MinerU — 面向 LLM · RAG · Agent 工作流的高精度文档解析引擎

可将 PDF · Word · PPT · 图片 · 网页转换为结构化 Markdown / JSON · VLM+OCR 双引擎 · 支持 109 种语言
MCP 服务器 · LangChain / Dify / FastGPT 原生集成 · 支持 10 多款国产 AI 芯片

🔍 核心解析能力

• 公式 → LaTeX · 表格 → HTML，精准还原布局
• 支持扫描件、手写文字、多栏布局、跨页表格合并
• 输出遵循人类阅读顺序，并自动去除页眉页脚
• VLM + OCR 双引擎，支持 109 种语言的 OCR 识别

🔌 集成

使用场景	解决方案
AI 编程工具	MCP 服务器 — 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·完全离线）

推理后端	最佳适用场景
pipeline	速度快且稳定，无幻觉，可在 CPU 或 GPU 上运行
vlm-engine	精度高，支持 vLLM / LMDeploy / mlx 生态系统
hybrid-engine	精度高，原生文本提取，幻觉少

国产 AI 芯片：Ascend · Cambricon · Enflame · MetaX · Moore Threads · Kunlunxin · Iluvatar · Hygon · Biren · T-Head

更改日志

• 2026年3月29日 3.0.0 发布

  本次发布围绕 解析能力、系统架构和工程可用性 进行了系统性升级。主要更新包括：

  • 原生 DOCX 解析
    • 正式支持原生 DOCX 解析，结果精确无幻觉。
    • 相比于传统先将 DOCX 转为 PDF 再解析的工作流程，端到端速度提升了数十倍，更适合对准确性和吞吐量都有较高要求的场景。
  • pipeline 后端升级
    • pipeline 后端在 OmniDocBench (v1.5) 上得分达到 86.2，超越了上一代主流 VLM MinerU2.0-2505-0.9B 的准确率。
    • 新增支持解析表格内的图片/公式、印章文字识别、竖排文本支持以及行间公式编号识别等功能，持续提升复杂文档场景下的解析质量。
    • 在保持高精度的同时，资源占用极低，继续支持纯 CPU 环境下的推理。
  • API / CLI / Router 编排升级
    • mineru 现在以 mineru-api 为基础运行编排客户端；当未提供 --api-url 时，会自动启动本地临时服务。
    • mineru-api 新增异步任务接口 POST /tasks，支持任务提交、状态查询和结果获取；同时保留同步解析接口 POST /file_parse，以兼容旧版插件。
    • 新增 mineru-router，专为多服务、多 GPU 环境下的统一入口部署及任务路由设计；其接口与 mineru-api 完全兼容，支持自动任务负载均衡。
  • 部署与可用性改进
    • 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下的安装路径。
    • 优化了解析管道中的滑动窗口机制，大幅降低了长文档场景下的峰值内存使用，数万页的文档不再需要手动拆分。
    • pipeline 中的批处理推理现在支持流式写入磁盘，已完成的解析结果可以及时写出，进一步改善长时间任务的体验。
    • 完成了线程安全优化，全面支持多线程并发推理；结合 mineru-router，实现了多 GPU 的一键部署，轻松构建高并发、高吞吐量的解析系统。
    • 彻底移除了两个 AGPLv3 许可模型（doclayoutyolo 和 mfd_yolov8）以及一个 CC-BY-NC-SA 4.0 许可模型（layoutreader）。

  本次更新不仅是功能上的增强，更是 MinerU 整体系统能力的一次关键飞跃。我们特别解决了长文档解析中的峰值内存问题。通过滑动窗口和流式写盘等优化措施，超长文档解析已从“需手动拆分、小心处理”转变为“稳定、可扩展，可直接用于生产工作负载”。与此同时，我们完成了线程安全优化，全面启用了多线程并发推理，进一步提升了单机资源利用率和高并发工作负载下的运行稳定性。在此基础上，借助 mineru-router 和全新的 API / CLI 编排框架，MinerU 现已支持多 GPU 的一键部署、多服务间的统一接入以及任务的自动负载均衡，大大降低了大规模部署的难度。因此，MinerU 正在从一款独立的数据生产工具，演变为面向高并发、高吞吐量场景的大规模文档解析基础平台，为企业级文档数据处理提供更加稳定、高效且易于扩展的基础设施。

