PDF ಅಥವಾ ಪಠ್ಯದಿಂದ ಸ್ವಚ್ಛ Markdown
PDF ಅನ್ನು — ಅಥವಾ ಅಂಟಿಸಿದ ಪಠ್ಯ ಮತ್ತು HTML ಅನ್ನು — ಸ್ವಚ್ಛ, ರಚನಾತ್ಮಕ Markdown ಆಗಿ ಪರಿವರ್ತಿಸಿ; ಅದು RAG ಪೈಪ್‌ಲೈನ್, ChatGPT, Claude ಅಥವಾ ಪ್ರಕಟಣೆಗೆ ಸಿದ್ಧ. ಶೀರ್ಷಿಕೆಗಳು, ಪಟ್ಟಿಗಳು ಮತ್ತು ಪ್ಯಾರಾಗಳನ್ನು ಸಪಾಟಾಗಿಸದೆ ಲೇಔಟ್‌ನಿಂದಲೇ ಮರುಪಡೆಯಲಾಗುತ್ತದೆ — ದಾಖಲೆಯನ್ನು ಸರಿಯಾಗಿ ಉಲ್ಲೇಖಿಸಲು ರಿಟ್ರೀವರ್‌ಗೆ ಬೇಕಾಗಿರುವುದು ಇದೇ. ಫೈಲ್ ನಿಮ್ಮ ಸ್ವಂತ ಸಾಧನದಲ್ಲೇ ತೆರೆದು ಪ್ರೊಸೆಸ್ ಆಗುತ್ತದೆ ಮತ್ತು ಅಲ್ಲಿಂದ ಹೊರಹೋಗುವುದಿಲ್ಲ — ಬ್ರೌಸರ್‌ನ Network ಟ್ಯಾಬ್ ತೆರೆದು ಏನೂ ಅಪ್‌ಲೋಡ್ ಆಗಿಲ್ಲ ಎಂಬುದನ್ನು ನೀವೇ ನೋಡಬಹುದು. ಶೀರ್ಷಿಕೆಗಳನ್ನು ಪಠ್ಯದ ಗಾತ್ರದಿಂದ ಗುರುತಿಸಲಾಗುತ್ತದೆ, ಆದ್ದರಿಂದ ಸಾಮಾನ್ಯ ಪಠ್ಯವನ್ನು ಬೋಲ್ಡ್ ಮಾಡಿ ಶೀರ್ಷಿಕೆಯಂತೆ ತೋರಿಸಿರುವ PDF ನಲ್ಲಿ ಶೀರ್ಷಿಕೆಗಳು ಪ್ರತ್ಯೇಕವಾಗಿ ಕಾಣುವುದಿಲ್ಲ.
ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು
PDF ಅನ್ನು Markdown ಗೆ ಏಕೆ ಪರಿವರ್ತಿಸಬೇಕು?
ಸಾದಾ ಪಠ್ಯ ಡಂಪ್ ಕಳೆದುಕೊಳ್ಳುವ ಶೀರ್ಷಿಕೆ ರಚನೆಯನ್ನು Markdown ಉಳಿಸಿಕೊಳ್ಳುತ್ತದೆ; RAG ಪೈಪ್‌ಲೈನ್ ಅದೇ ರಚನೆಯ ಆಧಾರದಲ್ಲಿ ತುಂಡುಗಳನ್ನು ಮಾಡುತ್ತದೆ ಮತ್ತು ಅದರಿಂದಲೇ ಮಾಡೆಲ್ ಸರಿಯಾದ ವಿಭಾಗವನ್ನು ಉಲ್ಲೇಖಿಸಬಲ್ಲದು. ChatGPT ಮತ್ತು Claude ಅತ್ಯಂತ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಓದುವ ಫಾರ್ಮ್ಯಾಟ್ ಕೂಡ ಇದೇ.
ನನ್ನ PDF ಅಪ್‌ಲೋಡ್ ಆಗುತ್ತದೆಯೇ?
ಇಲ್ಲ. ಪರಿವರ್ತನೆ ಸಂಪೂರ್ಣವಾಗಿ ನಿಮ್ಮ ಬ್ರೌಸರ್‌ನಲ್ಲೇ ನಡೆಯುತ್ತದೆ; ಫೈಲ್ ನಿಮ್ಮ ಸಾಧನದಿಂದ ಹೊರಹೋಗುವುದಿಲ್ಲ.
ಅಂಟಿಸಿದ ಪಠ್ಯ ಅಥವಾ HTML ಅನ್ನೂ ಪರಿವರ್ತಿಸಬಹುದೇ?
ಹೌದು. ಡ್ರಾಪ್ ಜೋನ್ ಖಾಲಿ ಬಿಟ್ಟು ಬಾಕ್ಸ್‌ನಲ್ಲಿ ಅಂಟಿಸಿ — HTML ತಾನಾಗಿ ಗುರುತಿಸಲ್ಪಟ್ಟು ಅದರ ಟ್ಯಾಗ್‌ಗಳು Markdown ಆಗುತ್ತವೆ, ಮತ್ತು ಸಾದಾ ಪಠ್ಯದಲ್ಲಿನ ಪಟ್ಟಿಗಳು ಹಾಗೂ ಶೀರ್ಷಿಕೆಗಳನ್ನು ಊಹಿಸಲಾಗುತ್ತದೆ.
ಯಾವುದು ಶೀರ್ಷಿಕೆ ಎಂದು ಅದಕ್ಕೆ ಹೇಗೆ ತಿಳಿಯುತ್ತದೆ?
ಪ್ರತಿ ಸಾಲನ್ನು ಅದೇ ದಾಖಲೆಯ ಮಧ್ಯಮ (median) ಪಠ್ಯ ಗಾತ್ರದೊಂದಿಗೆ ಹೋಲಿಸುತ್ತದೆ, ಹೀಗಾಗಿ 9pt ಒಪ್ಪಂದ ಮತ್ತು 14pt ಸ್ಲೈಡ್ ಡೆಕ್ ಎರಡೂ ಸರಿಯಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತವೆ. ದಪ್ಪ ಸಾಮಾನ್ಯ ಪಠ್ಯವನ್ನೇ ಶೀರ್ಷಿಕೆಯಂತೆ ಬಳಸಿದ PDF ನಲ್ಲಿ ಪತ್ತೆಹಚ್ಚಲು ಏನೂ ಇರುವುದಿಲ್ಲ, ಹೀಗಾಗಿ ಅದು ಸಪಾಟಾಗಿ ಬರುತ್ತದೆ.