[](https://github.com/opendatalab/MinerU)
[](https://github.com/opendatalab/MinerU)
[](https://github.com/opendatalab/MinerU/issues)
[](https://github.com/opendatalab/MinerU/issues)
[](https://pypi.org/project/mineru/)
[](https://pypi.org/project/mineru/)
[](https://pepy.tech/project/mineru)
[](https://pepy.tech/project/mineru)
[](https://mineru.net/OpenSourceTools/Extractor?source=github)
[](https://huggingface.co/spaces/opendatalab/MinerU)
[](https://www.modelscope.cn/studios/OpenDataLab/MinerU)
[](https://colab.research.google.com/gist/myhloli/a3cb16570ab3cfeadf9d8f0ac91b4fca/mineru_demo.ipynb)
[](https://arxiv.org/abs/2409.18839)
[](https://arxiv.org/abs/2509.22186)
[](https://arxiv.org/abs/2604.04771)
[](https://deepwiki.com/opendatalab/MinerU)
[English](README.md) | [简体中文](README_zh-CN.md)
🚀立即访问 MinerU → ✅ 免安装网页版 ✅ 全功能桌面客户端 ✅ 即时 API 访问；跳过部署烦恼 —— 一键获取全产品格式。开发者，直接上手体验吧！
👋 加入我们的 Discord 和 微信 社区
MinerU — 面向 LLM · RAG · Agent 工作流的高精度文档解析引擎
将 PDF · DOCX · PPTX · XLSX · 图片 · 网页转换为结构化的 Markdown / JSON · VLM+OCR 双引擎 · 支持 109 种语言
MCP Server · 原生集成 LangChain / Dify / FastGPT · 支持 10+ 国产 AI 芯片
**🔍 核心解析能力**
- 原生支持 `DOCX`、`PPTX` 和 `XLSX` 解析
- 公式转 LaTeX · 表格转 HTML，精准的版面还原
- 支持扫描文档、手写内容、多栏排版、跨页表格合并
- 输出符合人类阅读顺序，自动去除页眉页脚
- VLM + OCR 双引擎，支持 109 种语言的 OCR 识别
**🔌 集成**
| 用例 | 解决方案 |
|----------|----------|
| AI 编程工具 | MCP Server — Cursor · Claude Desktop · Windsurf |
| RAG 框架 | LangChain · LlamaIndex · RAGFlow · RAG-Anything · Flowise · Dify · FastGPT |
| 开发 | Python / Go / TypeScript SDK · CLI · REST API · Docker |
| 无代码 | mineru.net 在线版 · Gradio WebUI · 桌面客户端 |
**🖥️ 部署（私有化 · 全离线）**
| 推理后端 | 最适用场景 |
|------------------|---------|
| pipeline | 快速稳定，无幻觉，支持在 CPU 或 GPU 上运行 |
| vlm-engine | 高精度，支持 vLLM / LMDeploy / mlx 生态 |
| hybrid-engine | 高精度，原生文本提取，低幻觉 |
支持国产 AI 芯片：昇腾 · 寒武纪 · 燧原 · 摩尔线程 · 天数智芯 · 昆仑芯 · 爱芯元智 · 海光 · 壁仞 · 平头哥
# 更新日志
- 2026/06/18 3.4 版本发布
本次发布重点关注 **pipeline 后端的 OCR 能力升级**、**OCR 处理流水线优化** 以及 **模型下载体验改进**。主要更新包括：
- OCR 模型升级与处理加速
- `pipeline` 后端的 OCR 模型已升级至 `PP-OCRv6`，在 OmniDocBench v1.6 上的 OCR 准确率提升了约 `11%`。
- 从 OCR 语言选择中移除了日语、繁体中文、英语和拉丁语选项。这些场景现在会被路由至 `ch` OCR 模型，从而简化了模型配置和语言选择。
- 优化了 OCR 推理和处理流水线，使 OCR 处理速度提升了约 `100%`，显著提高了批量文档和 OCR 密集型文档的解析效率。
- 模型下载逻辑优化
- 新增自动模型源选择功能，允许首次安装时根据当前网络环境选择更优的模型源。
- 在下载模型之前，MinerU 现在会优先检查本地已下载的模型缓存文件。命中缓存的文件可以直接复用，减少了重复下载和不必要的远程请求。
- 有关模型源配置、自动源选择和本地模型使用的更多详细信息，请参阅 [模型源文档](https://opendatalab.github.io/MinerU/usage/model_source/)。
