한줄 요약
PDF 문서를 LLM 학습용 텍스트로 변환하는 오픈소스 툴킷
핵심 기능
PDF, PNG, JPEG 문서를 깔끔한 마크다운으로 변환
수학 공식, 표, 손글씨, 복잡한 형식 지원
헤더/푸터 자동 제거 및 자연스러운 읽기 순서 보장
7B 파라미터 VLM 기반, GPU 필요
백만 페이지 변환 비용 200달러 미만
언제 쓰나
대규모 PDF 문서를 LLM 학습 데이터셋으로 변환할 때
복잡한 형식의 학술 논문이나 보고서를 텍스트로 추출할 때
OCR 성능을 벤치마킹해야 할 때