刚刚PDF利器Chunkr开源了

PDF处理终于不再是噩梦！

Lumina AI推出的开源工具Chunkr，正在为RAG（检索增强生成）领域带来一场革命。

Chunkr：PDF处理的救星

几乎所有涉足RAG的开发者都不得不面对PDF这个"撒旦的文件格式"。现有的解决方案要么速度慢如蜗牛，要么价格高得离谱，要么就是闭源黑盒。

Chunkr的出现，让这一切有了改变。

它不仅 开源 ，而且 速度快 、 质量高 。更重要的是，它能够处理 PDF、PPT、DOCX和XLSX 等多种文件格式。

强大功能一网打尽

Chunkr提供了一系列令人垂涎的功能：

为PDF、PPT、DOCX和XLSX提供 边界框和标签

所有分段PNG的 签名URL

卓越的表格OCR能力

高速处理 ：高质量模式下每秒10页，快速模式下每秒50页

更让人惊喜的是，Chunkr还提供了 1500页的免费托管API额度 ！

开源的力量

Ishaan Kapoor (@Ishaank1999) 强调了开源的重要性：

我们相信像Chunkr这样的软件应该是开源的。它是代理和搜索工具所需的核心技术——这应该是一个已经解决的问题。

开源不仅让技术变得透明，也为整个社区贡献了宝贵的资源。

性能对比

Chunkr在性能上也不遑多让。与广受欢迎的开源解决方案Unstructured相比，Chunkr采用了更先进的技术。

Ishaan指出：

Unstructured是最大的可比开源解决方案，被财富500强企业中的三分之一使用——但他们依赖于像tesseract这样十年前的技术。

技术内幕

Chunkr的强大源于其精心设计的技术栈：

VGT （GiT和ViT）

OCR （paddle）

VLM （qwen）用于后备

这种组合确保了Chunkr能够高效准确地处理各种复杂文档。

对于那些饱受PDF处理之苦的开发者来说，Chunkr不仅解决了技术难题，还通过开源方式为整个社区赋能。

如Ishaan所说：

分割对搜索质量有着巨大影响。处理这些的管道不应该对你来说是个黑盒。

未来展望

随着AI和RAG技术的不断发展，Chunkr不仅简化了开发流程，还为更智能、更高效的信息处理铺平了道路。

PDF处理不再是噩梦，Chunkr让它变成了美梦。

你准备好尝试了吗？

仓库地址：

https://github.com/lumina-ai-inc/chunkr