在 3.4 版本中，MinerU 进一步提升了 `pipeline` 后端在 OCR 场景下的解析准确率和处理效率。同时还优化了模型下载、缓存复用以及本地配置回写，使得首次安装、模型更新和多环境部署更加稳定和自动化。
- 2026/06/11 3.3 版本发布
本次发布重点关注 **Hybrid 解析性能优化** 和 **VLM 模型能力升级**。主要更新包括：
- 为 Hybrid 后端新增 `effort` 解析强度参数
- 新增 `medium` 和 `high` 两种解析强度级别，允许用户在解析速度、解析准确率和功能需求之间取得平衡。
- 在 OmniDocBench v1.6 上，`medium` 的整体准确率仅比 `high` 低 `0.13` 个百分点，但在不同设备和场景下却能带来 `35%` ~ `220%` 的解析速度提升：
- Linux：文本 PDF 场景提速约 `80%`，OCR 场景提速约 `35%`
- Windows：文本 PDF 场景提速约 `90%`，OCR 场景提速约 `45%`
- macOS：文本 PDF 场景提速约 `220%`，OCR 场景提速约 `50%`
- 默认的 Hybrid 后端现在使用 `effort=medium`，在保持高解析准确率的同时，显著提升了整体解析效率。
- `medium` 级别不支持 `image analysis`（图像分析）；若需最大解析准确率或 `image analysis` 支持，请使用 `effort=high` 切换至高强度解析模式，但这可能会对解析速度产生影响。
- VLM 模型升级至 `MinerU2.5-Pro-2605-1.2B`
- 修复了在 `2604` 版本中发现的多个模型问题，进一步提升了对复杂文档的解析稳定性。
- 增加了原生多语言 OCR 支持，减少了额外配置语言参数的需求，提升了多语言文档的即开即用体验。
在 3.3 版本中，MinerU 在保持高精度解析的同时，进一步提升了各平台和场景下 Hybrid 后端的效率。默认的 `medium` 强度级别更适合大多数日常文档处理任务，而 `high` 则专为需要极限解析准确率或 `image analysis`（图像分析）能力的场景而设计。
- 2026/04/18 3.1.0 版本发布
本次发布重点关注 **许可证开放性、解析准确度以及对全格式原生支持**。主要更新包括：
- 许可证升级
- MinerU 已正式从 `AGPLv3` 迁移至 [MinerU 开源许可证](https://github.com/opendatalab/MinerU/blob/master/LICENSE.md)，这是一项基于 `Apache 2.0` 的自定义许可证。
- 此举显著减少了社区用户和商业部署的采用阻力，使 MinerU 更易于集成到实际的工作流中。
- VLM 主模型升级
- 主 VLM 模型已升级至 `MinerU2.5-Pro-2604-1.2B`，将整体解析准确率提升至行业最先进水平（SOTA）。
- 新模型现支持图像和图表解析、截断段落合并、跨页表格合并以及表格内图像识别，进一步增强了在复杂文档版面上的性能。
- 全格式原生解析支持
- 原生解析支持现已扩展至 `PPTX` 和 `XLSX`。
- MinerU 现已全面支持跨图片、`PDF`、`DOCX`、`PPTX` 和 `XLSX` 的解析，提供更完整的多格式文档理解工作流。
在 3.1.0 版本中，MinerU 变得更加开放、准确，并更易于在生产环境中应用。新许可证降低了社区和商业使用的门槛，`MinerU2.5-Pro-2604-1.2B` 提高了复杂内容的解析质量，而原生的 `PPTX` / `XLSX` 支持则完成了对主流文档格式的端到端全面覆盖。
- 2026/03/29 3.0.0 版本发布
本次发布带来了以 **解析能力、系统架构和工程易用性** 为核心的系统性升级。主要更新包括：
- 原生 `DOCX` 解析
- 正式支持原生 `DOCX` 解析，提供高精度且无幻觉的结果。
- 与先转换为 `PDF` 再进行解析的传统工作流相比，端到端速度提升了数十倍，更适合对准确率和吞吐量都有极高要求的场景。
- `pipeline` 后端升级
- `pipeline` 后端在 OmniDocBench (v1.5) 上取得了 `86.2` 分，超越了上一代主流 VLM `MinerU2.0-2505-0.9B` 的准确率。
- 新增对表格内部图像/公式解析、印章文字识别、竖排文本支持和行间公式编号识别的支持，持续提升对复杂文档场景的解析质量。
- 在保持高准确度的同时，将资源消耗保持在极低水平，并继续支持在纯 CPU 环境下进行推理。
- `API / CLI / Router` 编排升级
- `mineru` 现在作为基于 `mineru-api` 的编排客户端运行；当未提供 `--api-url` 时，它将自动启动一个本地临时服务。
- `mineru-api` 新增了异步任务接口 `POST /tasks`，支持任务提交、状态查询和结果获取；同时保留了同步解析接口 `POST /file_parse`，以兼容旧版插件。
- 新增 `mineru-router`，专为跨多服务和多 GPU 的统一入口部署和任务路由而设计；其接口与 `mineru-api` 完全兼容，并支持任务的自动负载均衡。
- 部署和易用性改进
- 解决了与 `torch >= 2.8` 的兼容性问题；基础镜像已升级至 `vllm0.11.2 + torch2.9.0`，统一了不同计算能力级别的安装路径。
- 通过滑动窗口机制优化了解析流水线，显著降低了长文档场景下的峰值内存消耗，使得数万页的文档不再需要手动进行拆分。