📝 查看完整 更改日志 获取更多历史版本信息

MinerU

项目介绍

MinerU 是一款文档解析工具，可将 PDF、图像和 DOCX 格式的输入转换为机器可读的格式，如 Markdown 和 JSON，以便进行下游的检索、提取和处理。 MinerU 诞生于 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，希望为大模型时代的技术发展贡献力量。 与知名的商业产品相比，MinerU 仍处于起步阶段。如果您遇到任何问题或结果不符合预期，请在 issue 上提交问题，并 附上相关文档或示例文件。

https://github.com/user-attachments/assets/4bea02c9-6d54-4cd6-97ed-dff14340982c

核心功能

• 支持 PDF、图像和 DOCX 输入。
• 去除页眉、页脚、脚注、页码等，确保语义连贯性。
• 按照人类阅读顺序输出文本，适用于单栏、多栏及复杂布局。
• 保留原始文档的结构，包括标题、段落、列表等。
• 提取图片、图片说明、表格、表标题和脚注。
• 自动识别并把文档中的公式转换为 LaTeX 格式。
• 自动识别并把文档中的表格转换为 HTML 格式。
• 自动检测扫描版 PDF 和乱码 PDF，并启用 OCR 功能。
• OCR 支持 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，包括布局可视化和跨度可视化，以高效确认输出质量。
• 内置 CLI、FastAPI 和 Gradio WebUI，便于本地编排和多服务部署。
• 支持纯 CPU 环境运行，同时也支持 GPU(CUDA)/NPU(CANN)/MPS 加速。
• 兼容 Windows、Linux 和 Mac 平台。

快速开始

如果在安装过程中遇到任何问题，请先参阅 常见问题解答。
如果解析结果不符合预期，请参考 已知问题。

在线体验

官方在线 Web 应用

官方在线版本与客户端功能相同，界面美观、功能丰富，需登录后使用。

• 

基于Gradio的在线演示

基于Gradio开发的Web界面，界面简洁，仅提供核心解析功能，无需登录

• [![ModelScope](https://img.shields.io/badge/Demo_on_ModelScope-purple?logo=data:image/svg+xml;base64,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......### 基于Gradio的在线演示 基于Gradio开发的Web界面，界面简洁，仅提供核心解析功能，无需登录

• [![ModelScope](https://img.shields.io/badge/Demo_on_ModelScope-purple?logo=data:image/svg+xml;base64,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......

本地部署

[!WARNING] 安装前须知—硬件与软件环境支持

为确保项目的稳定性和可靠性，我们在开发过程中仅针对特定的硬件和软件环境进行优化和测试。这样可以保证用户在推荐的系统配置上部署和运行项目时，能够获得最佳性能并减少兼容性问题。

通过将资源集中在主流环境中，我们的团队可以更高效地解决潜在的bug并开发新功能。

在非主流环境中，由于硬件和软件配置的多样性以及第三方依赖的兼容性问题，我们无法保证项目100%可用。因此，对于希望在非推荐环境下使用本项目的人士，建议先仔细阅读文档和常见问题解答。大多数问题在FAQ中已有相应的解决方案。我们也鼓励社区反馈，以帮助我们逐步扩大支持范围。

解析后端	pipeline	*-auto-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+	90+
操作系统	Linux3 / Windows4 / macOS5
纯CPU支持	✅	❌		✅
GPU加速	Volta及更高架构的GPU或Apple Silicon				无需
最小显存	4GB	8GB	8GB	2GB
内存	最低16GB，推荐32GB及以上			最低16GB
磁盘空间	最低20GB，建议使用SSD			最低2GB
Python版本	3.10-3.13

