Convertir PDF a Markdown — Fórmulas, tablas y código
Convierte PDF a Markdown limpio online — fórmulas, tablas, multicolumna y traducción opcional
Subir archivo PDF
Arrastra y suelta los archivos aquí, o
Solo PDF, máx 300MB, máx 800 páginas
Ajustes
Información de deducción de puntos
- • PDF a Markdown：2 pts/pág.
- • PDF a Markdown+Traducción MD：3 pts/pág.
Cómo funciona la conversión de PDF a Markdown
KolmoPDF usa un modelo de lenguaje visual (VLM) para analizar las páginas del PDF y generar Markdown estructurado que conserva el contenido semántico del documento.
Qué procesa el analizador
- Diseños a varias columnas: Las páginas con dos o más columnas se leen en el orden lógico correcto, no de izquierda a derecha a lo largo de la página física.
- Fórmulas matemáticas: Las matemáticas en línea y en bloque se presentan como LaTeX dentro del Markdown, por ejemplo
$E = mc^2$or$$\int_0^\infty e^{-x^2} dx$$. - Tablas: Las tablas pueden presentarse como tablas Markdown o conservarse como imágenes. La función experimental de unión entre páginas detecta y combina tablas que abarcan saltos de página.
- Bloques de código: El código fuente y la notación técnica se incluyen en bloques de código delimitados, con indicaciones de lenguaje cuando es detectable.
- Traducción: Activa la traducción para convertir el contenido del documento a chino, japonés, coreano, francés, alemán, español o ruso durante el análisis. Añade 1 crédito/página.
Límites de archivo
Solo archivos PDF. Tamaño máximo: 300 MB. Número máximo de páginas: 800.
Qué hace este conversor de PDF a Markdown
KolmoPDF analiza PDF técnicos en Markdown estructurado mediante un modelo de lenguaje visual entrenado con artículos académicos, libros técnicos y documentos de ingeniería. Conserva el orden de lectura de varias columnas, reconoce fórmulas LaTeX en línea y en bloque, reconstruye tablas que abarcan varias páginas y mantiene intactos los bloques de código. La salida es un Markdown limpio, listo para generadores de sitios estáticos, bases de conocimiento y canalizaciones de traducción.
Capacidades clave
- Reconocimiento de fórmulas LaTeX en línea y en bloque, con soporte multilínea.
- Detección estable de tablas con celdas combinadas y que continúan entre páginas.
- Páginas de dos y tres columnas reordenadas en un flujo de lectura lineal.
- Detección de bloques de código con indicaciones de lenguaje cuando la fuente es identificable.
- Traducción opcional en una pasada a 9 idiomas de destino durante el análisis.
Casos de uso comunes
Los investigadores extraen LaTeX de los artículos para sus sistemas de notas. Los equipos de ingeniería envían el Markdown extraído a Confluence, Notion o wikis internos. Los equipos de localización lo introducen en herramientas de memoria de traducción. Los educadores reconstruyen diapositivas y materiales a partir de PDF de libros de texto sin reescribir las ecuaciones.
Convertir PDF a Markdown
Convertir PDF a Markdown aquí significa fórmulas LaTeX, tablas y maquetación de varias columnas — no solo texto extraído.
Preguntas frecuentes
¿Funciona con PDF escaneados?
Sí. El modelo de lenguaje visual trata el texto como regiones de imagen, así que los PDF nativos y escaneados se analizan igual.
¿Cuánto cuesta por página?
El análisis de PDF cuesta 2 créditos por página; con traducción en línea, 3 créditos por página. Los nuevos usuarios reciben 100 créditos gratis al registrarse.
¿Cuál es el tamaño máximo de archivo?
Los planes gratuitos y de pago aceptan archivos de hasta 300 MB. El límite de páginas depende de tu saldo de créditos.
Real parse: Attention Is All You Need
This is the actual Markdown KolmoPDF produced from Vaswani et al. 2017 — a two-column academic PDF with display math and a results table. Not a mock, not a screenshot of the product UI.
Equation 1 as extracted LaTeX
$$
\text{Attention}(Q, K, V) = \text{softmax}(\frac{QK^T}{\sqrt{d_k}})V
$$Table 1 as a GitHub-flavored Markdown table
| Layer Type | Complexity per Layer | Sequential Operations | Maximum Path Length |
| :--- | :---: | :---: | :---: |
| Self-Attention | $O(n^2 \cdot d)$ | $O(1)$ | $O(1)$ |
| Recurrent | $O(n \cdot d^2)$ | $O(n)$ | $O(n)$ |
| Convolutional | $O(k \cdot n \cdot d^2)$ | $O(1)$ | $O(log_k(n))$ |
| Self-Attention (restricted) | $O(r \cdot n \cdot d)$ | $O(1)$ | $O(n/r)$ |The dominant sequence transduction models are based on complex recurrent or convolutional neural networks that include an encoder and a decoder. We propose a new simple network architecture, the Transformer, based solely on attention mechanisms, dispensing with recurrence and convolutions entirely.