- `pipeline` 中的批量推理现在支持流式写入磁盘，允许已完成的解析结果及时写出，进一步改善了长时间运行任务的体验。
- 完成了线程安全优化，现已全面支持多线程并发推理；结合 `mineru-router`，可实现一键多 GPU 部署，让构建高并发、高吞吐量的解析系统变得轻而易举。
- 彻底移除了两款 AGPLv3 模型（`doclayoutyolo` 和 `mfd_yol8`）以及一款 CC-BY-NC-SA 4.0 模型（`layoutreader`）的使用。
此次更新不仅是一系列功能的增强，更是 MinerU 整体系统能力的一次关键飞跃。我们专门解决长文档解析中的峰值内存消耗问题，通过滑动窗口和流式写入磁盘等优化，超长文档解析已从“需要手动拆分并谨慎处理”转变为“稳定、可扩展且为生产工作负载就绪”。同时，我们完成了线程安全优化并全面启用了多线程并发推理，进一步提高了单机在高并发工作负载下的资源利用率和运行稳定性。在此基础上，凭借 `mineru-router` 和全新的 `API / CLI` 编排框架，MinerU 现支持一键多 GPU 部署、跨多服务统一访问和自动任务负载均衡，大幅降低了大规模部署的难度。因此，MinerU 正从一个独立的数据生产工具，演变为面向高并发和高吞吐量场景的大规模文档解析基础设施，为处理企业级文档数据提供更稳定、更高效且更易于扩展的基础设施支撑。
# MinerU
## 项目简介
MinerU 是一款文档解析工具，可将 `PDF`、图片、`DOCX`、`PPTX` 和 `XLSX` 输入转换为 Markdown 和 JSON 等机器可读格式，以便进行后续的检索、提取和处理。
MinerU 诞生于 [InternLM](https://github.com/InternLM/InternLM) 的预训练过程中。我们专注于解决科学文献中的符号转换问题，并期望为大型模型时代的技术发展贡献力量。
与知名的商业产品相比，MinerU 还很年轻。如果您遇到任何问题或结果不如预期，请在 [issue](https://github.com/opendatalab/MinerU/issues) 提交问题，并**附上相关文档或样本文件**。
https://github.com/user-attachments/assets/4bea02c9-6d54-4cd6-97ed-dff14340982c
## 主要特性
- 支持 `PDF`、图片、`DOCX`、`PPTX` 和 `XLSX` 输入。
- 去除页眉、页脚、脚注、页码等，确保语义连贯。
- 输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版。
- 保留原始文档的结构，包括标题、段落、列表等。
- 提取图片、图片描述、表格、表格标题和脚注。
- 自动识别文档中的公式，并将其转换为 LaTeX 格式。
- 自动识别文档中的表格，并将其转换为 HTML 格式。
- 自动检测扫描版 PDF 和乱码 PDF，并启用 OCR 功能。
- OCR 支持对 109 种语言的检测与识别。
- 支持多种输出格式，如多模态和 NLP Markdown、按阅读顺序排序的 JSON，以及丰富的中间格式。
- 支持多种可视化结果，包括版面可视化和 span 可视化，以便高效确认输出质量。
- 内置 CLI、FastAPI 和 Gradio WebUI，便于本地编排和多服务部署。
- 支持在纯 CPU 环境下运行，同时也支持 GPU/MPS 加速
- 兼容 Windows、Linux 和 Mac 平台。
# 快速开始
文档解析是一项困难且复杂的任务。在复杂排版、扫描页面和手写内容等场景中，解析结果可能不尽如人意。我们建议您先试用在线 Demo，以评估 MinerU 的解析质量和适用性，然后根据您的实际需求选择合适的部署方式。
如果您有解析结果不理想的**文档**样本，欢迎在 [issue](https://github.com/opendatalab/MinerU/issues) 中分享。我们将持续改进解析能力。
如果您在安装时遇到任何问题，请先查阅
FAQ。
## 在线体验
### 官方在线 Web 应用
官方在线版具有与客户端相同的功能，界面美观，功能丰富，需登录使用
- [](https://mineru.net/OpenSourceTools/Extractor?source=github)
### 基于 Gradio 的在线 Demo
基于 Gradio 开发的 WebUI，界面简洁，仅包含核心解析功能，无需登录
- [](https://www.modelscope.cn/studios/OpenDataLab/MinerU)
- [](https://huggingface.co/spaces/opendatalab/MinerU)
## 本地部署
| 解析后端 |
pipeline |
*-engine |
*-http-client |
| hybrid |
vlm |
hybrid |
vlm |
| 后端特性 |
兼容性好 |
硬件要求高 |
适用于 OpenAI 兼容服务器2 |
| 准确率1 |
86.47 |
95.39 (high)
95.26 (medium) |
95.30 |
95.39 (high)
95.26 (medium) |
95.30 |
| 操作系统 |
Linux3 / Windows4 / macOS5 |
| 纯 CPU 支持 |
✅ |
❌ |
✅ |
| GPU 加速 |
Volta 及更新架构的 GPU 或 Apple Silicon |
不作要求 |
| 最低显存 |
4GB |
8GB |
