--- description: Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows. - opendatalab/MinerU tags: [clippings] --- [![](https://camo.githubusercontent.com/c27b0b0916f506bc307ab0375ea23e91e461e42e622db0cd2bb3b7b0d4e20dbd/68747470733a2f2f67636f72652e6a7364656c6976722e6e65742f67682f6f70656e646174616c61622f4d696e657255406d61737465722f646f63732f696d616765732f4d696e6572552d6c6f676f2e706e67)](https://camo.githubusercontent.com/c27b0b0916f506bc307ab0375ea23e91e461e42e622db0cd2bb3b7b0d4e20dbd/68747470733a2f2f67636f72652e6a7364656c6976722e6e65742f67682f6f70656e646174616c61622f4d696e657255406d61737465722f646f63732f696d616765732f4d696e6572552d6c6f676f2e706e67) [![opendatalab%2FMinerU | Trendshift](https://camo.githubusercontent.com/8e05ac968e83dbb8fbd1ff02a16b03186a2d01c3a19db633923afceebfdfe4aa/68747470733a2f2f7472656e6473686966742e696f2f6170692f62616467652f7265706f7369746f726965732f3131313734)](https://trendshift.io/repositories/11174) [English](https://github.com/opendatalab/MinerU/blob/master/README.md) | [简体中文](https://github.com/opendatalab/MinerU/blob/master/README_zh-CN.md) 🚀 [MinerU 官网入口→✅ 免装在线版 ✅ 全功能客户端 ✅ 开发者API在线调用，省去部署麻烦，多种产品形态一键get，速冲！](https://mineru.net/?source=github) 👋 join us on [Discord](https://discord.gg/Tdedn9GTXq) and [WeChat](https://mineru.net/community-portal/?aliasId=3c430f94) MinerU — 专为 LLM · RAG · Agent 场景构建的高精度文档解析引擎 将 PDF · DOCX · PPTX · XLSX · 图片 · 网页转为结构化 Markdown / JSON · VLM+OCR 双引擎 · 109 种语言 MCP Server · LangChain / Dify / FastGPT 原生集成 · 10+ 国产算力适配 **🔍 核心解析能力** - 原生支持 `DOCX` 、 `PPTX` 、 `XLSX` 解析 - 公式 → LaTeX · 表格 → HTML，精准还原复杂版面 - 支持扫描件、手写体、多栏布局、跨页表格合并 - 输出符合人类阅读顺序，自动去除页眉页脚 - VLM + OCR 双引擎，支持 109 种语言识别 **🔌 接入方式** | 场景 | 方案 | | --- | --- | | AI 编程工具 | MCP Server — Cursor · Claude Desktop · Windsurf | | RAG 框架 | LangChain · LlamaIndex · RAGFlow · RAG-Anything · Flowise · Dify · FastGPT | | 开发集成 | Python / Go / TypeScript SDK · CLI · REST API · Docker | | 零代码 | mineru.net 在线版 · Gradio WebUI · 桌面客户端 | **🖥️ 部署生态（支持私有化 · 完全离线）** | 推理后端 | 适用场景 | | --- | --- | | pipeline | 快速稳定，无幻觉，CPU / GPU 均可运行 | | vlm-engine | 高精度，支持 vLLM / LMdeploy / mlx 生态 | | hybrid-engine | 高精度，原生文本提取，低幻觉 | 国产算力：昇腾 · 寒武纪 · 燧原 · 沐曦 · 摩尔线程 · 昆仑芯 · 天数智芯 · 瀚博 · 太初元碁 · 海光 · 平头哥 ## 更新记录 - 2026/04/18 3.1.0 发布 本次版本更新聚焦于 **许可协议开放性、解析精度提升与全格式原生支持** 。主要更新内容包括： - 许可协议升级 - MinerU 已正式从 `AGPLv3` 切换至基于 `Apache 2.0` 的 [MinerU 开源许可证](https://github.com/opendatalab/MinerU/blob/master/LICENSE.md) 。 - 新的许可方式在兼顾开源协作与商业落地的同时，进一步降低了社区使用和商业化接入门槛，让 MinerU 更容易融入真实业务流程。 - VLM 主模型升级 - VLM 主模型正式切换为 `MinerU2.5-Pro-2604-1.2B` ，整体解析精度提升至业内领先水平。 - 新模型现已支持子图切分合并、图像与图表解析、截断段落合并、跨页面表格合并以及表格内图像识别，复杂版面场景下的解析能力进一步增强。 - 全格式原生解析支持 - 新增 `PPTX` 与 `XLSX` 原生解析能力。 - 至此，MinerU 已完整支持图片、 `PDF` 、 `DOCX` 、 `PPTX` 、 `XLSX` 全格式解析，为多类型文档统一处理提供了更完整的能力闭环。 通过 3.1.0 版本，MinerU 在开放性、解析精度和落地能力上进一步提升。新的许可协议降低了社区使用和商业接入门槛， `MinerU2.5-Pro-2604-1.2B` 提升了复杂内容的解析质量，而 `PPTX` 与 `XLSX` 原生解析的补齐，也让 MinerU 完成了主流文档格式的端到端覆盖。 - 2026/03/29 3.0.0 发布 本次版本更新围绕 **解析能力、系统架构与工程可用性** 进行了系统升级。主要更新内容包括： - `DOCX` 原生解析 - 正式支持 `DOCX` 原生解析，在无幻觉前提下实现高精度解析。 - 相较于“先将 `DOCX` 转为 `PDF` 再解析”的传统流程，端到端速度提升数十倍以上，更适合对精度与吞吐均有要求的场景。 - `pipeline` 后端升级 - `pipeline` 后端在 OmniDocBench (v1.5) 上取得 `86.2` 分，精度超过上一代主流 VLM `MinerU2.0-2505-0.9B` 。 - 新增表格内图片/公式解析、印章文字识别、竖排文本支持、行间公式序号识别等能力，持续提升复杂文档场景下的解析效果。 - 在保持高精度的同时，资源占用极低，并继续支持纯 CPU 环境推理。 - `API / CLI / Router` 编排升级 - `mineru` 现作为基于 `mineru-api` 的编排客户端运行；在未传入 `--api-url` 时，会自动拉起本地临时服务。 - `mineru-api` 新增异步任务接口 `POST /tasks` ，支持任务提交、状态查询与结果获取；同时保留同步解析接口 `POST /file_parse` ，以兼容老版本插件。 - 新增 `mineru-router` ，适用于多服务、多 GPU 的统一入口部署与任务路由；其接口与 `mineru-api` 完全兼容，并支持任务自动负载均衡。 - 部署与使用体验优化 - 解决了 `torch >= 2.8` 的兼容问题，基础镜像升级为 `vllm0.11.2 + torch2.9.0` ，统一了不同 Compute Capability 的安装路径。 - 通过滑动窗口优化解析链路，显著降低长文档场景下的内存峰值占用，上万页文档解析不再需要手动拆分。 - `pipeline` 的 batch 推理支持流式落盘，已完成的解析结果可及时写出，进一步提升长任务处理体验。 - 完成线程安全优化，全面支持多线程并发推理；配合 `mineru-router` ，可一键实现多卡部署，轻松构建高并发、高吞吐解析系统。 - 完全移除了两个 AGPLv3 模型（ `doclayoutyolo` 和 `mfd_yolov8` ）以及一个 CC-BY-NC-SA 4.0 模型（ `layoutreader` ）的使用。 本次更新不仅是若干功能点的补强，更是 MinerU 在系统能力上的一次关键跃迁。我们重点解决了长文档解析过程中的内存峰值占用问题，通过滑动窗口、流式落盘等链路优化，让超长文档解析从“需要手动拆分、谨慎处理”走向“稳定可跑、规模可扩展”。同时，我们完成了线程安全优化，全面支持多线程并发推理，进一步提升了单机资源利用率与高并发场景下的运行稳定性。在此基础上，基于 mineru-router 与全新的 API / CLI 编排体系，MinerU 已具备一键多卡部署、多服务统一接入、任务自动负载均衡的能力，显著降低了大规模部署难度。至此，MinerU 正在从单一的数据生产工具，进一步演进为面向高并发、高吞吐场景的大规模文档解析基座，为企业级文档数据处理提供更稳定、更高效、更易扩展的基础设施能力。 > 📝 查看完整的 [更新日志](https://opendatalab.github.io/MinerU/zh/reference/changelog/) 了解更多历史版本信息 ## MinerU ## 项目简介 MinerU 是一款文档解析工具，可将 `PDF` 、图片以及 `DOCX` 、 `PPTX` 、 `XLSX` 转化为机器可读格式（如 Markdown、JSON），便于后续检索、抽取与二次处理。 MinerU诞生于 [书生-浦语](https://github.com/InternLM/InternLM) 的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。 相比国内外知名商用产品MinerU还很年轻，如果遇到问题或者结果不及预期请到 [issue](https://github.com/opendatalab/MinerU/issues) 提交问题，同时 **附上相关文档或样例文件** 。 pdf\_zh\_cn.mp4 ## 主要功能 - 支持 `PDF` 、图片与 `DOCX` 、 `PPTX` 、 `XLSX` 输入 - 删除页眉、页脚、脚注、页码等元素，确保语义连贯 - 输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版 - 保留原文档的结构，包括标题、段落、列表等 - 提取图像、图片描述、表格、表格标题及脚注 - 自动识别并转换文档中的公式为LaTeX格式 - 自动识别并转换文档中的表格为HTML格式 - 自动检测扫描版PDF和乱码PDF，并启用OCR功能 - OCR支持109种语言的检测与识别 - 支持多种输出格式，如多模态与NLP的Markdown、按阅读顺序排序的JSON、含有丰富信息的中间格式等 - 支持多种可视化结果，包括layout可视化、span可视化等，便于高效确认输出效果与质检 - 内置命令行、FastAPI、Gradio WebUI，支持本地编排和多服务部署 - 支持纯CPU环境运行，并支持 GPU/MPS加速，以及十余款国产算力平台的推理加速 - 兼容Windows、Linux和Mac平台 ## 快速开始 文档解析是困难且复杂的任务，尤其是对于复杂版面、扫描件、手写体等场景，解析结果可能不尽如人意。