MonkeyOCR是上個月剛發布的一款文檔解析工具，可以將PDF文檔或圖片識別轉換為markdown格式文件。官方測試顯示性能極佳。我基于當前最新版制作了免安裝一鍵啟動整合包，支持批量操作，并降低了顯卡要求。

MonkeyOCR官方介紹

MonkeyOCR 采用結構-識別-關系 (SRR) 三重范式，簡化了模塊化方法的多工具流程，同時避免了使用大型多模式模型進行全頁文檔處理的低效率。

1. 與基于流水線的方法MinerU相比，我們的方法在九種類型的中英文文檔上平均提高了5.1%，其中公式提高了15.0%，表格提高了8.6%。
2. 與端到端模型相比，我們的 3B 參數模型在英文文檔上取得了最佳平均性能，優于 Gemini 2.5 Pro 和 Qwen2.5 VL-72B 等模型。
3. 對于多頁文檔解析，我們的方法達到了每秒 0.84 頁的處理速度，超過了 MinerU（0.65）和 Qwen2.5 VL-7B（0.12）。

MonkeyOCR整合包使用說明

將網盤內的軟件壓縮包下載到本地電腦上并解壓。雙擊【啟動軟件.exe】

選擇待處理文件，或是將文件或文件夾鼠標左鍵按住拖動到軟件窗口內釋放。

輸入文件路徑就處理文件，輸入文件夾路徑就處理文件夾內所有pdf文檔

【組大小】按特定分組大小對輸入路徑（一個目錄）中的圖像進行分組解析

【nums】這是我自己添加的一個參數，因為原應用用起來有些問題，這個主要是增加對低端顯卡的支持，如果顯卡為20X6G等低端顯卡，運行報錯的話嘗試設置為1.如果顯卡為40X高端大顯存顯卡可嘗試增大該值，會影響處理速度。如果軟件沒有報錯的話建議保持默認即可。

【單任務】單任務識別，如識別文本、公式、表格，（僅輸出 Markdown 格式）

【輸出單頁面】解析 PDF 并按頁面拆分結果

默認只輸入待處理文件和保存位置即可，沒有必要的話其它設置可不用管。

軟件支持批量操作，輸入文件夾路徑或是將文件夾拖入軟件窗口即可。

視頻教程及效果演示：

注意事項

未測試最低配置要求，建議英偉達顯卡顯存不低于6G，如果報錯：No enough gpu memory for runtime。則需要更多顯存

軟件只支持windows 10或11

軟件運行路徑中不要有非英文字符及空格，待處理文件同樣注意

PDF轉MD軟件MonkeyOCR整合包下載鏈接

夸克網盤分享