MinerU
PDF などの複雑な文書を、Agent ワークフロー向けに LLM で処理可能な markdown/JSON に変換します。
現在も活発に開発中：直近 90 日間のコミットは 911 件、最新コミットは 2026-09-29。
MinerU は、AI Agent ワークフロー専用に設計された文書処理ツールで、複雑な PDF やその他の文書形式を、LLM が処理できる Markdown および JSON 形式に変換できます。インテリジェントな解析技術によって文書構造の完全性と内容の正確性を維持し、特に大規模な文書処理を必要とする AI アプリケーションに適しています。MinerU は Python SDK とオンライン Web アプリの 2 種類の利用方法を提供し、さまざまな開発者のニーズに対応します。高度な文書理解能力により、もともと非構造化データである PDF の内容を AI モデルが効果的に利用できるようにし、文書駆動型 AI アプリケーションのデータ品質を大幅に向上させます。GitHub スター数が 57,000 を超える MinerU は、文書前処理分野で人気の選択肢となっており、ナレッジベース構築、RAG システム、インテリジェントな文書分析などで広く利用されています。バッチ処理に対応し、大量の文書を効率的に処理でき、エンタープライズ向け AI アプリケーションに信頼性の高い文書変換基盤を提供します。
他ツールとの違い
PyPDF（テキストのみの抽出）やクラウド OCR サービスとは異なり、MinerU は数式を埋め込んだ表を含む文書レイアウトを保持し、OmniDocBench で 86.2 を達成しています。AI/RAG 文書パイプライン専用に設計されています。
主な機能
- レイアウト検出と数式認識による高精度な PDF/文書解析
- PDF 変換と比較してエンドツーエンドの速度が 10x+ 向上するネイティブ DOCX 解析
- 表のセル内の画像・数式を含む表解析
- 印影内の文字認識、縦書き対応、独立行数式の番号付け
- 文書理解ベンチマーク OmniDocBench でのスコア 86.2
- Web アプリ、デスクトップクライアント、mineru.net 経由の API アクセス
向いている用途
- 表、数式、レイアウトを保持した高忠実度の PDF/DOCX 抽出を必要とする RAG パイプライン
- 複雑な数学表記を含む科学論文を処理する学術・研究チーム
向いていない用途
- 整った文書からの単純なテキスト抽出 — 代わりに PyPDF または pdfplumber を使用
- 画像のリアルタイム OCR — Tesseract またはクラウドの画像認識 API を使用
制限事項
- 高速処理には GPU を推奨 — CPU のみのモードでは大幅に低速
- 文書抽出のみに特化 — 汎用 OCR ツールではない
- AGPL 型ライセンスによる商用利用制限の可能性
MinerU の代替ツール
- Docling：ドキュメントを生成AI向けに準備します（6.8万スター）
- unstructured（1.6万スター）
- LLM Sherpa（1,753スター）
- MarkItDown：ファイルやオフィス文書を Markdown に変換する Python ツールです。（18.8万スター）
- olmocr（2万スター）
- text-extract-api（3,182スター）
よくある質問
- MinerU とは？
- MinerU は、AI Agent ワークフロー専用に設計された文書処理ツールで、複雑な PDF やその他の文書形式を、LLM が処理できる Markdown および JSON 形式に変換できます。インテリジェントな解析技術によって文書構造の完全性と内容の正確性を維持し、特に大規模な文書処理を必要とする AI アプリケーションに適しています。MinerU は Python SDK とオンライン Web アプリの 2 種類の利用方法を提供し、さまざまな開発者のニーズに対応します。高度な文書理解能力により、もともと非構造化データである PDF の内容を AI モデルが効果的に利用できるようにし、文書駆動型 AI アプリケーションのデータ品質を大幅に向上させます。GitHub スター数が 57,000 を超える MinerU は、文書前処理分野で人気の選択肢となっており、ナレッジベース構築、RAG システム、インテリジェントな文書分析などで広く利用されています。バッチ処理に対応し、大量の文書を効率的に処理でき、エンタープライズ向け AI アプリケーションに信頼性の高い文書変換基盤を提供します。
- MinerU は現在もメンテナンスされていますか？
- 現在も活発に開発中：直近 90 日間のコミットは 911 件、最新コミットは 2026-09-29。
- MinerU の代替ツールは？
- MinerU に近いオープンソースの代替ツール：Docling、unstructured、LLM Sherpa、MarkItDown、olmocr、text-extract-api。
スター数・コミット・リリースのデータは GitHub API から毎日自動更新しています。紹介文は AI が英語から翻訳し、別のモデルで逆翻訳チェックを行っています。 リポジトリ：github.com/opendatalab/MinerU