的博客 267

实测MinerU文档理解服务:PDF转Markdown效果超预期

本文介绍了基于星图GPU平台自动化部署📑 MinerU 智能文档理解服务镜像的实践,该服务可高效将PDF、扫描件等复杂文档精准转换为Markdown与JSON格式。其典型应用场景包括学术论文结构还原、财务报表提取及技术文档代码识别,广泛适用于知识库构建与AI内容预处理,显著提升非结构化数据的智能化处理效率。

weixin_36204513的博客 725

《双剑合璧:双 IMU 驱动的高精度 AHRS 实战宝典(基于 ROS2)》

本文系统阐述了基于双IMU的高精度姿态与航向参考系统(AHRS)设计与实现方法。文章首先分析了传统单IMU系统的局限性,提出通过双IMU冗余配置实现性能互补的方案。从硬件设计要点(包括IMU选型策略、电路降噪方法、PCB布局规范),到算法实现方案(互补滤波、卡尔曼滤波等融合算法),再到ROS2软件架构与调优策略,全方位展示了双IMU系统的技术实现路径。特别强调快速性与高精度平衡的方法,包括动态参数调整、双IMU权重优化等核心技巧。最后总结了硬件降噪、算法调优等实用心法。

bother3000的博客 2023

论文阅读--射频电源在半导体领域的应用

射频电源(RF Power Supply)是能够输出300kHz~300GHz正弦波电压的高频交流电源,在半导体制造领域,射频电源的典型工作频率范围为400kHz∼60 MHz,主要由射频发生器(功率源)、匹配器及配套控制电路组件构成,其关键组件包括变压器与电抗器、晶闸管、绝缘栅双极型晶体管(IGBT)、钣金件、铜材及各种电子元器件。射频电源是刻蚀和薄膜沉积工艺的核心,主要用于产生等离子体,以增强气体反应活性,其性能直接影响反应腔体内等离子体的浓度、均匀性和稳定性。

伊丽莎白的学习之路 2337

MinerU表格识别对比:准确率超传统方法30%

本文介绍了基于星图GPU平台自动化部署MinerU 2.5-1.2B 深度学习 PDF 提取镜像的完整方案,该镜像专为高精度表格识别设计,显著提升金融文档处理效率。通过AI驱动的布局分析与语义理解,可精准提取年报、财报等复杂PDF中的表格数据,支持Markdown、JSON等结构化输出,广泛应用于模型微调与智能数据录入场景。

SilverfoxFalcon45的博客 950

手把手教你自制Type-C OTG转换器(附电路图及避坑指南)

本文详细指导如何自制Type-C OTG转换器,包括核心电路设计、元器件选型及焊接技巧,特别强调硬件检测电路的关键作用。通过实测数据和避坑指南,帮助开发者解决兼容性问题,实现高效数据传输。

weixin_27038245的博客 712

5步掌握MinerU:从零到精通的文档智能解析实战指南

还在为文档格式转换而烦恼吗?面对PDF、Word、Excel等复杂文档,传统工具往往束手无策,而MinerU为您提供了一站式解决方案。作为开源文档解析引擎,MinerU能够将各种格式的文档转换为LLM友好的Markdown和JSON格式,为您的RAG和Agent工作流提供高质量数据输入。 ## 🤔 为什么选择MinerU? 在AI时代,高质量的数据输入决定了模型输出的质量。MinerU不仅仅

gitblog_00692的博客 809

AI大模型助力现金流精准预测案例详解

因为它的“注意力机制”能像“人一样思考”——比如,当预测“下周现金流”时,模型会重点关注“最近7天的销售数据”“未来7天的天气”“竞品是否有促销”这些关键因素,而忽略“去年同期的无关数据”。AI大模型不是“取代”财务人员,而是“赋能”他们——把财务人员从“重复的Excel操作”中解放出来,专注于“战略决策”(比如如何优化资金结构、如何提升资金利用率)。比如,“促销力度”这个特征,不是简单的“折扣率”,而是“折扣率×促销天数×覆盖SKU数量”,这样能更准确反映促销对现金流的影响。这些问题的核心,其实是。

AIGC应用创新大全的博客 1258

华为OD机试2025A卷 - BOSS的收入(Java & Python& JS & C++ & C )

华为OD机试2025A卷 - BOSS的收入(Jav一个XX产品行销总公司,只有一个boss,其有若干一级分销,一级分销又有若干二级分销,每个分销只有唯一的上级分销。规定,每个月,下级分销需要将自己的总收入(自己的+下级上交的)每满100元上交15元给自己的上级。现给出一组分销的关系,和每个分销的收入,请找出boss并计算出这个boss的收入。输入:分销关系和收入:[[分销id 上级分销id 收入], [分销id 上级分销id 收入], [分销id 上级分销id 收入]]输出:[boss的ID, 总收入]

