PDF处理终于不再是噩梦！
Lumina AI推出的开源工具Chunkr，正在为RAG（检索增强生成）领域带来一场革命。
Chunkr：PDF处理的救星
几乎所有涉足RAG的开发者都不得不面对PDF这个"撒旦的文件格式"。现有的解决方案要么速度慢如蜗牛，要么价格高得离谱，要么就是闭源黑盒。
Chunkr的出现，让这一切有了改变。
它不仅开源，而且速度快、质量高。更重要的是，它能够处理PDF、PPT、DOCX和XLSX等多种文件格式。
强大功能一网打尽
Chunkr提供了一系列令人垂涎的功能：
为PDF、PPT、DOCX和XLSX提供边界框和标签
所有分段PNG的签名URL
卓越的表格OCR能力
高速处理：高质量模式下每秒10页，快速模式下每秒50页
更让人惊喜的是，Chunkr还提供了1500页的免费托管API额度！
开源的力量
Ishaan Kapoor (@Ishaank1999) 强调了开源的重要性：
我们相信像Chunkr这样的软件应该是开源的。它是代理和搜索工具所需的核心技术——这应该是一个已经解决的问题。
开源不仅让技术变得透明，也为整个社区贡献了宝贵的资源。
性能对比
Chunkr在性能上也不遑多让。与广受欢迎的开源解决方案Unstructured相比，Chunkr采用了更先进的技术。
Ishaan指出：
Unstructured是最大的可比开源解决方案，被财富500强企业中的三分之一使用——但他们依赖于像tesseract这样十年前的技术。
技术内幕
Chunkr的强大源于其精心设计的技术栈：
VGT（GiT和ViT）
OCR（paddle）
VLM（qwen）用于后备
这种组合确保了Chunkr能够高效准确地处理各种复杂文档。
对于那些饱受PDF处理之苦的开发者来说，Chunkr不仅解决了技术难题，还通过开源方式为整个社区赋能。
如Ishaan所说：
分割对搜索质量有着巨大影响。处理这些的管道不应该对你来说是个黑盒。
未来展望
随着AI和RAG技术的不断发展，Chunkr不仅简化了开发流程，还为更智能、更高效的信息处理铺平了道路。
PDF处理不再是噩梦，Chunkr让它变成了美梦。
你准备好尝试了吗？
仓库地址：
https://github.com/lumina-ai-inc/chunkr
👇
👇
👇
👇
本文同步自于知识星球《AGI Hunt》
星球实时采集和监控推特、油管、discord、电报等平台的热点AI 内容，并基于数个资讯处理的 AI agent 挑选、审核、翻译、总结到星球中。
每天约监控6000 条消息，可节省约800+ 小时的阅读成本；
每天挖掘出10+ 热门的/新的 github 开源 AI 项目；
每天转译、点评 10+ 热门 arxiv AI 前沿论文。
星球非免费。定价99元/年，0.27元/天。(每+100人，+20元。元老福利~）
一是运行有成本，我希望它能自我闭环，这样才能长期稳定运转；
二是对人的挑选，鱼龙混杂不是我想要的，希望找到关注和热爱 AI 的人。
欢迎你的加入！
