版面分析
识别页面中的标题、正文、表格、图片等区域，保留原有阅读顺序，避免多栏排版被读成乱序文本。
价格免费试用
平台—
归类大模型与开发平台
收录2026-10-12
复核2026-10-12
编辑评分
4.6 / 5
★★★★☆
Chunkr编辑总结
Chunkr 是一款面向大模型与 RAG 场景的文档智能接口，由 Y Combinator 支持、以开源方式提供。它接收 PDF、幻灯片、Word 文档和图片，先做版面分析与 OCR，再把内容按语义切成块，输出边界框等定位信息，让开发者能把非结构化文档喂进检索与问答系统。它支持多语言 OCR 与自定义视觉语言模型提示，功能覆盖面较全，接入方式以调用接口为主，非技术用户需要借助其他工具才能使用。
Chunkr是什么？
Chunkr 是一款文档智能接口，由 Y Combinator 支持并开源。它解决的问题是：企业手里的合同、报告、扫描件、演示文稿大多是版式复杂的非结构化文件，直接喂给大模型效果很差，需要先转成干净、带结构的文本块。Chunkr 做的就是这一步——读入文档，输出适配大模型和检索增强生成流程的数据。
它的处理链路分几层：先做版面分析，判断页面上哪里是标题、正文、表格、图片；再对扫描件或图片做 OCR 识别，并自动判断文档是否已带文本层；最后按语义把内容切成块，而不是按固定字数硬切。单词级边界框让每个词在原文中的位置可回溯，自定义视觉语言模型提示则允许针对特定文档类型调整识别策略。
使用时开发者把它接入自己的数据管道，在文档入库阶段调用一次，后续检索和问答直接消费切好的块；研究人员可以用它批量处理论文与扫描资料；团队则通常把它当作 RAG 系统的前置环节，替代自己写解析脚本。
Chunkr核心功能
多语言 OCR
对扫描件和图片做文字识别，并自动判断文档是否已带文本层，带文本层的文件跳过识别，减少不必要的处理。
语义分块
按内容含义而非固定字数切分，让每个块自成一段完整语义，检索命中后直接可用，不需要二次拼接。
单词级边界框
为识别出的文字给出原文坐标，便于做高亮、引用溯源和人工校对，回答问题时能指回文档的具体位置。
自定义 VLM 提示
允许针对特定文档类型调整视觉语言模型的识别策略，比如票据、表格或特殊版式，提升这类文件的解析准确度。
多格式输入
接收 PDF、演示文稿、Word 文档和图像，把不同来源的资料统一成同一种可供检索和问答消费的数据形态。
Chunkr值不值得用？
如果你在做 RAG 或文档问答，且被复杂版式、扫描件、表格折磨过，Chunkr 值得放进候选：它把版面分析、OCR、语义分块打包成一个接口，还给出单词级坐标，省掉自己拼解析工具链的功夫，开源属性也让私有化部署和改造成为可能。如果只是偶尔转换几份简单文档，直接用现成的解析库或在线转换工具更省事；如果团队里没人写代码，它也不能开箱即用，得先解决接入问题。
建议选它的情况
- 正在搭建 RAG 或文档问答系统，需要稳定的文档预处理环节
- 文档里有大量扫描件、多栏排版或表格，通用解析工具效果差
- 需要把回答溯源到原文位置，要求保留文字坐标信息
- 希望开源可控，能自行部署或按业务改造解析流程
不建议选它的情况
- 只是偶尔手动转换几份格式简单的文档，不值得为此接入接口
- 团队没有开发能力，需要打开网页就能直接用的成品工具
Chunkr使用建议
入门先把路子走对
- 先拿难文档试别用排版规整的电子版 PDF 试水，直接丢一份扫描件或多栏排版的表格文档，一次就能看出它比通用解析强在哪。
- 开启坐标输出首次接入就把边界框信息一起取回，后期要做引用高亮或人工校对时不用重新跑一遍全量文档。
- 小批量跑通再全量先挑十几份不同类型的文档跑完整链路，确认切块粒度和检索效果符合预期，再批量处理整个文档库。
进阶省时间也省钱
- 按文档类型写提示把票据、合同、论文分开，各自配一套视觉语言模型提示，比用一套通用配置硬扛所有版式的识别质量更稳。
