تخطى إلى المحتوى الرئيسي
PromptQuorumمصمم للبشر. منظم للذكاء الاصطناعي.
الرئيسية/LLM المحلية المتقدمة
RAG & Document Chat

مراجعة Marker: محوّل PDF إلى Markdown مع OCR واستخراج الجداول

·6 دقائق قراءةبقلم · مؤسس PromptQuorum · محرك اكتشاف للذكاء الاصطناعي مفتوح الأوزان ومفتوح المصدر

Marker (40,000+ نجمة على GitHub) يحوّل PDF وDOCX وPPTX وXLSX وHTML وEPUB والصور إلى Markdown وJSON وHTML باستخدام نموذج Surya OCR؛ الكود بترخيص Apache-2.0 وأوزان النموذج بترخيص مستقل بحدود للإيرادات. Marker مكتبة Python وواجهة CLI؛ التثبيت: pip install marker-pdf.

النقاط الرئيسية

  • الكود بترخيص Apache-2.0 وأوزان النموذج بترخيص مستقل؛ 40,000+ نجمة على GitHub؛ تطوير Datalab.
  • pip install marker-pdf — يتطلب Python 3.10+ وPyTorch.
  • المخرجات: Markdown وJSON (مع صناديق إحاطة) وHTML وأجزاء لـ RAG.
  • Surya VLM للـ OCR؛ TableConverter للجداول.
  • لا يذكر README وجود خادم MCP.

📍 في جملة واحدة

Marker مكتبة Python (الكود بترخيص Apache-2.0 وأوزان النموذج بترخيص مستقل) تحوّل PDF وDOCX وPPTX وXLSX وHTML وEPUB والصور إلى Markdown وJSON وHTML باستخدام OCR Surya، على جهازك أو عبر Datalab API.

💬 بعبارات بسيطة

تُعطيه مستندًا فيقرأ البنية والنص — بما في ذلك الجداول والصفحات الممسوحة ضوئيًا — ويكتب Markdown أو JSON يمكن لنظام RAG أو LLM استخدامه مباشرة. افتراضيًا يعالج Marker المستندات على جهازك؛ وضع --use_llm الاختياري قد يرسل المحتوى إلى مزوّد LLM الذي تضبطه.

📌ملاحظة: لم يختبر PromptQuorum Marker بشكل عملي. جميع المعلومات مصدرها github.com/datalab-to/marker وdatalab.to، تاريخ المراجعة 2026-11-15.

Marker مكتبة Python وواجهة سطر أوامر مفتوحة المصدر تحوّل PDF وDOCX وPPTX وXLSX وHTML وEPUB والصور إلى Markdown وJSON وHTML باستخدام نموذج Surya VLM للتعرف الضوئي على النصوص. تستند هذه المراجعة إلى مستودع Marker على GitHub وdatalab.to، تاريخ المراجعة 15 نوفمبر 2026.

مراجعة Marker: محوّل PDF إلى Markdown مع OCR واستخراج الجداول

الميزات

  • صيغ الإدخال: PDF وPPTX وDOCX وXLSX وHTML وEPUB وصيغ الصور الشائعة.
  • صيغ الإخراج: Markdown وJSON مع صناديق إحاطة وHTML وأجزاء لـ RAG.
  • OCR: Surya VLM — يعالج المستندات الممسوحة متعددة اللغات.
  • استخراج الجداول: يُعيد TableConverter بناء الجداول في Markdown وJSON.
  • GPU اختياري: يعمل على GPU أو CPU أو Apple MPS.
  • Datalab API: حصة مجانية شهرية (يذكر README نحو 5000 صفحة تحويل؛ انظر datalab.to/pricing).

تثبيت Marker

  • محليًا: لملفات PDF pip install marker-pdf؛ ولصيغ أخرى (PPTX وDOCX وXLSX وHTML وEPUB) `pip install marker-pdf[full]`.
  • خادم Surya: عند أول استخدام يشغّل Surya خادم استدلال محليًا؛ يحتاج Docker مع vllm وNVIDIA Container Toolkit على وحدات NVIDIA، أو الملف التنفيذي llama-server من llama.cpp على CPU وApple Silicon.
  • Datalab API: أنشئ حسابًا على datalab.to؛ حصة مجانية شهرية (انظر datalab.to/pricing).
  • الكود المصدري: github.com/datalab-to/marker (الكود: Apache-2.0).

تدفق البيانات

  • افتراضيًا يعالج Marker المستندات على جهازك. وضع --use_llm الاختياري قد يرسل المحتوى إلى مزوّد LLM الذي تضبطه (الافتراضي gemini-3.5-flash؛ كما يدعم Claude وواجهات متوافقة مع OpenAI وAzure وVertex وOpenRouter وOllama). لا يذكر README متى تُنزَّل أوزان النموذج؛ توقّع تنزيلًا أثناء الإعداد.
  • عند استخدام Datalab API، تُرفع المستندات إلى خوادم Datalab — راجع الشروط قبل إرسال مستندات سرية.
  • لأحمال العمل الحساسة، شغّل Marker محليًا دون --use_llm.

