Docling

语言转文字

m4a 语音转文字 在语音时长为 8 分钟时，效果一般，时间花费比较久（大概 10 分钟？）。（还是 3090 GPU 推理）

PDF 转 markdown

从 PDF 到 markdown 时，图片会以如下形式内嵌（embed）在 markdown 文件中。

![Image](data:image/png;base64,...)

可以通过在 docling cli 选项中 中添加 --image-export-mode referenced 选项将图片导出为 PNG 格式并引用。--image-export-mode 默认为 embedded 模式。

评论