- 块大小对齐检索分块粒度要和检索方式匹配：向量检索偏好语义完整的中等块，关键词检索则适合更细的块，先定检索方案再调切分。
- 解析结果落库缓存文档内容不变时不要把解析结果丢掉，存下来供后续反复建索引使用，既省调用开销也避免同一份文件切出不同结果。
Chunkr适合谁用？
RAG 应用开发者
推荐需要把企业文档变成可检索的知识库，Chunkr 可以直接充当数据管道里的解析层，省去自己维护 OCR 与分块逻辑。
企业知识库团队
推荐内部资料格式杂、扫描件多，统一走一遍解析再入库，检索命中率和回答可溯源性都会明显好于直接用原始文件。
研究人员
推荐批量处理论文和历史扫描资料，语义分块便于按章节或主题检索，边界框信息也方便回查原文。
非技术个人用户
不推荐它以接口形式提供能力，没有编程基础的读者无法直接使用，需要先用别的工具把它包一层再谈上手。
对成本敏感的轻量用户
有条件只处理少量简单文档时，引入一套解析服务带来的接入与运维成本，往往高于直接手动整理。
Chunkr优点和缺点
优点
- 版面分析、OCR、语义分块一体化，不用自己拼多个解析工具
- 单词级边界框让回答可以指回原文具体位置，便于溯源校对
- 支持多语言 OCR 并自动检测文本层，扫描件与电子版混排也能处理
- 自定义视觉语言模型提示，可针对特殊版式单独调优
- 开源且由 Y Combinator 支持，私有化部署与二次改造可行
缺点
- 以接口形式提供，没有编程能力就无法直接使用
- 功能偏底层，拿不到开箱即用的成品问答界面
- 文档类型太特殊时，仍需自行调试提示才能保证识别质量
- 接入需要自己搭建管道，前期投入高于现成转换工具
Chunkr常见问题
Chunkr 主要解决什么问题？＋
它把 PDF、幻灯片、Word 文档和图片这类版式复杂的文件，先做版面分析和 OCR，再按语义切成块，输出适合大模型与检索增强生成流程使用的数据。如果你直接把原始文档丢给模型，多栏排版和扫描件常被读成乱序文字，检索时也很难命中，Chunkr 补的就是这个前置环节。
它和普通的 PDF 转文本工具有什么区别？＋
普通转换工具通常只把文字抽出来，遇到多栏、表格、扫描件就容易串行错位。Chunkr 会先判断版面上哪里是标题、正文和表格，再按语义切分，还保留单词级边界框，让每段文字能对应回原文位置。对做检索问答的场景，这种带结构的结果比纯文本可用得多。
不会写代码能用吗？＋
不能。Chunkr 是以接口形式提供给开发者的服务，需要有人把它接进自己的数据管道，才能在入库时完成解析。非技术用户如果只是想转换几份文档，用现成的桌面或在线转换工具更直接；要用 Chunkr，得先由开发者包一层界面或者接入现有系统。
怎么收费？＋
具体价格与免费额度未公布，公开渠道暂时查不到明确的计费方式。它由 Y Combinator 支持并以开源方式提供，这对成本结构意味着什么、能不能自行部署，需要到项目主页确认部署方式与授权说明后再评估。
处理扫描件和多语言文档效果如何？＋
它内置多语言 OCR，能自动判断文档是否已经带文本层，扫描件走识别、电子版直接取文字，两类混在一个文档库里也不用分别处理。对于票据、表格这类版式特殊的材料，还可以写自定义视觉语言模型提示来单独调优识别策略。
分块粒度能自己控制吗？＋
分块按语义进行，目标是让每一块自成完整意思，而不是按固定字数硬切。实际使用时粒度要和检索方式对齐：向量检索偏好语义完整的中等块，关键词检索更适合细一些的块。建议先确定检索方案，再拿实际文档调切分效果，避免检索命中后还要二次拼接。
解析结果能溯源到原文吗？＋
可以。除文本本身外，它还输出单词级边界框，也就是每个词在原始页面上的位置。做问答时可以用这个坐标把答案高亮回原文档，方便人工核对；做人工校对流程时，也能直接定位到识别出错的区域，不必通读全文。
