PDF किंवा टेक्स्ट ते स्वच्छ Markdown
PDF — किंवा पेस्ट केलेला टेक्स्ट आणि HTML — स्वच्छ, सुव्यवस्थित Markdown मध्ये बदला, जे RAG पाइपलाइन, ChatGPT, Claude किंवा प्रकाशनासाठी तयार असेल. हेडिंग्ज, याद्या आणि परिच्छेद सपाट न होता मांडणीवरून ओळखले जातात — डॉक्युमेंटचा योग्य संदर्भ देण्यासाठी retriever ला नेमका हाच भाग लागतो. फाइल आपल्या स्वतःच्या डिव्हाइसवरच उघडते आणि प्रोसेस होते, आणि तिथून कधीही बाहेर जात नाही — ब्राउझरचा Network टॅब उघडून काहीही अपलोड होत नाही हे आपण स्वतः पाहू शकता. हेडिंग्ज मजकुराच्या आकारावरून ओळखली जातात, त्यामुळे ज्या PDF मध्ये हेडिंग्जऐवजी फक्त बोल्ड मजकूर वापरला आहे, तिचा निकाल सपाट येईल.
वारंवार विचारले जाणारे प्रश्न
PDF Markdown मध्ये का कन्व्हर्ट करावी?
साध्या टेक्स्ट डंपमध्ये हरवणारी हेडिंग्जची रचना Markdown जपते — RAG पाइपलाइन याच रचनेनुसार मजकुराचे तुकडे (chunks) करते, आणि याच रचनेमुळे मॉडेल योग्य विभागाचा संदर्भ देऊ शकते. ChatGPT आणि Claude सर्वात विश्वासार्हपणे वाचतात तो फॉरमॅटही हाच आहे.
माझी PDF अपलोड होते का?
नाही. कन्व्हर्जन संपूर्णपणे आपल्या ब्राउझरमध्ये होते; फाइल कधीही आपल्या डिव्हाइसबाहेर जात नाही.
पेस्ट केलेला टेक्स्ट किंवा HTML सुद्धा कन्व्हर्ट करता येतो का?
हो. ड्रॉप झोन रिकामा ठेवा आणि त्याऐवजी बॉक्समध्ये पेस्ट करा — HTML आपोआप ओळखले जाते आणि त्याचे टॅग्ज Markdown बनतात, तर साध्या टेक्स्टमधील याद्या आणि हेडिंग्ज अंदाजाने ओळखली जातात.
हेडिंग कोणते हे त्याला कसे कळते?
ते प्रत्येक ओळीची तुलना त्याच डॉक्युमेंटमधील मजकुराच्या मध्यम (median) आकाराशी करते, त्यामुळे 9pt चा करार आणि 14pt चे स्लाइड डेक दोन्ही व्यवस्थित चालतात. ज्या PDF मध्ये हेडिंग्जऐवजी फक्त बोल्ड मजकूर वापरला आहे, तिथे ओळखण्यासारखे काहीच नसते, आणि निकाल सपाट येतो.