Docling
同一前置环节的替代方案，取向不同
Docling 同为文档解析并输出统一文档对象，支持格式更广（含音频/视频）；marker 更聚焦 PDF 版面与转换速度
自动排版把「PDF 变模型能读的结构」做成高精度流水线：识别版面、表格、公式、图片与阅读顺序，输出 Markdown 或 JSON，而不是简单抽文本。
项目介绍
marker（仓库已迁移至 datalab-to/marker）是 Datalab 维护的文档转换工具，目标是把 PDF 快速且高精度地转成 Markdown 与 JSON。与只抽文字的方案不同，它要处理的是「模型直接读会读错」的那部分：多栏版面、跨页表格、公式、图片与图注、页眉页脚干扰、阅读顺序。对传统行业而言，这类工具解决的往往不是 AI 本身的问题，而是前置问题——资料还在扫描件、图纸和复杂报表里。
主要应用领域
扫描合同/发票/报表的批量结构化、企业知识库入库前的文档清洗、招投标文件与标准规范的段落级提取、把历史纸质资料转成可检索文本。
关键技术
Python 工具链（深度学习模型 + 后处理），输出 Markdown/JSON，权重为独立许可；40.8k stars、3k forks、81 open issues。仅读仓库页与许可说明，未在同批文档上与他人对比。
实用价值
它决定知识库问答的上限解析错一步，后面的检索与生成都跟着错，因此这层投入的性价比往往高于换模型。
局限
代码与模型权重许可不同权重对超过 500 万美元营收/融资的企业需付费；81 个 open issues；本轮未对不同版面的真实文档做效果验证，精度结论不可外推。
开源协议
Apache-2.0（代码）/ 模型权重为修改版 OpenRAIL-M（年营收或融资 500 万美元以下免费商用）
README 明确两层许可：代码为 Apache-2.0，可自由商用；模型权重使用修改版 AI Pubs Open Rail-M 许可，对研究、个人使用以及融资/营收低于 500 万美元的初创免费，超出范围需按其定价页购买商业授权。这意味着同一项目存在「代码开源但权重有条件」的分层，企业若用它处理大规模文档，必须先核对自身是否落在免费商用阈值内，否则需把授权成本算进方案。
协议解读供选型参考，不构成法律意见。
推荐理由
扫描件多、表格多的企业做知识库前值得先拿自有文档做一次对比测试；务必先确认营收/融资规模是否落在权重免费商用阈值内。
观测
Star40800；观测时间：2026-11-07T05:21:05.000Z
暂无可比增长基线
源码可见
专业社区口碑
社区来源不可访问
本轮未对 marker 单独做社区检索，故不提供口碑结论
本轮未单独检索该项目社区讨论，仅从仓库侧取证
类似项目推荐
模型知识参考，未在线核验；名称、维护状态和许可证需另行核实。
Label Studio
同一数据管道的前后两段
Label Studio 处理的是标注与人工审核，marker 处理的是自动解析