PDF Markdown変換 — 数式LaTeX・表・段組みを保持

PDF をクリーンな Markdown にオンライン変換 — 数式・表・多段組、多言語翻訳オプション

PDFをアップロード

ファイルをドラッグ＆ドロップ、または

PDFのみ, 最大 300MB, 最大 800頁

設定

ポイント使用説明

  • • PDF→Markdown：2 pt/頁
  • • PDF→Markdown+MD翻訳：3 pt/頁

PDF から Markdown への変換の仕組み

KolmoPDF は視覚言語モデル（VLM）で PDF ページを解析し、文書の意味構造を保ったまま構造化 Markdown を出力します。

解析できる内容

  • 多段組レイアウト： 2 段以上のページでも、物理的な左から右ではなく、正しい論理的な読順で解析します。
  • 数式： インライン数式とディスプレイ数式は Markdown 内で LaTeX として出力されます。例： $E = mc^2$ or$$\int_0^\infty e^{-x^2} dx$$.
  • 表： 表は Markdown テーブルとして出力するか、画像のまま保持できます。実験的な跨ページ表結合機能は、ページをまたぐ表を検出して結合します。
  • コードブロック： ソースコードや技術記法は fenced code block にまとめられ、判定できる場合は言語ヒントも付与されます。
  • 翻訳： 解析中に文書内容を中国語、日本語、韓国語、フランス語、ドイツ語、スペイン語、ロシア語へ翻訳できます。1 ページあたり 1 pt 追加されます。

ファイル制限

PDF ファイルのみ対応。最大ファイルサイズは 300 MB、最大ページ数は 800 ページです。

PDFをMarkdownに変換するツールの機能

KolmoPDF は学術論文・技術書・エンジニアリング文書で学習した Visual Language Model を使い、技術系 PDF を構造化された Markdown に変換します（PDF markdown 変換）。複数段組の読み順を保持し、インラインおよびディスプレイ形式の LaTeX 数式を認識し、ページをまたぐ表を再構築し、コードブロックをそのまま保存します。出力はクリーンな Markdown で、静的サイト・ナレッジベース・RAG・翻訳パイプラインに直接流せます。

主な機能

主な利用シーン

研究者は論文から LaTeX を抽出してノートシステムに取り込みます。エンジニアリングチームは Markdown を Confluence・Notion・社内 wiki に流し込みます。ローカライズチームは翻訳メモリツールに直接渡せます。教員は教科書 PDF から数式を打ち直さずに講義資料を再構築できます。AI チームは PDF ライブラリを Markdown 化して RAG の取り込みに使います。

PDF Markdown変換の手順

  • PDF をアップロード（ネイティブ／スキャン、最大 300 MB）。インストール不要。
  • 原文のまま、または同じパスで 8 言語のいずれかへ翻訳を選択。
  • ページ単位で解析。段組・数式・表・コードは自動検出。
  • .md をダウンロードするか、Obsidian / Notion / Git / RAG に貼り付け。

ルールベース変換との違い

単純な 1 段組テキストなら無料の抽出ツールでも足りますが、論文・マニュアル・スキャンでは読み順や数式が崩れます。KolmoPDF の PDF Markdown変換は技術文書向け VLM で、まさにその難しいケースを扱います。

PDF Markdown変換でよく崩れる箇所

テキスト抽出や Pandoc では、技術 PDF の難しい箇所がほぼ必ず壊れます。

  • 2 段組論文で左右カラムが交互に混ざる
  • ディスプレイ数式が x2+y2=r2 のような字形になり、LaTeX に戻らない
  • ページをまたぐ表がスクリーンショットかプレーンテキストになる

このページの実解析例

FAQ の下に、Vaswani et al. 2017（2 段組・ディスプレイ数式・結果表）を実際に Markdown 化した抜粋があります。同じテスト PDF と .md をダウンロードできます。

よくある質問

スキャン PDF にも対応しますか？

はい。Visual Language Model はテキストを画像領域として扱うため、ネイティブ PDF とスキャン PDF を同じパイプラインで処理します。

1 ページあたりのコストは？

PDF 解析は 1 ページ 2 ポイント、翻訳付きで 3 ポイントです。新規登録で 100 ポイントを贈呈します。

ファイルサイズの上限は？

無料・有料プランとも最大 300 MB に対応します。ページ数の上限は残ポイントによります。

RAG や LLM 用に使えますか？

はい。見出し構造のある Markdown はベクトル DB のチャンク境界として扱いやすく、生の PDF 抽出より検索品質が上がりやすいです。

API はありますか？

はい。同じパーサーを REST API で利用できます。API ドキュメントを参照してください。

実解析例：Attention Is All You Need

Vaswani et al. 2017 の 2 段組論文 PDF を KolmoPDF が実際に Markdown 化した結果です。ディスプレイ数式と結果表を含みます。モックや製品 UI のスクリーンショットではありません。

Attention Is All You Need page 4, display math
原 PDF 4 ページ — Scaled Dot-Product Attention（式 1）。
Attention Is All You Need page 6, results table
原 PDF 6 ページ — Table 1。

式 1 として抽出された LaTeX

$$
\text{Attention}(Q, K, V) = \text{softmax}(\frac{QK^T}{\sqrt{d_k}})V
$$

GitHub Flavored Markdown の表になった Table 1

| 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.

テスト PDF をダウンロード解析した Markdown をダウンロード