Dolphin 文档解析快速上手3 条命令把 PDF 变成可编辑的 Markdown【免费下载链接】DolphinThe official repo for “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.项目地址: https://gitcode.com/GitHub_Trending/dolphin33/DolphinDolphin 是 2025 年 ACL 上的一个文档图像解析模型输入 PDF 或单页图片输出结构化 Markdown 和 JSON。文本、表格、公式、代码各归各块阅读顺序自动排好整套流程三条命令跑完。 Dolphin 怎么装、模型从哪下克隆仓库、装依赖git clone https://gitcode.com/GitHub_Trending/dolphin33/Dolphin cd Dolphin pip install -r requirements.txt再从 Hugging Face 下载预训练模型ByteDance/Dolphin-v2放到./hf_model目录--model_path参数默认指向这里。用huggingface-cli一条命令即可拉取。 两阶段解析Dolphin 实际在做什么它不是一步把整页丢给模型生成而是拆成两步布局分析先识别页面上有哪些元素段落、表格、公式、代码、图片并按自然阅读顺序排好元素级解析按阅读顺序切出每个元素用对应类型的提示词单独解析同类元素批量并行解码这个设计落在 utils/ 和三个演示脚本里分工很明确demo_page.py解析整页输出 Markdown 和 JSONdemo_element.py解析单个元素用--element_type指定类型demo_layout.py只做布局分析输出元素框和阅读顺序 demo_page.py 怎么跑支持图片、目录和 PDF--input_path可以传单文件、PDF 或整个目录。PDF 会被逐页转成图像处理最后合并结果python demo_page.py --model_path ./hf_model --save_dir ./results \ --input_path ./demo/page_imgs/page_6.pdf结果写到--save_dir不指定就落在输入文件所在目录每个元素带label、bbox、reading_order字段同时生成 Markdown。两个参数值得调--max_batch_size同类元素每轮并行解码的数量默认 4显存宽裕可以调大--post_process对输出做一轮后处理Markdown 排版有点毛糙时打开 demo_element.py 的 --element_type 怎么配手里只有一张裁剪好的截图表格照片、公式照片不必走整页流程直接用元素级解析python demo_element.py --model_path ./hf_model --save_dir ./results \ --input_path ./demo/element_imgs/table.jpg --element_type table--element_type可选text、table、formula、code。仓库自带的 demo/element_imgs/ 里就有这四类的示例图把--input_path换成你自己的图就能试。⚠️ Dolphin 文档解析容易踩的坑模型找不到确认./hf_model里有内容仓库本身不含权重没检测到 GPU有 CUDA 时用bfloat16跑CPU 自动退回float速度会慢很多建议有卡再跑批页面倾斜或扫描歪了布局阶段发现框重叠过多时会自动降级为distorted_page模式整页输出不会直接报错输入格式只认.jpg/.jpeg/.png/.pdf其他格式先转一下再喂进去遇到解析不好的 bad case可以直接发到仓库的 issue 里作者明确在收集这些问题。下一步打开 demo/ 目录跑最短路径拿page_imgs/page_1.png这张单页图执行demo_page.py出 Markdown 只要几分钟再换page_6.pdf体验多页合并。【免费下载链接】DolphinThe official repo for “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.项目地址: https://gitcode.com/GitHub_Trending/dolphin33/Dolphin创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考