Docling

O Docling simplifica o processamento de documentos, analisando diversos formatos — incluindo compreensão avançada de PDF — e oferecendo integrações perfeitas com o ecossistema de IA generativa.

Funcionalidades

🗂️ Análise de múltiplos formatos de documentos incluindo PDF, DOCX, XLSX, HTML, imagens e mais
📑 Compreensão avançada de PDF incluindo layout de página, ordem de leitura, estrutura de tabelas, código, fórmulas, classificação de imagens e mais
🧬 Formato unificado e expressivo de representação DoclingDocument
↪️ Vários formatos de exportação e opções, incluindo Markdown, HTML e JSON sem perdas
🔒 Capacidades de execução local para dados sensíveis e ambientes isolados
🤖 Integrações plug-and-play integrations incluindo LangChain, LlamaIndex, Crew AI & Haystack para IA agentiva
🔍 Suporte extensivo a OCR para PDFs digitalizados e imagens
🥚 Suporte a vários Modelos de Linguagem Visual (SmolDocling)
💻 CLI simples e conveniente

Em breve

📝 Extração de metadados, incluindo título, autores, referências e idioma
📝 Compreensão de gráficos (Barras, Pizza, Linhas, etc)
📝 Compreensão complexa de química (Estruturas moleculares)

Instalação

Para usar o Docling, basta instalar docling através do seu gerenciador de pacotes, por exemplo pip:

pip install docling

Funciona em ambientes macOS, Linux e Windows. Tanto em arquiteturas x86_64 quanto arm64.

Instruções de instalação mais detalhadas estão disponíveis na documentação.

Primeiros passos

Para converter documentos individuais com Python, use convert(), por exemplo:

from docling.document_converter import DocumentConverter

source = "https://arxiv.org/pdf/2408.09869"  # document per local path or URL
converter = DocumentConverter()
result = converter.convert(source)
print(result.document.export_to_markdown())  # output: "## Docling Technical Report[...]"

Mais opções avançadas de uso estão disponíveis na documentação.

CLI

O Docling possui uma CLI integrada para executar conversões.

docling https://arxiv.org/pdf/2206.01062

Você também pode usar 🥚SmolDocling e outros VLMs via CLI do Docling:

docling --pipeline vlm --vlm-model smoldocling https://arxiv.org/pdf/2206.01062

Isso utilizará aceleração MLX em hardware Apple Silicon compatível.

Documentação

Consulte a documentação do Docling para detalhes sobre instalação, uso, conceitos, receitas, extensões e mais.

Exemplos

Ponha a mão na massa com nossos exemplos, demonstrando como abordar diferentes casos de uso de aplicações com o Docling.

Integrações

Para acelerar ainda mais o desenvolvimento de suas aplicações de IA, confira as integrações nativas do Docling com frameworks e ferramentas populares.

Obtenha ajuda e suporte

Sinta-se à vontade para entrar em contato conosco usando a seção de discussões.

Relatório técnico

Para mais detalhes sobre o funcionamento interno do Docling, consulte o Relatório Técnico do Docling.

Contribuindo

Por favor, leia Contribuindo para o Docling para detalhes.

Referências

Se você usar o Docling em seus projetos, por favor considere citar o seguinte:

@techreport{Docling,
  author = {Deep Search Team},
  month = {8},
  title = {Docling Technical Report},
  url = {https://arxiv.org/abs/2408.09869},
  eprint = {2408.09869},
  doi = {10.48550/arXiv.2408.09869},
  version = {1.0.0},
  year = {2024}
}

Licença

O código do Docling está sob licença MIT. Para uso de modelos individuais, consulte as licenças dos modelos encontradas nos pacotes originais.

LF AI & Data

O Docling está hospedado como um projeto na LF AI & Data Foundation.

IBM ❤️ Open Source AI

O projeto foi iniciado pela equipe de IA para conhecimento da IBM Research Zurich.