Hatena Blog Tags
はてなブログ トップ
Docling
このタグでブログを書く
言葉の解説
ネットで話題
関連ブログ

Docling

このタグの解説についてこの解説文は、すでに終了したサービス「はてなキーワード」内で有志のユーザーが作成・編集した内容に基づいています。その正確性や網羅性をはてなが保証するものではありません。問題のある記述を発見した場合には、お問い合わせフォームよりご連絡ください。
はちみつブログ•18日前

英語文書のCodex翻訳

翻訳関係のアップデートをCodexを使って進めてみた。翻訳自体もCodexにさせることで、 AGENTS.mdやSkillも試してみた。 はじめに 以前の復習(これやこれやこれやこれ)として、いろいろなソース情報として英語論文などがあった際、自分が英語が大変苦手なため、できれば日本語に翻訳したいと思っている。おいおいの別のテストでやってみたいと思っているが、管理はNotionでしたいので、Markdownにしてアップロードするなどもしたいと思っている。 直近はLM Studioを利用し、ローカルLLMにより翻訳を行った。すごく良いものの、やはりクラウドサービスのChatGPTや、Gemini、…

#Codex#Codex CLI#Docling#Python#Markdown

関連ブログ

地平線まで行ってくる。•1ヶ月前

Doclingを工夫してMarkdown出力を好みにしてみる。

Doclingは各種ドキュメントからの生成AI向け情報抽出が可能です。IBMのチームが開発しています。現在も開発は活発です。PDF, DOCX, PPTX, XLSXなど多様なフォーマットに対応している優れものです。このDoclingでお好みのMarkdownの形式にできるようにしてみました。 github.com 数表ならいざ知らず、表組してある日本語文書では複雑な構造となっているケースが多い。縦横にセル結合してあるような奴です。それをMarkdownに変換しようとすると、GitHubのMarkdown表形式では表現力が不足します。それを補うためHTML形式で出力するように固定にします。図も…

#Docling#表組
uepon日々の備忘録•3ヶ月前

「Doclingが有料化した」は間違い ― IBM Elite Support for Doclingのリリース情報を正しく理解する

2026年1月27日、「IBM Elite Support for Docling」の一般提供（GA: General Availability）について発表がありました。 community.ibm.com これだけ見るとDoclingは有料になっちゃうの？🤔と感じますが、そうでは無いようです。 この発表の意味するところや企業がDoclingを活用する上での選択肢がどのように広がったのか書いてみようと思います。 Doclingとは Doclingは、IBM Researchが開発したオープンソースのドキュメント処理ツールです。PDF、Word、PowerPointなどの非構造化ドキュメントを…

#Docling#RAG#LLM#IBM#OCR
はちみつブログ•5ヶ月前

英語Markdown文書のローカルLLM翻訳

以前、OllamaやLM Studioで翻訳をしてみたが、その続き。どちらかというと、、、LM Studioのコンテキスト長調整はありがたいことと、langchain-text-splitterがすばらしいという話になりそうだが笑 はじめに 以前(これやこれやこれ)の復習として、たとえば英語の論文を読みたい時に自分が英語が大変苦手で。できれば、Markdownにした上で、Google翻訳よりは読みやすい日本語で翻訳することを目指している。 今回はセクション単位での翻訳を目指すことにする。理由としては、LLMのコンテキスト長。正直API経由などで各種サービスのモデルを利用すれば、論文全体を入力し…

#Python#LLM#LM Studio#Docling#Markdown
地平線まで行ってくる。•6ヶ月前

Doclingを使って図入りmarkdownを作成してみる。#2

図入りmarkdownに手元の資料を整えておくと便利だなと思って、改めてmakdown化を見直し見ました。あっという間に進歩があるかもしれないので、PyMuPDF4LLMらと改めて比較しつつ試行錯誤しましたが、Doclingが良好でした。そのため、Doclingのラッパーに落ち着きました。相変わらず、無駄な時間を使いましたが、先人の検討のありがたみを 以前の検討： bwgift.hatenadiary.jp 以下のコマンドで呼び出せるようにしました。 pdf2md_cli [PDF_FILE] -o [OUTPUT_DIRECTORY] 論文や資料をmakdown形式で保管・利用するには便利で…

#Docling
地平線まで行ってくる。•7ヶ月前

Doclingを利用してpdfからmarkdownへの変換を見直してみる。

LLMでの文書ファイルを活用するためには、まだまだmarkdownをうまく活用する場面が多くあります。Pythonでコーディングする場合には、改めて調べるとPyMuPDF4LLMかDoclingあたりが候補になりそうでした。PyMuPDF4LLMも軽量で良好でしたが、今回はDoclingを手を動かして試してみます。 github.com markdownに図データを切り出し、参照埋め込み型Markdownへと変換を実施します。 Doclingのパイプラインでオプションを設定。 # PDFパイプラインオプションのインスタンス化pipeline_options = PdfPipelineOptio…

#Docling#RAG
はちみつブログ•8ヶ月前

PDFのMarkdown化を検証してみた

少し脇道にそれる内容になるが…最近のPDF→テキスト化のトレンドを確認してみようと思ってきた。というのが、自分は英語がめちゃくちゃ苦手だ笑 それでも、学生時代よりは割り切って翻訳AIを使えることもあり、まあまあ読みやすくはなってきている。 以前も文献管理ソフトのZotero上で翻訳を行うプラグインなどは紹介したが、常にZoteroを開けるわけでもないので、論文を何かしらのテキストにして、その上で翻訳したテキストも手元に置けると自分のような英語弱者には心強い。最近の論文はHTMLとして公開されているものも多いので、そういうものはまあ何かしらのブラウザ上で翻訳してしまってもいいのだが、まだまだPD…

#Markdown#Python#MarkItDown#Docling#PDFMiner.six
uepon日々の備忘録•1年前

【メモ】RAGシステム構築の強い味方 - Doclingによるドキュメント変換入門

IBM watsonx.ai DojoでRAGとして様々なファイルのフォーマットを使用するための変換ツールを紹介していただきました。 それが今回紹介するDoclingです😊 Doclingとは？ Doclingは、簡単にいうならば様々なドキュメントに対応したHTML、Markdown、JSONへのコンバートツールになります。 **URLが変わったようです（2025.05.15修正） github.com 【Doclingの特徴】 一般的な文書フォーマット（PDF、DOCX、PPTX、XLSX、画像、HTML、AsciiDoc、Markdown）を読み取り、HTML、Markdown、JSON（…

#RAG#IBM#Docling
Vポイントマーケティング｜TECH LABの Tech Blog•1年前

様々な形式のドキュメントからテキスト情報を取得する"Docling"を使ってみる。

こんにちは、CCCMKホールディングス TECH LABの三浦です。 先日チームのメンバーに教えてもらい、試してみたいな・・・と思っていたライブラリを今回試すことが出来ました。"Docling"というライブラリで、PDFなどのファイルから、内容をマークダウンかjsonのテキストデータで抽出することが出来るライブラリです。RAGでの活用が期待できます。 試しに使ってみたところ、日本語のファイルでもかなり良い感じにテキストデータが取得出来ており、すごいなぁとビックリしました。 DoclingはarXivにテクニカルレポートがあり、そちらを読むことでどういったパイプラインで処理を行っているのかを理解…

#AI#Docling#RAG