← プロジェクト一覧に戻る

Docling
PDF・Officeファイル・スキャンを、外部に送らずに1つの構造化表現へ変換するツール
公式MIT
Doclingとは
テキスト抽出との違いは構造が残る点です。ページの版面、読み順、表のセル、コードブロック、数式が、平坦な文字列ではなく単一の文書表現の一部として出てきます。報告書の中の表がエージェントに届く時点でも表のままかどうかは、ここで決まります。処理は完全にローカルで実行でき、外部と切り離された環境でも動きます。その忠実さの代償は計算量です。各ページに機械学習モデルを走らせるため、その場で呼ぶ高速な変換器ではなく、見積もっておくべき処理として扱う必要があります。
Doclingで何ができますか?
- 入力が何でも表現は1つ — 入力が何であれ、出てくるのは単一の文書形式です。後段のコードが、元がPDFか表計算かメールかで分岐する必要がありません。
- テキスト化で失われる構造を残す — ページの版面、読み順、表の構造、コードブロック、数式、画像の分類が復元されます。グラフは説明を添えた表またはコードに変換されます。
- 扱いにくい形式も読む — PDFとOfficeのほか、HTML、EPUB、画像、LaTeX、メール、音声認識を通した音声に対応し、XBRLの財務報告やUSPTOの特許といった専用スキーマも扱えます。
- スキャン文書を外部サービスなしで処理する — スキャンされたPDFや画像向けのOCRを内蔵し、視覚言語モデルにも対応します。文字が画像になっているページが単に飛ばされることがありません。
- 結果をそのままRAG構成へ渡す — LangChain、LlamaIndex、CrewAI、Haystackとの差し込み型の統合があります。変換をライブラリ呼び出しではなくサービスとして扱いたい場合のAPIサーバーモードも用意されています。
Doclingを選ぶ前に
- 版面と表構造の機械学習モデルを各ページに走らせるため、変換の処理量は設備の問題になります。リクエストの経路上で呼ぶ高速な抽出器ではなく、計画して回す処理です。
スター推移
8月21日〜10月30日 · +4.5k
65.4k69.9k
よくある質問
Doclingは商用利用できますか?
DoclingはMITライセンスで公開されています。OSI承認のオープンソースライセンスで、商用利用が認められています。
Doclingはどの形で使えますか?
Doclingはローカル実行・セルフホストの形で利用できます。