2GB |
| 内存 |
最低 16GB，推荐 32GB 及以上 |
最低 16GB |
| 磁盘空间 |
最低 20GB，推荐 SSD |
最低 2GB |
| Python 版本 |
3.10-3.13 |
1 准确率指标为 OmniDocBench (v1.6) 的 End-to-End Evaluation Overall 得分，基于最新版本的 `MinerU`。
2 兼容 OpenAI API 的服务器，例如通过 `vLLM`/`SGLang`/`LMDeploy` 等推理框架部署的本地模型服务器或远程模型服务。
3 Linux 仅支持 2019 年及以后的发行版。
4 由于关键依赖 `ray` 在 Windows 上不支持 Python 3.13，因此仅支持 3.10~3.12 版本。
5 macOS 需为 14.0 或更高版本。
### 安装 MinerU
#### 使用 pip 或 uv 安装 MinerU
```
pip install --upgrade pip
pip install uv
uv pip install -U "mineru[all]"
```
#### 从源码安装 MinerU
```
git clone https://github.com/opendatalab/MinerU.git
cd MinerU
uv pip install -e .[all]
```
#### 使用 Docker 部署 MinerU
MinerU 提供了便捷的 Docker 部署方式，有助于快速搭建环境并解决一些棘手的环境兼容性问题。
您可以在文档中获取 [Docker 部署说明](https://opendatalab.github.io/MinerU/quick_start/docker_deployment/)。
### 使用 MinerU
如果您的设备满足上表中的 GPU 加速要求，您可以使用简单的命令行进行文档解析：
```
mineru -p
-o
```
如果您的设备不满足 GPU 加速要求，您可以指定后端为 `pipeline` 以在纯 CPU 环境下运行：
```
mineru -p -o -b pipeline
```
`mineru` 目前支持本地的 `PDF`、图片、`DOCX`、`PPTX` 和 `XLSX` 文件或目录输入，并可通过 CLI、API、WebUI 和 `mineru-router` 进行文档解析。详细说明请参阅 [使用指南](https://opendatalab.github.io/MinerU/usage/)。
# 常见问题
- 如果在使用过程中遇到任何问题，您可以先查阅 [常见问题解答](https://opendatalab.github.io/MinerU/faq/) 寻找解决方案。
- 如果您的问题仍未解决，您还可以使用 [DeepWiki](https://deepwiki.com/opendatalab/MinerU) 与 AI 助手互动，它能解决大多数常见问题。
- 如果您仍然无法解决问题，欢迎通过 [Discord](https://discord.gg/Tdedn9GTXq) 或 [微信](https://mineru.net/community-portal/?aliasId=3c430f94) 加入我们的社区，与其他用户和开发者进行交流。
# 许可证信息
本仓库基于 [MinerU 开源许可证](https://github.com/opendatalab/MinerU/blob/master/LICENSE.md) 授权，该许可证基于 Apache 2.0 并附有附加条件。
# 鸣谢
- [UniMERNet](https://github.com/opendatalab/UniMERNet)
- [TableStructureRec](https://github.com/RapidAI/TableStructureRec)
- [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR)
- [PaddleOCR2Pytorch](https://github.com/frotms/PaddleOCR2Pytorch)
- [fast-langdetect](https://github.com/LlmKira/fast-langdetect)
- [pypdfium2](https://github.com/pypdfium2-team/pypdfium2)
- [pdftext](https://github.com/datalab-to/pdftext)
- [pypdf](https://github.com/py-pdf/pypdf)
- [magika](https://github.com/google/magika)
- [vLLM](https://github.com/vllm-project/vllm)
- [LMDeploy](https://github.com/InternLM/lmdeploy)
# 引用
```
@article{wang2026mineru2,
title={MinerU2. 5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale},
author={Wang, Bin and He, Tianyao and Ouyang, Linke and Wu, Fan and Zhao, Zhiyuan and Chu, Tao and Qu, Yuan and Jin, Zhenjiang and Zeng, Weijun and Miao, Ziyang and others},