الترخيص والسعر

  • الترخيص: الكود بترخيص Apache-2.0؛ وتستخدم أوزان النموذج ترخيص AI Pubs Open RAIL-M المعدّل، وهو مجاني للبحث والاستخدام الشخصي وللمؤسسات التي لا تتجاوز إيراداتها الإجمالية في العام السابق 5 ملايين دولار ولا يتجاوز إجمالي التمويل الذي جمعته 5 ملايين دولار. تحتاج المؤسسات الأكبر ترخيصًا تجاريًا من Datalab، ويحظر الترخيص الاستخدام في منتجات أو خدمات تنافس Datalab.
  • الاستخدام المحلي: بدون حساب؛ مجاني ضمن شروط ترخيص الأوزان المذكورة أعلاه.
  • Datalab API: حصة مجانية شهرية (يذكر README نحو 5000 صفحة تحويل؛ وتذكرها صفحة الأسعار بالدولار: 20 دولارًا شهريًا ببريد العمل و10 دولارات بالبريد الشخصي)؛ الشروط الحالية على datalab.to/pricing.

📌ملاحظة: تحذير: راجع ترخيص أوزان النموذج قبل الاستخدام التجاري. كود Marker وحده بترخيص Apache-2.0. تستخدم أوزان النموذج ترخيص AI Pubs Open RAIL-M المعدّل؛ المؤسسات التي تتجاوز إيراداتها الإجمالية أو تمويلها الكلي 5 ملايين دولار تحتاج ترخيصًا تجاريًا من Datalab.

المنافسون والبدائل

  • Docling — MIT من IBM؛ خادم MCP موثّق (حزمة docling-mcp المستقلة) وصيغ إخراج إضافية.
  • MinerU — مفتوح المصدر بترخيص MinerU Open Source License (Apache 2.0 مع شروط إضافية؛ راجعه قبل الاستخدام التجاري)؛ مخرجات Markdown وHTML وLaTeX.
  • Unstructured — مكتبة Python ETL؛ دعم واسع يشمل البريد الإلكتروني.
  • OpenDataLoader PDF — محلل لملفات PDF فقط مع SDK لـ Python وNode.js وJava؛ مخرجات JSON مع صناديق إحاطة وMarkdown وHTML.

قارن في الدليل

أسئلة شائعة

هل Marker مجاني للاستخدام التجاري؟

يعتمد على مؤسستك. الكود بترخيص Apache-2.0، لكن أوزان النموذج تستخدم ترخيص AI Pubs Open RAIL-M المعدّل: مجاني للبحث والاستخدام الشخصي وللمؤسسات التي لا تتجاوز إيراداتها الإجمالية في العام السابق 5 ملايين دولار ولا يتجاوز إجمالي التمويل الذي جمعته 5 ملايين دولار. تحتاج المؤسسات الأكبر ترخيصًا تجاريًا من Datalab، ويحظر الترخيص الاستخدام في منتجات أو خدمات تنافس Datalab. راجع ترخيص النموذج قبل الاستخدام التجاري.

ما الفرق بين Marker وDocling؟

كلاهما يحوّل PDF محليًا. Marker يستخدم Surya OCR لـ Markdown نظيف؛ Docling لديه خادم MCP موثّق (حزمة docling-mcp المستقلة) وصيغ إخراج إضافية.

هل يحتاج Marker إلى GPU؟

لا. Surya VLM يعمل على CPU. GPU يسرّع المعالجة لكنه غير مطلوب.

كيف أثبّت Marker؟

pip install marker-pdf في بيئة Python 3.10+ (لغير PDF: `pip install marker-pdf[full]`). PyTorch مطلوب أيضًا. عند أول استخدام يشغّل Surya خادم استدلال محليًا: يحتاج Docker مع vllm وNVIDIA Container Toolkit على وحدات NVIDIA، أو الملف التنفيذي llama-server من llama.cpp على CPU وApple Silicon.

هل يعالج Marker الـ PDF الممسوحة ضوئيًا؟

نعم. نموذج Surya VLM يتولى OCR للمستندات الممسوحة وPDF المبنية على صور.

ما صيغ الإخراج التي يدعمها Marker؟

Markdown وJSON مع صناديق إحاطة وHTML وأجزاء لـ RAG.

هل يوجد خادم MCP في Marker؟

لا يذكر README الخاص بـ Marker وجود خادم MCP، لذا لا يوجد خادم موثّق. إذا كنت بحاجة إلى تكامل موثّق مع مساعد ذكاء اصطناعي، فكِّر في Docling الذي يذكر ذلك.

ما هي Datalab API؟

خدمة مستضافة من Datalab، الشركة المطوّرة لـ Marker. حصة مجانية شهرية (يذكر README نحو 5000 صفحة تحويل؛ وتذكرها صفحة الأسعار بالدولار: 20 دولارًا شهريًا ببريد العمل و10 دولارات بالبريد الشخصي)؛ الشروط الحالية على datalab.to/pricing.

هل يستخرج Marker الجداول؟

نعم. يُعيد TableConverter بناء الجداول في Markdown وJSON (موثّق في README).

ما الإصدار الحالي؟

v2.2.0، صدر 12 نوفمبر 2026 (GitHub Releases). تم التحقق في 15 نوفمبر 2026.

المصادر

← العودة إلى LLM المحلية المتقدمة

MCP