我们建议您先使用在线体验评估 MinerU 的解析效果和适用性，再根据实际需求选择合适的部署方式。 如果您有解析效果不佳的 **文档** 样例，欢迎提交上传到 [issue](https://github.com/opendatalab/MinerU/issues) ，我们会持续优化解析能力。 如果安装或使用中遇到任何问题，请先查询 [FAQ](#faq) ## 在线体验 ### 官网在线应用 官网在线版功能与客户端一致，界面美观，功能丰富，需要登录使用 ### 基于Gradio的在线demo 基于gradio开发的webui，界面简洁，仅包含核心解析功能，免登录 ## 本地部署 > [!warning] Warning > **安装前必看——软硬件环境支持说明** > > 为了确保项目的稳定性和可靠性，我们在开发过程中仅对特定的软硬件环境进行优化和测试。这样当用户在推荐的系统配置上部署和运行项目时，能够获得最佳的性能表现和最少的兼容性问题。 > > 通过集中资源和精力于主线环境，我们团队能够更高效地解决潜在的BUG，及时开发新功能。 > > 在非主线环境中，由于硬件、软件配置的多样性，以及第三方依赖项的兼容性问题，我们无法100%保证项目的完全可用性。因此，对于希望在非推荐环境中使用本项目的用户，我们建议先仔细阅读文档以及FAQ，大多数问题已经在FAQ中有对应的解决方案，除此之外我们鼓励社区反馈问题，以便我们能够逐步扩大支持范围。
解析后端pipeline*-auto-engine*-http-client
hybridvlmhybridvlm
后端特性兼容性好硬件配置要求较高适用于OpenAI兼容服务器 2
精度指标 185+95+
操作系统Linux 3 / Windows 4 / macOS 5
纯CPU平台支持✅❌✅
GPU加速支持Volta及以后架构GPU或Apple Silicon不需要
显存最低要求4GB8GB8GB2GB
内存要求最低16GB以上,推荐32GB以上最低16GB
磁盘空间要求20GB以上,推荐使用SSD至少2GB
python版本3.10-3.13
1 精度指标为OmniDocBench (v1.6)的End-to-End Evaluation Overall分数，基于 `MinerU` 最新版本测试 2 兼容OpenAI API的服务器，如通过 `vLLM` / `SGLang` / `LMDeploy` 等推理框架部署的本地模型服务器或远程模型服务 3 Linux仅支持2019年及以后发行版 4 由于关键依赖 `ray` 未能在windows平台支持Python 3.13，故仅支持至3.10~3.12版本 5 macOS 需使用14.0以上版本 > [!tip] Tip > - 除以上主流环境与平台外，我们也收录了一些社区用户反馈的其他平台支持情况，详情请参考 [其他加速卡适配](https://opendatalab.github.io/MinerU/zh/usage/) 。 > - 如果您有意将自己的环境适配经验分享给社区，欢迎通过 [show-and-tell](https://github.com/opendatalab/MinerU/discussions/categories/show-and-tell) 提交或提交PR至 [其他加速卡适配](https://github.com/opendatalab/MinerU/tree/master/docs/zh/usage/acceleration_cards) 文档。 ### 安装 MinerU #### 使用pip或uv安装MinerU ``` pip install --upgrade pip -i https://mirrors.aliyun.com/pypi/simple pip install uv -i https://mirrors.aliyun.com/pypi/simple uv pip install -U "mineru[all]" -i https://mirrors.aliyun.com/pypi/simple ``` #### 通过源码安装MinerU ``` git clone https://github.com/opendatalab/MinerU.git cd MinerU uv pip install -e .[all] -i https://mirrors.aliyun.com/pypi/simple ``` > [!tip] Tip > - `mineru[all]` 包含所有核心功能，兼容Windows / Linux / macOS系统，适合绝大多数用户。 > - 如果您在 Windows 上安装后无法使用 CUDA 加速，请参考 [Windows CUDA 加速 FAQ](https://opendatalab.github.io/MinerU/zh/faq/#windows-cuda-acceleration) 。 > - 如果您需要指定vlm模型的推理框架，或是仅准备在边缘设备安装轻量版client端，可以参考文档 [扩展模块安装指南](https://opendatalab.github.io/MinerU/zh/quick_start/extension_modules/) 。 --- #### 使用docker部署Mineru MinerU提供了便捷的docker部署方式，这有助于快速搭建环境并解决一些棘手的环境兼容问题。 > [!tip] Tip > - Docker 部署仅适用于 Linux，以及支持 WSL2 的 Windows 环境； > - macOS 用户请直接参考前面两种方式部署安装，不要使用 Docker 部署。 您可以在文档中获取 [Docker部署说明](https://opendatalab.github.io/MinerU/zh/quick_start/docker_deployment/) 。 --- ### 使用 MinerU > [!tip] Tip > 默认使用托管在 `huggingface` 的模型进行解析，首次使用时会自动下载所需模型文件，后续使用将直接加载本地缓存的模型。如果您无法访问 `huggingface` ，可以通过以下命令切换至国内镜像源: > > ``` > export MINERU_MODEL_SOURCE=modelscope > ``` 如果您的设备满足上表中GPU加速的条件，可以使用简单的命令行进行文档解析: ``` mineru -p -o ``` 如果您的设备不满足GPU加速条件，可以指定后端为 `pipeline` ，以在纯CPU环境下运行: ``` mineru -p -o -b pipeline ``` 当前 `mineru` 支持本地 `PDF / 图片 / DOCX / PPTX / XLSX` 文件或目录输入，并可通过命令行、API、WebUI、 `mineru-router` 等多种方式进行文档解析，具体使用方法请参考 [使用指南](https://opendatalab.github.io/MinerU/zh/usage/) 。 ## FAQ - 如果您在使用过程中遇到问题，可以先查看 [常见问题](https://opendatalab.github.io/MinerU/zh/faq/) 是否有解答。 - 如果未能解决您的问题，您也可以使用 [DeepWiki](https://deepwiki.com/opendatalab/MinerU) 与AI助手交流，这可以解决大部分常见问题。 - 如果您仍然无法解决问题，您可通过 [Discord](https://discord.gg/Tdedn9GTXq) 或 [WeChat](https://mineru.net/community-portal/?aliasId=3c430f94) 加入社区，与其他用户和开发者交流。 ## All Thanks To Our Contributors [![](https://camo.githubusercontent.com/8069d469dcf247604efc2f58d49571257a1981329f52a5747a07e9929aa1baad/68747470733a2f2f636f6e747269622e726f636b732f696d6167653f7265706f3d6f70656e646174616c61622f4d696e657255)](https://github.com/opendatalab/MinerU/graphs/contributors) ## License Information 本仓库采用 [MinerU 开源许可证](https://github.com/opendatalab/MinerU/blob/master/LICENSE.md) 进行许可，基于 Apache 2.0 并附带额外条款。 ## Acknowledgments - [UniMERNet](https://github.com/opendatalab/UniMERNet) - [TableStructureRec](https://github.com/RapidAI/TableStructureRec) - [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) - [PaddleOCR2Pytorch](https://github.com/frotms/PaddleOCR2Pytorch) - [fast-langdetect](https://github.com/LlmKira/fast-langdetect) - [pypdfium2](https://github.com/pypdfium2-team/pypdfium2) - [pdftext](https://github.com/datalab-to/pdftext) - [pdfminer.six](https://github.com/pdfminer/pdfminer.six) - [pypdf](https://github.com/py-pdf/pypdf) - [magika](https://github.com/google/magika) - [vLLM](https://github.com/vllm-project/vllm) - [LMDeploy](https://github.com/InternLM/lmdeploy) ## Citation ``` @article{wang2026mineru2, title={MinerU2. 