IT之家 12 月 17 日消息，微軟在 GitHub 上發(fā)布了名為 MarkItDown 的開源 Python 庫，可以將 Office 文檔在內(nèi)的多種文件格式，轉(zhuǎn)換為 Markdown 格式。
用戶通過該工具轉(zhuǎn)換后，有助于文本索引、分析等多種應(yīng)用場景，并支持開發(fā)者利用大型語言模型進(jìn)行圖像描述。
IT之家附上 MarkItDown 庫當(dāng)前支持的文件格式如下：
PDF (.pdf)
PowerPoint (.pptx)
Word (.docx)
Excel (.xlsx)
Images (EXIF metadata, and OCR)
Audio (EXIF metadata, and speech transcription)
HTML (special handling of Wikipedia, etc.)
其它各種文本格式 (csv, json, xml, etc.)
開發(fā)人員還可以配置 MarkItDown 庫，使用大型語言模型來描述圖像，需要將 mlm_client 和 mlm_model 參數(shù)設(shè)置為 MarkItDown 對象，如下所示：
from markitdown import MarkItDown
from openai import OpenAI
client = OpenAI()
md = MarkItDown(mlm_client=client, mlm_model="gpt-4o")
result = md.convert("example.jpg")
print(result.text_content)由于 MarkItDown 庫在 MIT 開源許可下可用，因此開發(fā)人員可以自由使用、修改和分發(fā)它，唯一的要求是他們在分發(fā)時(shí)包含原始許可證和版權(quán)聲明。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。