¹ 准确率指标基于MinerU最新版本，在OmniDocBench（v1.5）中的端到端评估总分。
² 兼容OpenAI API的服务器，例如本地模型服务器或通过vLLM/SGLang/LMDeploy等推理框架部署的远程模型服务。
³ Linux仅支持2019年及以后发布的发行版。
⁴ 由于关键依赖项ray在Windows上不支持Python 3.13，因此仅支持3.10~3.12版本。
⁵ macOS需要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]"

从源代码安装MinerU

git clone https://github.com/opendatalab/MinerU.git
cd MinerU
uv pip install -e .[all]

[!TIP] mineru[all]包含所有核心功能，兼容Windows / Linux / macOS系统，适合大多数用户。 如果您需要指定VLM模型的推理框架，或者仅打算在边缘设备上安装轻量级客户端，请参阅文档中的扩展模块安装指南。

---

使用Docker部署MinerU

MinerU提供了便捷的Docker部署方式，可以帮助快速搭建环境并解决一些棘手的环境兼容性问题。 您可以在文档中找到Docker部署说明。

---

使用MinerU

如果您的设备符合上表中的GPU加速要求，您可以使用简单的命令行进行文档解析：

mineru -p <input_path> -o <output_path>

如果您的设备不符合GPU加速要求，可以将后端指定为pipeline，以便在纯CPU环境下运行：

mineru -p <input_path> -o <output_path> -b pipeline

mineru目前支持本地PDF、图像和DOCX文件或目录输入，并可通过CLI、API、WebUI以及mineru-router进行文档解析。有关详细说明，请参阅使用指南。

待办事项

• 基于模型的阅读顺序
• 主文中index和list的识别
• 表格识别
• 标题分类
• 手写文本识别
• 竖排文本识别
• 拉丁文重音符号识别
• 主文中代码块识别
• 化学式识别(mineru.net)
• 几何形状识别

已知问题

• 阅读顺序由模型根据可读内容的空间分布决定，在布局极其复杂的区域可能会出现顺序错乱。
• 对竖排文本的支持有限。
• 目录和列表通过规则识别，某些不常见的列表格式可能无法被识别。
• 布局模型中尚未支持代码块。
• 漫画书、艺术画册、小学教材和练习册等难以很好地解析。
• 表格识别在复杂表格中可能出现行列识别错误。
• OCR识别在小语种PDF中可能出现字符不准确的情况（如拉丁字母中的变音符号、阿拉伯文字中容易混淆的字符）。
• 部分公式在Markdown中可能无法正确渲染。

常见问题解答

• 如果在使用过程中遇到任何问题，您可以先查看常见问题解答以寻找解决方案。
• 如果问题仍未解决，您也可以使用DeepWiki与AI助手互动，它能够解决大多数常见问题。
• 如果仍然无法解决问题，欢迎您通过Discord或微信加入我们的社区，与其他用户和开发者交流讨论。

感谢所有贡献者

许可证信息

LICENSE.md

本仓库中的源代码采用AGPLv3许可证。

致谢

• UniMERNet
• TableStructureRec
• PaddleOCR
• PaddleOCR2Pytorch
• fast-langdetect
• pypdfium2
• pdftext
• pdfminer.six
• pypdf
• magika
• vLLM
• LMDeploy

引用

@article{dong2026minerudiffusion,
  title={MinerU-Diffusion: 将文档OCR重新思考为基于扩散解码的逆向渲染},
  author={Dong, Hejun and Niu, Junbo and Wang, Bin and Zeng, Weijun and Zhang, Wentao and He, Conghui},
  journal={arXiv预印本 arXiv:2603.22458},
  year={2026}
}

@article{niu2025mineru2,
  title={Mineru2.5：一种用于高效高分辨率文档解析的解耦视觉-语言模型},
  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 et al.},
  journal={arXiv预印本 arXiv:2509.22186},
  year={2025}
}

