Marker 實測：比 MinerU 好上手的 PDF 轉 Markdown 工具？

前言

我之前用過 MinerU，對它處理複雜排版、表格和公式的效果印象很好。這次想試的是 Marker：一個同樣能把 PDF 轉成 Markdown 的開源工具，但它把日常使用的路線做得更直接。

這次跑完，我覺得如果手上的不是特別複雜的論文，而是一般文字型 PDF、文件、簡報匯出檔或報告，Marker 的 fast 模式已經夠用。我會把它轉成 Markdown 拿去閱讀、摘要或丟進自己的 AI 工作流。不過它不是「轉完就完全不用看」：公式與表格仍可能壞掉。遇到這類 PDF，我還是會優先選 MinerU；Marker 則可以先切到 balanced，用時間換一點品質。

這支影片跑了什麼？

影片裡我用的是 Transformer 論文的 PDF，讓 Marker 只處理第 3 到第 8 頁。這幾頁剛好有雙欄文字、架構圖、數學公式和兩個表格，不算最刁鑽的掃描件，但已經足夠看出它能不能處理論文。

我跑的是 fast，不是品質較高的 balanced：

bash

time marker_single input/attention-is-all-you-need.pdf \
  --page_range '2-7' \
  --mode fast \
  --output_dir output/video-demo-fast

Marker 的頁碼是從 0 開始算，所以 2-7 對應 PDF 的第 3 到第 8 頁。跑完後我直接打開輸出的 .md 檔，影片後半段看到的就是 fast 模式的原始結果，沒有手動修過。

在終端機以 marker_single 執行 Marker fast 模式的指令

我這次就是用這段指令跑 fast 模式，再直接打開輸出的 Markdown

第一次執行時，Marker 會下載 Surya 模型並啟動本機推論服務，這次大約多花了一分多鐘；模型進快取後就不用每次重抓。終端機看到的 Hugging Face HF_TOKEN warning 也不用太緊張，它只是提醒未登入的下載請求有較低的速率限制，不會降低 PDF 轉換品質。模型已經下載完之後，通常也不會造成實際影響。

fast 模式的結果，到底算不算好？

以這次輸出來說，我會給它「一般 PDF 很好用，技術論文要校稿」的評價。

我打開輸出的 Markdown 時，純文字、段落順序、標題、圖片和圖片說明大致都抓得到。六頁在我的 Apple M4 上實跑約 28 秒；對我只是想把 PDF 轉成可搜尋內容、再拿去看或丟進 LLM 的情況，這個結果已經很實用。

但我不會因此說它已經完美。這份測試中，公式有抓到卻不一定正確；其中一個 Multi-Head Attention 公式把最後應該是 W^O 的地方輸成 W^Q。表格更明顯，Table 1 和 Table 2 的欄位、數字和公式有被拆散。這種錯誤如果拿去做研究、資料庫或正式引用，不能只靠肉眼掃過一次就算了。

以這份檔案來說，我之後遇到一般文件、文字型 PDF 或內部筆記，還是會先跑 fast。但只要是公式、表格、複雜多欄或掃描頁很多的論文，我就會預設它需要人工檢查，不會把轉出來的 Markdown 當成原稿的無損副本。

fast 和 balanced 差在哪裡？

Marker 目前有 fast 和 balanced 兩種模式。這台 Apple Silicon Mac 預設跑的是 fast，它會盡量讀 PDF 原本的文字層，只在必要處動用視覺模型；balanced 則會用更多 VLM 版面分析和 OCR，連行內數學也會多處理一輪。

我在同一份六頁 PDF 上也跑過 balanced：

模式	我這台 M4 的實跑時間	這次看到的結果
`fast`	約 28 秒	文字很實用；公式、表格有失誤
`balanced`	約 3 分 14 秒	公式轉成 LaTeX 的比例更高，兩個表格也明顯比較完整，但仍有少數公式格式不自然

我沒有拿一堆文件去做 benchmark，這只是同一台 Mac、同一份 PDF 的結果。但這次差距很明顯：我想快速讀內容時會跑 fast；表格和公式真的重要時，我會讓它多跑幾分鐘的 balanced，再回頭對照原 PDF。

Marker 比 MinerU 好安裝嗎？

我覺得是「整體使用流程比較好上手」，但不是完全沒有門檻。

在我的 Apple Silicon Mac 上，Marker 的主要安裝就是先裝好 llama.cpp，再用 uv 安裝 Marker：

bash

brew install llama.cpp
uv tool install --python 3.12 marker-pdf

我實際用下來，最常打的就是 marker_single 檔案路徑 --mode fast --output_dir 輸出資料夾。對本來就會開終端機、知道檔案路徑的工程師來說，這套流程很直覺，沒有太多後端要先理解。

不過一般使用者還是得跨過幾個小關卡：安裝 Homebrew、Python／uv、第一次下載模型，以及知道終端機的路徑怎麼寫。它不是手機 App 那種三下就結束的工具，只是比起要理解多種推論後端、模型和硬體配置，Marker 比較容易先跑出第一份結果。

MinerU 現在的基本安裝指令其實也不長，官方也支援 macOS、Windows 和 Linux。但它提供 pipeline、VLM、HTTP client 等不同路線，功能更完整，代表需要做選擇的地方也更多。官方文件列出的本機 pipeline 建議至少 16GB RAM、20GB 磁碟空間；VLM 又會牽涉到 GPU 或遠端模型服務。對想把 PDF 解析做成長期流程的人很有價值，但第一次上手的學習成本確實比較高。

那 Marker 和 MinerU，該選哪一個？

我自己的分工會是這樣：

情境	我會先選
一般數位 PDF、文章、報告，想快速變 Markdown	Marker `fast`
想在本機快速試一份檔案，且本來就會用 CLI	Marker
公式、表格、版面結構很重要的論文	MinerU，或至少先跑 Marker `balanced` 再對照
掃描件、複雜排版、要盡量保留結構	MinerU
要接 API、批次流程、多格式文件處理	MinerU 的選項較完整

MinerU 官方目前把 PDF、圖片、DOCX、PPTX、XLSX 都放進同一套解析流程，輸出也有 Markdown、JSON 和品質檢查用的輔助檔；Marker 同樣能處理多種文件，但這次我最有感的是它把「先用最快模式轉出一份 PDF Markdown」這件事壓得很簡單。

如果只談我看過的排版品質，我還是覺得 MinerU 更好，尤其是複雜論文和表格。這篇不是把兩者放在同一台機器、同一版本、同一設定下重跑的公平對決；MinerU 的部分是根據我之前實際使用的經驗和目前官方文件整理。Marker 的定位反而很清楚：它不一定是品質最高的那個，但它讓你很快就能開始用，普通 PDF 的結果也已經夠實用。