Markdrop スキル

markdrop スキルへようこそ。markdrop は、PDFドキュメントを構造化されたMarkdownと対話的なHTMLに変換する強力なPythonパッケージおよびCLIツールです。AIビジョンモデルを活用して、抽出された画像と表を自動的に解析し、説明を生成します。

PDFを処理し、テキストまたは画像の説明を付与することを目指すAIエージェントまたはユーザーの方は、このドキュメントを参考に markdrop を効率的かつ正確に活用できます。

1. 機能

• PDF to Markdown/HTML: フォーマットを保持し、画像を抽出し、Microsoft Table TransformerおよびDoclingを使用してテーブルを検出します。ローカルファイルパスおよび直接PDFのURLに対応しています。
• AIビジョン説明: GEMINI、OPENAI、ANTHROPIC、GROQ、OPENROUTER、またはLITELLMを使用して、画像とテーブルの豊かな説明を生成します。
• バッチ処理: 単一コマンドで複数のLLMバックエンドを同時に使用し、画像ディレクトリ全体を説明することができます。
• 拡張可能な設定: 使用するテキストモデルとビジョンモデル、プロンプト、解像度スケール、出力機能

...