PDFをクリーンなMarkdownに変換することは、RAGやLLMトレーニングデータの準備など、多くのドキュメント処理パイプラインで重要なステップです。この比較では、PaddleOCR-VL-1.5、MinerU、HunyuanOCR、MonkeyOCRの4つの最新OCRツールを評価します。各ツールは、スキャン文書、表、マルチカラムレイアウトなど、さまざまなPDFタイプでテストされています。主な指標は、文字誤り率、表構造の保持、処理速度です。PaddleOCR-VL-1.5は中国語文書で強力なパフォーマンスを示し、MinerUは複雑なレイアウトに優れています。HunyuanOCRは速度と精度のバランスが良く、MonkeyOCRは軽量デプロイメントで注目されています。結果は、本番環境でOCRツールを選択するチームに実用的なガイダンスを提供します。
4つのOCRツールを精度、速度、フォーマット保持で比較した実用的なベンチマーク。