佬们，我想在本地调用大模型api分析pdf文件，有哪些可用的手段呢？
6 个赞
优先原生多模态吧
次一点就是手动RAG和OCR之类的手段了
4 个赞
多模态模型的api可以上传文件吗？ 
3 个赞
1、多模态大模型；
2、可读的pdf转成md，喂给大模型；
3、pdf拆成一个一个的图片，ocr整合，喂给大模型。
4 个赞
是文字的还是扫描版的，Gemini原生支持PDF文档，要不就只能转图片调用视觉模型，或者用各种转换工具转为Markdown。
2 个赞
当然
QWEN VL之类也可以
1 个赞
感谢感谢，我去看看
好的，感谢感谢
文字版的，想分析arxiv的论文
Moonshot AI 有文件上传接口可以看看
qwenvl好像不可以，qwen-long模型可以
如果想让大模型分享PDF，特别是针对有图形、文字、图表等的PDF，最好的方法是使用Dify中的知识库，用Embedding模型对PDF文件进行分段保存，这样更利于后期大模型进行解读。
1 个赞
啊 我都是直接用openruter的gemini 2.0pro直接传pdf给gemini的
2 个赞
大佬，这个怎么操作？调用API吗
对 就是普通的调用api 爬爬虾有介绍 b站搜技术爬爬虾
1 个赞
看看这个https://doc2x.noedgeai.com/ 有api的
我看这个只有翻译之类的，没有分析的功能吧？
解析成md然后再 导入一些dif，fastgpt，ragflow的平台就ok了
，fastgpt和这个 网站 配合比较好，可以直接调用这个网站的 api把 pdf处理成 md格式或者 适合大模型学习的文档格式，再进行后续的 处理
1 个赞
再次安利这个佬的
2 个赞
好，感谢感谢