Marker

Datalab 的文档转 Markdown/JSON 工具：强调 PDF/图片/Office/HTML/EPUB 转换、OCR、表格/公式处理和可选 LLM 增强。

状态: active · 总分: 3.6/5 · 推荐度: 3/5 核验版本: local clone commit 6ae38895d6e11cbc8fb4a60a0750b3bac479e304；GitHub/API 快照 2026-05-21

一句话总结

Marker 能力很强，适合做 PDF/Markdown 转换质量对比；但 GPL 代码、模型许可限制、商业 self-host license 和 CLA 边界，使它更适合个人研究试用，不宜直接作为默认生产底座。

总体评价

README 称 Marker converts documents to markdown, JSON, chunks, HTML，支持 PDF、image、PPTX、DOCX、XLSX、HTML、EPUB，多语言，能处理 tables、forms、equations、inline math、links、references、code blocks，并可选 LLM 增强 [GH]。这对数学论文转 Markdown 很有吸引力。

但 Marker 的 adoption 边界比 Docling/MinerU 更复杂。README 明确：code license 是 GPL-3.0，model license 是 OpenRAIL-M；commercial self-hosting requires a license；模型权重对商业规模有额外限制 [GH][GH:local-scan]。CLA.md 还要求贡献者向 Endless Labs 授予很宽的权利 [GH:local-scan]。

因此它应进入 document-processing/document-conversion，但推荐策略是“对比评测与个人 pipeline 可试”，不是“默认基础设施”。

推荐度：3/5

定位：高质量 PDF/多格式转 Markdown/JSON 工具，适合个人研究、开源兼容项目和评测。

给 3 的原因不是能力弱，而是法律/商业边界重。对 Develata 个人文献处理，Marker 值得安装试验；对开源项目或商业/在线服务，要先确认 GPL 与模型许可证是否可接受。

优势

1. 转换能力广：PDF/image/Office/HTML/EPUB 到 Markdown/JSON/chunks/HTML [GH]。
2. 数学文档要素覆盖：README 明确提到 equations、inline math、tables、references [GH]。
3. 可选 LLM 增强：--use_llm 可处理跨页表格、inline math、forms 等复杂情况 [GH]。
4. 安装入口简单：pip install marker-pdf，CLI 命令明确 [GH]。
5. 性能叙事强：README 给出 benchmark 图和 H100 throughput claim，但本次未复现 [GH]。

劣势

1. 许可证限制重：代码 GPL-3.0-or-later；模型 OpenRAIL-M-like；商业 self-host 需 license [GH][GH:local-scan]。
2. 治理文件不足：本次未发现 CONTRIBUTING/Code of Conduct/PR template [GH:community]。
3. 模型依赖和 GPU 现实性：CPU 可跑但高吞吐往往依赖 GPU/MPS/CUDA。
4. 商业产品导流明显：README 多处导向 Datalab managed platform / pricing [GH]。
5. benchmark 需独立复现：README claims 不能直接当作所有数学论文场景保证。

---

适合什么场景

• 个人把论文/教材 PDF 转 Markdown。
• 与 Docling/MinerU 做文档解析质量 A/B test。
• 开源 GPL-compatible workflow。
• 需要 inline math、tables、forms、references 识别的实验。
• 使用本地 GPU/MPS 加速批处理。

不适合什么场景

• 非 GPL 兼容的闭源产品中嵌入。
• 商业 self-hosting 但不想购买 Datalab license。
• 不愿接受模型 license 限制的组织。
• 低资源机器上批量 OCR。
• 不想把文档处理 pipeline 绑定到商业公司治理的用户。

与类似项目对比

项目	定位	相对本项目
Docling	MIT document processing framework	Docling 许可更友好、框架集成更强；Marker 更强调模型驱动转换质量和速度
MinerU	科学文献/LLM-ready 文档解析	MinerU 更强调科学文献符号转换；Marker 更强调 PDF/多格式转换 benchmark 和 Datalab 生态
Nougat	学术 PDF 到 Markdown/OCR	Nougat 更学术论文 OCR 取向；Marker 覆盖更多文件类型和产品化路径

上述项目按 document-processing/document-conversion 同类范围做定位级对比，未按同一 10 维度框架深审。

---

它能做什么

capability 评分 4/5。

Marker 能转换 PDF、image、PPTX、DOCX、XLSX、HTML、EPUB；输出 Markdown、JSON、chunks、HTML；识别 tables/forms/equations/inline math/links/references/code blocks；支持 structured extraction beta；可选 LLM 增强 [GH]。

不给 5：能力虽广，但真实效果依赖模型、文档类型、设备和 LLM；且不如 Docling 那样强调统一 framework/schema。

运行环境与资源占用

场景	CPU	内存	存储	说明
单 PDF CPU	2-4 cores	4-8GB	数 GB	可跑但速度有限
GPU/MPS 本地处理	4+ cores + GPU/MPS	8-16GB	数 GB+	README 称支持 GPU/CPU/MPS [GH]
批量高吞吐	多核 + 高端 GPU	16GB+	大量临时/输出	README H100 throughput claim 未复现 [GH]

• 运行时：Python >=3.10，PyTorch，marker-pdf CLI [GH][GH:local-scan]。
• 操作系统：取决于 Python/PyTorch/CUDA/MPS 支持。
• Docker：可自行容器化；本仓库不是 Docker-first。
• GPU：不是布尔硬要求，但实际高吞吐推荐 GPU/MPS。
• 外部依赖：PyTorch、surya-ocr、transformers、LLM provider（可选 Gemini/Ollama 等）[GH:local-scan]。

上手体验

评分 4/5。

安装和基础 CLI 简单：pip install marker-pdf、marker_single /path/to/file.pdf [GH]。但 full extras、GPU、LLM mode、商业许可判断会增加复杂度。

代码质量

评分 3/5。

local scan 显示 tests 存在、模块结构可读，pyproject 组织 CLI scripts [GH:local-scan]。但治理文件缺失、许可证/CLA 边界复杂、本次未跑测试或复现 benchmark，因此保守给 3。

可扩展性

评分 4/5。

README 明确 “Extensible with your own formatting and logic”，并支持 processors/renderers/CLI/server 等入口 [GH][GH:local-scan]。不给 5：扩展生态和稳定 plugin API 不如成熟框架清晰。

文档质量

评分 4/5。

README 包含功能、benchmark、hybrid mode、examples、commercial usage、installation、usage；Datalab docs 也提供平台级说明 [GH][Docs]。扣分点是商业/模型 license 信息分散且需要仔细阅读。

社区与成熟度

维度	评分	说明
社区活跃度	4/5	35k stars、2.4k forks、open issues=342、open PRs=67；关注度高 [GH:api][GH:graphql]。
成熟度	3/5	2023 年创建，v1.10.2，release 较多；但模型/产品边界和商业策略仍在演进 [GH:api][GH:release]。

安全与风险

评分 3/5。

本次 repository advisory 查询为空 [GH:advisories]。风险包括不可信 PDF/Office/image 解析、PyTorch/transformers/model 供应链、LLM mode 上传数据、GPL/model license/commercial self-host 条款。个人本地处理可信文档可接受；服务化必须隔离和审查许可证。

学习价值

中高。Marker 值得学习的不是“通用框架设计”，而是 OCR/document AI 产品如何把模型、CLI、GUI、server、商业平台和开源 repo 串起来。对 Develata，主要价值是作为数学 PDF 转 Markdown 质量评测对象。