什么是office2md

这是一项基于 Markdown 格式的多功能转换服务，支持将 PowerPoint、Word、Excel、图像、音频和 HTML 等文件转化为 Markdown 格式。同时，服务整合了 Gitee AI 和智谱 AI 提供的 GLM-4V 模型，以及阿里云百炼平台的 Qwen-VL-Max 模型，用于图片和 PDF 文件的高效文本识别。

​
Docker 使用说明

​
1. 快速使用

# 内置了GLM-4V-FLASH视觉模型，仅供测试使用
docker run -p 8000:8000 registry.cn-hangzhou.aliyuncs.com/dockerhub_mirror/markitdown

​
2. 使用 Gitee AI

docker run -d \
 -p 8000:8000 \
 -e API_KEY=gitee_ai_key \
 -e MODEL=InternVL2_5-26B \
 -e BASE_URL=https://ai.gitee.com/v1 \
 registry.cn-hangzhou.aliyuncs.com/dockerhub_mirror/markitdown

​
3. 使用阿里云百炼平台

docker run -d \
  -p 8000:8000 \
  -e API_KEY=your_aliyun_api_key \
  -e MODEL=qwen-vl-max \
  -e BASE_URL=https://dashscope.aliyuncs.com/api/v1 \
  registry.cn-hangzhou.aliyuncs.com/dockerhub_mirror/markitdown

​
环境变量说明

服务支持以下环境变量配置：

环境变量说明默认值
API_KEYAI 平台的 API 密钥XXXX
BASE_URLAI 平台的 API 基础 URLhttps://open.bigmodel.cn/api/paas/v4
MODEL使用的模型名称glm-4v-flash
DELETE_DELAY临时文件删除延迟（秒）300
PROMPT文本提取提示词提取图片中全部的文本，不需要任何推理和总结，只需要原文

​
支持的模型配置

​
智谱 AI

​
Gitee AI

​
阿里云百炼

​
API 接口

​
1. 上传图片并提取文本

Endpoint: POST /upload/

请求格式: multipart/form-data

参数:

  • file: 图片文件

响应示例:

{
  "text": "提取的文本内容"
}

​
2. 文档图像矫正

Endpoint: POST /uvdoc/unwarp

请求格式: multipart/form-data

参数:

  • file: 需要进行展平处理的文档图片文件

响应格式: image/png

说明:

  • 该接口用于处理弯曲变形的文档图片，返回展平后的图片
  • 支持常见图片格式（PNG、JPEG等）
  • 返回的是展平后的PNG格式图片数据

错误响应:

{
  "detail": "Error message"
}

​
源码运行

git clone https://gitee.com/log4j/office2md.git

cd office2md 

python3 -m venv venvdev

source venvdev/bin/activate

pip install -r requirements.txt

# 启动服务
uvicorn main:app --reload

​
商业化选择

PIG AI应用开发平台 | 适合中大型企业构建自主可控的AI中台

为Java开发者提供全栈式AI工程化解决方案，强类型/高可维护性架构，内置30+主流大模型支持。

  • 🔍 知识引擎体系：RAG 知识引擎全自动化多模态解决方案
  • 📝 AI-OCR 中枢：复杂非标场景高精度识别
  • ⚙️ 业务智能融合：函数编排 + Chat2SQL，无缝对接现有业务系统
  • 🛡️ N维风控体系：敏感词/IP/Token/User 规则控制引擎

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！