Datalab发布Marker 2，性能超越同类产品

近日，Datalab发布了其开源文档转换流水线的全新版本Marker 2。这款工具能够将PDF、图像、PPTX、DOCX、XLSX、HTML和EPUB文件转换为Markdown、JSON或HTML格式。Marker 2基于三个核心组件：Surya OCR 2、一个快速布局模型以及改进后的pdftext，后者的速度是之前的三倍。在第三方基准测试olmOCR-bench中，Marker 2的平衡模式得分76.0%，而MinerU的管道后端得分为72.7%。Marker 2能够在单个B200 GPU上每秒处理2.9页文档，是MinerU吞吐量的5倍以上。此外，Marker 2提供了三种转换路径：平衡模式、快速模式和禁用OCR模式，以适应不同的性能需求。