AI用のPDFを準備する

RAG/LLMパイプライン向けにPDFコンテンツをLlamaIndex JSON形式で抽出する。

クリックしてファイルを選択します またはドラッグ&ドロップ

1つ以上のPDFファイル

ファイルがデバイスの外に出ることはありません。

仕組み

1

ファイルをアップロードする

ファイルをクリックまたはドラッグ&ドロップして始めます

2

プロセス

プロセスボタンをクリックしてスタートします

3

ダウンロード

処理したファイルをすぐに保存します

関連するPDFツール

PDFを結合

無料のオンライン PDF 結合ツール

PDFを圧縮する

無料のオンライン PDF 圧縮ツール

PDFの分割

無料のオンライン分割 PDF ツール

PDFの編集

無料のオンライン PDF 編集ツール

PDFを回転する

無料のオンライン PDF 回転ツール

よくある質問

JSON 出力には何が含まれますか?

これは、LlamaIndex ドキュメント スキーマに従います。つまり、ページごとに 1 つのドキュメントがあり、そのページのテキスト フィールドとメタデータ フィールドが含まれます。これは PyMuPDF の LlamaIndex 統合によって生成されるため、LlamaIndex またはメタデータを含むページごとのテキストを受け入れるパイプラインに直接読み込むことができます。

これは、PDF からテキスト、または PDF から Markdown への違いとは何ですか?

PDFからテキストへ は 1 つのプレーン テキスト ストリームを提供し、PDF を Markdown に変換すると、読みやすいように見出しと構造が維持されます。このツールは、コンテンツをページごとに分割し、メタデータを含む構造化された JSON でラップします。これは、ソースのチャンク化と引用に検索パイプラインが必要とするものです。

スキャンした PDF でも機能しますか?

すでにテキストレイヤーがある場合のみ。スキャンされた画像は空または空に近い出力を生成するため、実行してください。 OCR PDF まず抽出してから。

PDF のバッチ全体を処理できますか?

はい。複数のファイルをアップロードすると、PDF ごとに 1 つの yourfile_llm.json を含む pdf-for-ai.zip が得られます。単一のファイルが yourfile_llm.json として直接ダウンロードされます。バッチ内の 1 つのファイルが失敗した場合でも、残りのファイルは完了し、失敗したファイルの数が概要に表示されます。

抽出するページを選択したり、チャンク サイズを制御したりできますか?

いいえ。オプションはありません。すべてのページがそのフルテキストとメタデータとともに抽出されます。独自のパイプラインでチャンク化を行い、埋め込みモデルに適合するサイズを選択し、そこに不要なページをドロップできます。

AIツール用にパスワードで保護されたPDFを用意できますか?

はい。ファイルが暗号化されている場合は、抽出を開始する前にパスワードの入力を求められ、復号化されたコピーからテキストが抽出されます。

私の文書は AI サービスに送信されますか?

いいえ、その名前にもかかわらず、AI プロバイダーやサーバーには何も送信されません。抽出は、ブラウザ内で WebAssembly にコンパイルされた PyMuPDF を使用して実行されます。後で JSON をどこに送信するかを決定します。

JSON ファイルで何ができるでしょうか?

それを RAG パイプラインにフィードし、チャットボットのナレッジ ベースを構築し、レポートに対して LLM 分析を実行し、PDF コレクションをトレーニング データに変換します。コンテンツはメタデータを使用してページごとに分割されているため、回答は元のページを参照できます。