算法大师! 1171

MinerU文档解析效果对比:传统OCR vs MinerU-1.2B公式识别准确率实测

本文介绍了如何在星图GPU平台上自动化部署MinerU 智能文档理解服务镜像,高效实现学术论文、财报等复杂文档中的数学公式精准识别与LaTeX结构化输出,典型应用于科研文献解析、金融报表公式提取及AI教育题库构建等场景。

weixin_42668301的博客 1029

[DDR5]DDR5 SDRAM 状态图 和 基本功能

DDR5 SDRAM的读写操作以突发(burst mode)为导向,从选定的位置开始,并按照编程顺序进行16个突发长度或8个“切片”突发长度的操作。从ACTIVATE命令开始,然后是读取或写入命令。

串起点滴 1200

多模态文档解析!OpenDataLab MinerU智能文档理解入门指南

本文介绍了如何在星图GPU平台上自动化部署OpenDataLab MinerU智能文档理解镜像,实现高效的多模态文档解析功能。该镜像能够智能识别PDF、图片中的文字、表格和公式,并转换为结构化数据,特别适用于合同管理、学术研究等场景,大幅提升文档处理效率。

weixin_29867767的博客 256

手把手教你学PCIE-- 热插拔电路设计与实现方案

PCIe热插拔(Hot-Plug)技术允许用户在系统运行时安全地插入或移除设备,而无需重启系统。本文将深入讲解热插拔电路的设计要点、关键器件选型及信号协议规范,涵盖机械结构、电气保护和电源管理三大核心模块。​。

MHD0815的博客 440

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

MinerU 集成 RAGFlow 实战指南:在本地 RAGFlow 知识库启用 MinerU 作为默认 PDF 解析器

本文讲在本地 Docker Compose 部署的 RAGFlow 中装好 MinerU,并设为知识库默认 PDF 解析器。完成后,你的 RAGFlow 知识库将在知识摄取(Ingestion)阶段直接用 MinerU 把 PDF 解析为结构化 Markdown。全程约 20 分钟。 ## 先看清两边的角色:RAGFlow 负责消费,MinerU 负责解析 RAGFlow 是一款开源 RAG(

gitblog_00780的博客 698

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

5分钟彻底告别文档解析噩梦:MinerU如何让复杂PDF处理变得简单高效?

还在为复杂的法律合同、技术文档或财务报告而烦恼吗?面对那些密密麻麻的PDF文件,你是否曾花费数小时手动复制粘贴,却发现格式混乱、表格错位、公式丢失?MinerU作为一款专为LLM、RAG和Agent场景构建的高精度文档解析引擎,正在重新定义文档处理的游戏规则。这款开源工具能够将PDF、DOCX、PPTX、XLSX等复杂文档精准转换为结构化的Markdown和JSON格式,让文档解析效率提升10倍以

gitblog_00210的博客 341

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

3个文档AI神器推荐:MinerU预置镜像免费试用,低成本快速上手

本文介绍了基于星图GPU平台自动化部署📑 MinerU 智能文档理解服务的便捷方案。该平台提供预置镜像,支持一键启动、免配置运行,特别适合非技术用户快速上手。MinerU可高效解析PDF、网页等复杂文档,精准提取标题、表格、公式等结构化信息,广泛应用于模型微调、AI应用开发及企业知识库构建等场景。

SilvermistFalcon19的博客 360

MinerU智能文档解析:从PDF到结构化数据的革命性跨越

在数字化时代,PDF文档已成为信息传递的主要载体,但如何将静态的PDF内容转化为可编辑、可搜索的结构化数据,一直是技术领域的重要挑战。MinerU作为一款开源高质量数据提取工具,通过创新的智能解析技术,正在重新定义PDF文档处理的边界。 ## 现实困境:传统PDF解析的局限性 想象一下这样的场景:你刚刚下载了一篇重要的学术论文,想要将其中的公式、图表和参考文献提取出来用于自己的研究。传统的PD

gitblog_00408的博客 1174

MinerU hybrid-http-client 客户端如何用 MINERU_HYBRID_BATCH_RATIO 控制显存占用

在 MinerU 的 C/S 分离部署中,`hybrid-http-client` 模式的客户端需要本地运行 pipeline 小模型(版面、表格、公式等),这些模型的处理批次会占用客户端的显存。当客户端 GPU 显存有限、或在同一张卡上跑多个客户端时,可以用环境变量 `MINERU_HYBRID_BATCH_RATIO` 手动指定 hybrid 后端中小模型的 batch 倍率,从而控制单个客户

gitblog_00449的博客 873

深度解析:MinerU Windows客户端安装失败的终极解决方案

MinerU是一款开源的高质量PDF转Markdown和JSON工具,它通过深度学习技术实现文档内容的智能提取和结构化处理。作为一站式开源数据提取工具,MinerU能够将复杂的PDF文档转换为结构化的Markdown和JSON格式,为文档处理自动化提供了强大的技术支持。然而,许多用户在Windows 11 24H2系统上安装其0.6.0版本客户端时遇到了安装失败的问题,本文将深入分析这一现象并提供

gitblog_00291的博客 407
上一篇: 打破桎梏!MinerU-HTML重构网页提取范式,开源超大规模高质量多语言语料AICC
下一篇: OpenDataArena全面升级版正式上线,四大核心模块重构数据价值评估新格局
OpenDataLab
博客等级 码龄4年 636粉丝 135原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值