メインコンテンツへスキップ
PromptQuorum人のために設計。 AI向けに構造化。
ホーム/ローカルLLM活用
RAG & Document Chat

Markerレビュー:OCRと表抽出対応のPDF→Markdownコンバーター

·6分で読める 著 · PromptQuorum創設者 · オープンウェイト/オープンソースAIの発見エンジン

Marker(GitHub星40,000+)はSurya OCRモデルを使ってPDF・DOCX・PPTX・XLSX・HTML・EPUB・画像をMarkdown・JSON・HTMLに変換します。コードはApache-2.0、モデルの重みは売上上限のある別ライセンスです。 PythonライブラリとCLIです。インストール:pip install marker-pdf。

重要なポイント

  • コードはApache-2.0、モデルの重みは別ライセンス;GitHub星40,000+;Datalabが開発。
  • pip install marker-pdf:Python 3.10+とPyTorchが必要。
  • 出力:Markdown・JSON(バウンディングボックス付き)・HTML・チャンク。
  • Surya VLMでOCR;TableConverterで表抽出。
  • READMEにMCPサーバーの記載なし。

📍 一文で説明

Markerは、コードがApache-2.0(モデルの重みは別ライセンス)のPythonライブラリで、Surya OCRモデルを使いPDF・DOCX・PPTX・XLSX・HTML・EPUB・画像をMarkdown・JSON・HTMLに変換します。自分のマシンまたはDatalab APIで利用可能。

💬 簡潔に説明

ドキュメントを渡すと、見出し・表・テキストブロックを読み取り、RAGシステムやLLMが使えるMarkdownやJSONを出力します。既定ではMarkerはドキュメントを自分のマシンで処理します。任意の--use_llmモードでは、設定したLLMプロバイダーにコンテンツが送信される場合があります。

📌補足: PromptQuorumはMarkerを実機テストしていません。すべての情報はgithub.com/datalab-to/markerおよびdatalab.to(2026年11月15日参照)に基づいています。

MarkerはDatalabが開発するオープンソースのPython製ライブラリ・CLIです。PDF、DOCX、PPTX、XLSX、HTML、EPUB、画像をSurya VLMによるOCRでMarkdown・JSON・HTMLに変換します。本レビューはMarker GitHubリポジトリとdatalab.to(2026年11月15日参照)をもとに作成しました。

Markerレビュー:OCRと表抽出対応のPDF→Markdownコンバーター

機能

  • 入力形式: PDF・PPTX・DOCX・XLSX・HTML・EPUB・一般的な画像形式。
  • 出力形式: Markdown(デフォルト)・JSONバウンディングボックス付き・HTML・RAG用チャンク。
  • OCR: Surya VLM(多言語スキャン文書対応)。
  • 表抽出: TableConverterがMarkdownとJSONで表を再構築。
  • GPU任意: GPU・CPU・Apple MPSで動作。
  • Datalab API: 月間の無料枠あり(READMEでは約5,000変換ページ、datalab.to/pricing参照)。

インストール

  • ローカル: PDFはpip install marker-pdf、その他の形式(PPTX・DOCX・XLSX・HTML・EPUB)は`pip install marker-pdf[full]`。
  • Suryサーバー: 初回利用時にSuryがローカル推論サーバーを起動します。NVIDIA GPUではvllm入りDockerとNVIDIA Container Toolkit、CPUやApple Siliconではllama.cppのllama-serverバイナリが必要です。
  • Datalab API: datalab.toでアカウント作成;月間の無料枠あり(datalab.to/pricing参照)。
  • ソースコード: github.com/datalab-to/marker (コード:Apache-2.0)。

データの流れ

  • 既定ではMarkerはドキュメントを自分のマシンで処理します。任意の--use_llmモードでは、設定したLLMプロバイダー(既定はgemini-3.5-flash。Claude、OpenAI互換、Azure、Vertex、OpenRouter、Ollamaにも対応)にコンテンツが送信される場合があります。モデルの重みをいつダウンロードするかはREADMEに記載がないため、セットアップ時にダウンロードが発生すると想定してください。
  • Datalab APIを使う場合はドキュメントがDatalabサーバーにアップロードされます。
  • Datalab APIの利用規約・プライバシー条件は本レビューでは評価していません。機密文書を送信する前にdatalab.toで確認してください。
  • 機密性の高い用途では、--use_llmを使わずにMarkerをローカルで実行してください。