5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale}, ={Wang, Bin and He, Tianyao and Ouyang, Linke and Wu, Fan and Zhao, Zhiyuan and Chu, Tao and Qu, Yuan and Jin, Zhenjiang and Zeng, Weijun and Miao, Ziyang and others}, journal={arXiv preprint arXiv:2604.04771}, year={2026} } @article{dong2026minerudiffusion, title={MinerU-Diffusion: Rethinking Document OCR as Inverse Rendering via Diffusion Decoding}, ={Dong, Hejun and Niu, Junbo and Wang, Bin and Zeng, Weijun and Zhang, Wentao and He, Conghui}, journal={arXiv preprint arXiv:2603.22458}, year={2026} } @article{niu2025mineru2, title={Mineru2. 5: A decoupled vision-language model for efficient high-resolution document parsing}, ={Niu, Junbo and Liu, Zheng and Gu, Zhuangcheng and Wang, Bin and Ouyang, Linke and Zhao, Zhiyuan and Chu, Tao and He, Tianyao and Wu, Fan and Zhang, Qintong and others}, journal={arXiv preprint arXiv:2509.22186}, year={2025} } @article{wang2024mineru, title={Mineru: An open-source solution for precise document content extraction}, ={Wang, Bin and Xu, Chao and Zhao, Xiaomeng and Ouyang, Linke and Wu, Fan and Zhao, Zhiyuan and Xu, Rui and Liu, Kaiwen and Qu, Yuan and Shang, Fukai and others}, journal={arXiv preprint arXiv:2409.18839}, year={2024} } @article{he2024opendatalab, title={Opendatalab: Empowering general artificial intelligence with open datasets}, ={He, Conghui and Li, Wei and Jin, Zhenjiang and Xu, Chao and Wang, Bin and Lin, Dahua}, journal={arXiv preprint arXiv:2407.13773}, year={2024} } ``` ## Star History ![Star History Chart](https://camo.githubusercontent.com/40ca9c73efb26805e0af7b399b8bc91a2d7fe54e6cb313e5a7f5ce59bfd0bfab/68747470733a2f2f6170692e737461722d686973746f72792e636f6d2f7376673f7265706f733d6f70656e646174616c61622f4d696e65725526747970653d44617465) ## Links - [Easy Data Preparation with latest LLMs-based Operators and Pipelines](https://github.com/OpenDCAI/DataFlow) - [Vis3 (OSS browser based on s3)](https://github.com/opendatalab/Vis3) - [LabelU (A Lightweight Multi-modal Data Annotation Tool)](https://github.com/opendatalab/labelU) - [LabelLLM (An Open-source LLM Dialogue Annotation Platform)](https://github.com/opendatalab/LabelLLM) - [PDF-Extract-Kit (A Comprehensive Toolkit for High-Quality PDF Content Extraction)](https://github.com/opendatalab/PDF-Extract-Kit) - [OmniDocBench (A Comprehensive Benchmark for Document Parsing and Evaluation)](https://github.com/opendatalab/OmniDocBench) - [Magic-HTML (Mixed web page extraction tool)](https://github.com/opendatalab/magic-html) - [Magic-Doc (Fast speed ppt/pptx/doc/docx/pdf extraction tool)](https://github.com/InternLM/magic-doc) - [Dingo: A Comprehensive AI Data Quality Evaluation Tool](https://github.com/MigoXLab/dingo)