journal={arXiv preprint arXiv:2604.04771},
year={2026}
}
@article{dong2026minerudiffusion,
title={MinerU-Diffusion: Rethinking Document OCR as Inverse Rendering via Diffusion Decoding},
author={Dong, Hejun and Niu, Junbo and Wang, Bin and Zeng, Weijun and Zhang, Wentao and He, Conghui},
journal={arXiv preprint arXiv:2603.22458},
year={2026}
}
@article{niu2025mineru2,
title={Mineru2. 5: A decoupled vision-language model for efficient high-resolution document parsing},
author={Niu, Junbo and Liu, Zheng and Gu, Zhuangcheng and Wang, Bin and Ouyang, Linke and Zhao, Zhiyuan and Chu, Tao and He, Tianyao and Wu, Fan and Zhang, Qintong and others},
journal={arXiv preprint arXiv:2509.22186},
year={2025}
}
@article{wang2024mineru,
title={Mineru: An open-source solution for precise document content extraction},
author={Wang, Bin and Xu, Chao and Zhao, Xiaomeng and Ouyang, Linke and Wu, Fan and Zhao, Zhiyuan and Xu, Rui and Liu, Kaiwen and Qu, Yuan and Shang, Fukai and others},
journal={arXiv preprint arXiv:2409.18839},
year={2024}
}
@article{he2024opendatalab,
title={Opendatalab: Empowering general artificial intelligence with open datasets},
author={He, Conghui and Li, Wei and Jin, Zhenjiang and Xu, Chao and Wang, Bin and Lin, Dahua},
journal={arXiv preprint arXiv:2407.13773},
year={2024}
}
```
# Star 历史
# 链接
- [MinerU-Diffusion: Rethinking Document OCR as Inverse Rendering via Diffusion Decoding](https://github.com/opendatalab/MinerU-Diffusion)
- [Easy Data Preparation with latest LLMs-based Operators and Pipelines](https://github.com/OpenDCAI/DataFlow)
- [Vis3 (OSS browser based on s3)](https://github.com/opendatalab/Vis3)
- [LabelU (A Lightweight Multi-modal Data Annotation Tool)](https://github.com/opendatalab/labelU)
- [LabelLLM (An Open-source LLM Dialogue Annotation Platform)](https://github.com/opendatalab/LabelLLM)
- [PDF-Extract-Kit (A Comprehensive Toolkit for High-Quality PDF Content Extraction)](https://github.com/opendatalab/PDF-Extract-Kit)
- [OmniDocBench (A Comprehensive Benchmark for Document Parsing and Evaluation)](https://github.com/opendatalab/OmniDocBench)
- [Magic-HTML (Mixed web page extraction tool)](https://github.com/opendatalab/magic-html)
- [Magic-Doc (Fast speed ppt/pptx/doc/docx/pdf extraction tool)](https://github.com/InternLM/magic-doc)
- [Dingo: A Comprehensive AI Data Quality Evaluation Tool](https://github.com/MigoXLab/dingo)