ライセンスと価格

  • ライセンス: コードはApache-2.0。モデルの重みは修正版AI Pubs Open RAIL-Mライセンスで、研究・個人利用、および前年の総売上と調達総額がいずれも500万米ドル以下の組織は無料。それを超える組織はDatalabの商用ライセンスが必要で、Datalabと競合する製品・サービスでの利用は禁止されています。
  • ローカル: アカウント不要。上記のモデルの重みライセンスの範囲で無料。
  • Datalab API: 月間の無料枠あり(READMEでは約5,000変換ページ。料金ページではドル額で、勤務先メールで月20ドル、個人メールで10ドル);最新の条件はdatalab.to/pricing参照。

📌補足: 警告:商用利用の前にモデルの重みのライセンスを確認してください。Apache-2.0はMarkerのコードのみが対象です。モデルの重みは修正版AI Pubs Open RAIL-Mライセンスで、総売上または調達総額が500万米ドルを超える組織にはDatalabの商用ライセンスが必要です。

競合と代替ツール

  • Docling — IBM・MITライセンス;MCPサーバー(別パッケージのdocling-mcp)が文書化されている・追加出力形式あり。
  • MinerU — オープンソース、MinerU Open Source License(Apache 2.0に追加条件あり。商用利用前に要確認);Markdown・HTML・LaTeX出力。
  • Unstructured — Python ETLライブラリ;メールを含む広範な形式対応。
  • OpenDataLoader PDF — PDF専用パーサー、Python・Node.js・Java SDK;バウンディングボックス付きJSON・Markdown・HTMLを出力。

ディレクトリで比較する

よくある質問

Markerは商用利用が無料ですか?

組織によります。コードはApache-2.0ですが、モデルの重みは修正版AI Pubs Open RAIL-Mライセンスで、研究・個人利用、および前年の総売上と調達総額がいずれも500万米ドル以下の組織は無料です。それを超える組織はDatalabの商用ライセンスが必要で、Datalabと競合する製品・サービスでの利用も禁止されています。商用利用の前にモデルのライセンスを確認してください。

MarkerとDoclingの違いは何ですか?

どちらもローカルでPDF→Markdownに変換します。MarkerはSurya OCRでクリーンなMarkdown出力に特化;Doclingは文書化されたMCPサーバー(別パッケージのdocling-mcp)と追加出力形式を提供。

MarkerはGPUが必要ですか?

いいえ。Surya VLMはCPUで動作します。GPUは処理を高速化しますが必須ではありません。

Markerのインストール方法は?

Python 3.10+環境でPDFならpip install marker-pdf、その他の形式なら`pip install marker-pdf[full]`を実行。PyTorchも別途インストールが必要です。初回利用時にSuryがローカル推論サーバーを起動し、NVIDIA GPUではvllm入りDockerとNVIDIA Container Toolkit、CPUやApple Siliconではllama.cppのllama-serverバイナリが必要です。

スキャンPDFに対応していますか?

はい。Surya VLMがスキャン文書や画像PDFのOCRを担当します。

出力形式は何ですか?

Markdown・JSONバウンディングボックス付き・HTML・RAG用チャンク。

MarkerにはMCPサーバーがありますか?

MarkerのREADMEにMCPサーバーの記載はなく、文書化されたものはありません。文書化されたAIアシスタント統合が必要な場合は、それを掲げているDoclingを検討してください。

Datalab APIとは何ですか?

Marker開発元Datalabによるホスト型APIサービスです。月間の無料枠あり(READMEでは約5,000変換ページ、料金ページではドル額で勤務先メール月20ドル・個人メール10ドル);最新の条件はdatalab.to/pricing参照。

表の抽出に対応していますか?

はい。TableConverterがMarkdownとJSONで表を再構築します(README記載機能)。

現在のバージョンは何ですか?

v2.2.0(2026年11月12日リリース、GitHub Releases)。2026年11月15日確認。

情報源

← ローカルLLM活用 に戻る

MCP