MarkItDown | PDF・WordをMarkdownに変換 - 無料・安全

概要

MarkItDownは、PDF、Office文書、データテーブル、画像などの多様なファイル形式を構造化されたMarkdownに変換する、Microsoftのオープンソースユーティリティをベースにしたオンラインドキュメント変換ツールです。LLMプロンプト、RAGアーキテクチャ、ベクトルデータベース、ドキュメントリポジトリ向けに異種ソース素材を準備する開発者、研究者、技術チームを対象としています。ローカルでのPython環境構築を必要とせず、ブラウザローカルでの処理とクラウドベースのパースを明確に選択できる、手軽なドキュメントインジェスチョンユーティリティとして位置付けられています。

機能

• マルチフォーマットのインジェスチョン: PDF、Officeファイル（DOCX、PPTX、XLSX）、Webページ、表形式データ（CSV、JSON、XML）、EPUB、Jupyter NotebookをMarkdownに変換し、混在するソース間のデータ準備を簡素化します。
• 2つの処理モード: サポートされているファイルを完全にデバイス内に留めるクライアント側（ブラウザ）での実行か、複雑なファイル構造向けのクラウドベースの処理かを選択できます。
• 段階的なOCRエンジン: 基本的なローカルOCRに加え、高精度なAI OCRを提供。スキャン画像やPDFからテキストを抽出するとともに、複雑な表や数式をLaTeXとして復元します。
• 構造と構文の整合性: ドキュメントの階層構造、リンク、リスト、表、Mermaid図のソースコードを保持し、変換されたファイルを下流の技術ワークフローでそのまま使用できるようにします。

役立つヒント

• 機密ファイルを処理する際はブラウザローカルでの実行を選択し、データがクライアントデバイス内に厳格に留まるようにしてください。
• 無料プランには、バッチあたり最大3ファイル、ファイルサイズ上限20MB、AI OCRは月間10ページまでという制限があるため、ドキュメントの量やOCRの必要性を確認した上でプランを検討してください。
• エクスポートや検索パイプラインへの投入を行う前に、内蔵のプレビューおよび編集ツールを活用して、生のMarkdown、表のレイアウト、レンダリングされたLaTeX数式を確認してください。

OpenClaw Skills

ドキュメントには、OpenClawとのネイティブな統合に関する記載はありません。仮に実装する場合、OpenClawエージェントはMarkItDownを呼び出して、スライド資料、スプレッドシート、スキャンした領収書などの受信添付ファイルをクリーンなMarkdownへと標準化し、その構造化テキストを推論やインデックス作成のパイプラインに渡すことが考えられます。このアプローチにより、自律型ワークフローはフォーマットごとの専用パーサーを必要とせずに、多様なビジネスドキュメントを処理できるようになります。