Inicio Explorar Ayuda
Iniciar sesión
zhensolid
/
obsidian
1
0
Fork 0
Archivos Incidencias 0 Pull Requests 0 Wiki
Rama: master
Ramas Etiquetas
obsidian
/
Github
/
MinerU.md

MinerU.md 21 KB
Permalink Histórico Raw

title: "opendatalab/MinerU: Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows." source: https://github.com/opendatalab/MinerU/blob/master/README_zh-CN.md author: published: created: 2026-05-09 description: Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows. - opendatalab/MinerU tags:

  • clippings ---

English | 简体中文

🚀 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！

👋 join us on Discord and WeChat

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 。 - 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 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 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 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 ，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

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 。
  • 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 提交或提交PR至 其他加速卡适配 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 。
  • 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 。

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 。

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

Links