🤯 Dolphin — превращает PDF в структурированные данные
Dolphin (Document Image Parsing via Heterogeneous Anchor Prompting) — 100% open source-модель для автоматического разбора PDF и сканов.
Зачем нужен:
— Конвертирует документы в готовые форматы: Markdown, HTML, LaTeX, JSON.
— Извлекает текст, таблицы, формулы и изображения.
— Полезен как для подготовки данных для LLM, так и для любых автоматизированных систем, архивов, поиска и аналитики.
Как работает:
1⃣ Анализ макета страницы — определяет все элементы в естественном порядке чтения.
2⃣ Параллельный парсинг — с «якорями» и промптами под каждый тип контента.
Представьте, что у вас есть 500 отчётов в PDF с финансовыми таблицами и графиками. Dolphin превращает их в аккуратный CSV или JSON, готовый для анализа в Pandas или загрузки в базу данных — без ручного копипаста и правок.
Лёгкая архитектура + параллельная обработка = высокая скорость без потери качества.
Репозиторий с кодом и моделями: https://clc.to/6gPIwA
👉Новости 👉База вопросов