@article{wang2024mineru,
  title={Mineru：一种开源的精确文档内容提取解决方案},
  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 et al.},
  journal={arXiv预印本 arXiv:2409.18839},
  year={2024}
}

@article{he2024opendatalab,
  title={Opendatalab：以开放数据集赋能通用人工智能},
  author={He, Conghui and Li, Wei and Jin, Zhenjiang and Xu, Chao and Wang, Bin and Lin, Dahua},
  journal={arXiv预印本 arXiv:2407.13773},
  year={2024}
}

星标历史

链接

• MinerU-Diffusion：将文档OCR重新思考为基于扩散解码的逆向渲染
• 使用最新LLM驱动的算子和流水线轻松进行数据准备
• Vis3（基于S3的开源浏览器）
• LabelU（一款轻量级多模态数据标注工具）
• LabelLLM（一个开源的LLM对话标注平台）
• PDF-Extract-Kit（一套全面的高质量PDF内容提取工具包）
• OmniDocBench（一个全面的文档解析与评估基准）
• Magic-HTML（混合网页提取工具）
• Magic-Doc（快速提取PPT/PPTX/DOC/DOCX/PDF内容的工具）
• Dingo：一款全面的人工智能数据质量评估工具

MinerU 快速上手指南

MinerU 是一款高精度的文档解析引擎，专为 LLM、RAG 和 Agent 工作流设计。它支持将 PDF、Word、PPT、图片及网页转换为结构化的 Markdown 或 JSON，具备公式转 LaTeX、表格转 HTML 及多语言 OCR 识别能力。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux (推荐), macOS, Windows
• Python 版本：3.8 - 3.12
• 硬件要求：
  • CPU 模式：无特殊要求，适合轻量级任务。
  • GPU 模式：推荐 NVIDIA GPU (CUDA 11.8+) 以获得更快的推理速度；同时也支持昇腾 (Ascend)、寒武纪等国产 AI 芯片。
• 前置依赖：建议安装 pip 包管理工具，并确保网络连接畅通（若访问 GitHub 或 PyPI 较慢，建议使用国内镜像源）。

安装步骤

方式一：通过 PyPI 安装（推荐）

使用 pip 直接安装最新稳定版。国内用户推荐使用清华或阿里镜像源加速下载。

# 使用默认源安装
pip install mineru

# 或使用国内镜像源加速安装
pip install mineru -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：从源码安装

如果您需要体验最新功能或进行二次开发，可以从 GitHub 克隆源码安装。

git clone https://github.com/opendatalab/MinerU.git
cd MinerU
pip install -e .

注意：首次运行时，MinerU 会自动下载所需的模型文件。如果网络受限，请参照官方文档配置模型下载路径或使用离线包。

基本使用

安装完成后，您可以通过命令行工具 mineru 快速开始文档解析。

1. 解析单个文件

最简单的用法是直接指定输入文件（支持 PDF, DOCX, PNG, JPG 等）和输出目录。

mineru input.pdf -o output_dir

• input.pdf: 待解析的文档路径。
• -o output_dir: 解析结果（Markdown 文件及提取的图片）保存的目录。

2. 批量解析文件夹

您可以直接对一个包含多个文档的文件夹进行批量处理：

mineru ./docs_folder -o ./results

3. 指定后端引擎

MinerU 支持多种解析后端，默认为 pipeline（速度快、资源占用低）。如需更高精度（特别是复杂公式和表格），可指定 vlm-engine 或 hybrid-engine（需确保已配置相应的 VLM 模型环境）：

# 使用高精度 VLM 引擎
mineru input.pdf -o output_dir --backend vlm-engine

4. 查看帮助

更多高级参数（如指定语言、输出格式、并发数等）可通过以下命令查看：

mineru --help

解析完成后，您将在输出目录中获得包含完整排版信息、公式（LaTeX）和表格（HTML）的 Markdown 文件，可直接用于 RAG 知识库构建或大模型训练。