MinerU WebUI 3步启动指南PDF解析到Markdown的可视化教程【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU把 PDF 解析成 Markdown 不再需要背命令行MinerU开源文档解析工具提供 Gradio WebUI 可视化界面在浏览器里完成上传、配置、转换、下载全流程。安装加启动只需 3 条命令10 分钟内你可以完成首次 PDF 解析并独立为学术论文、批量文件、低显存机器各选出一套后端模式与关键参数。 一、能力边界WebUI 能做什么功能模块解决什么问题适合谁可视化文件上传不用拼 CLI 参数拖拽即解析 PDF、图片、DOCX/PPTX/XLSX新手、临时处理单个文档的人后端模式切换同一个界面上在精度与速度之间取舍Hybrid/Pipeline/VLM/远程需要按场景选引擎的中级用户识别选项开关按需开关表格识别、公式识别、OCR 语言与强制 OCR文档含公式/表格、扫描件的读者结果在线预览解析完直接看 Markdown 渲染效果与原始文本不必等下载需要即时校验转换质量的人结果文件下载一键打包下载 Markdown 与结构化 JSON 产物要把结果接进 RAG 或工作流的开发者CLI 批量自动化、mineru-api服务化部署与mineru-router多 GPU 编排不在本文范围参见项目内 docs/zh/usage/quick_usage.md。 二、环境自检、安装与3步启动启动前先核对 5 项环境判断句缺 GPU 也能跑 Pipeline 后端但选 VLM/Hybrid 时请逐项确认显卡Python 版本在 3.10–3.13 之间MinerU 的requires-python范围内存 ≥16GB解析长文档时内存占用会显著上升可用磁盘 ≥50GB模型下载约占 10GBNVIDIA GPU 显存 ≥6GB无 GPU 只能走 CPU 或远程服务网络能访问模型源国内网络建议先切到 ModelScope安装只需 1 条命令。mineru[core]一次性装上解析核心、本地推理与 WebUI 依赖避免后续缺组件报错# 安装 MinerU 核心包含 gradio WebUI 依赖pip 用户执行用 uv 的话在行首把 pip 换成 uv pip install -U mineru[core]启动同理先给理由再给命令。默认启动会拉起本地解析服务并占用 7860 端口# 默认启动 Gradio WebUI mineru-gradio局域网其他设备要访问时加上监听地址与端口参数这也是最常用的变体# 监听 0.0.0.0:7860允许局域网访问 mineru-gradio --server-name 0.0.0.0 --server-port 7860看到类似输出即启动成功浏览器打开http://127.0.0.1:7860* Running on local URL: http://127.0.0.1:7860 * To create a public link, set shareTrue in launch(). 三、一次完整解析工作流上传→配置→解析→取结果步骤1上传待解析文件。左侧上传区支持 PDF、图片JPG/PNG 等以及 DOCX/PPTX/XLSX 文件支持拖拽或点击选择启动时默认开启示例文件可直接点示例快速体验不用先找测试文档。步骤2选择解析配置。上传区下方依次是后端下拉框、识别选项与高级选项。后端有 4 个选项Hybrid推荐、Pipeline、VLM以及--enable-http-client true启动后出现的远程选项识别选项含表格识别、公式识别、OCR 语言、强制 OCR 四个开关另有最大转换页数滑杆。各后端的取舍见第五章此处只需认识这几个开关。步骤3触发解析。点击 Convert 按钮提交任务下方状态栏实时显示转换进度首次使用会自动下载模型这一步耗时长属正常现象不必刷新页面。步骤4获取结果。解析完成后右侧依次呈现文档预览、转换状态、Markdown 渲染视图公式按 LaTeX 分隔符实时渲染、Markdown 原始文本最下方 Result file 区提供结果打包下载含 Markdown 与结构化 JSON。 四、后端模式对比与选择模式一句话定位最低显存100页典型耗时典型场景hybrid-engine默认推荐精度与速度均衡8GB约10分钟通用文档、含公式的论文pipeline稳定多语言唯一纯 CPU 可跑0CPU 可跑约15分钟多语种文档、低配机器vlm-engine视觉语言模型直读中英精度最高8GB约8分钟高难度排版、中英学术文档vlm-hybrid-http-client模型在远端服务本地近乎零显存0取决于服务已有推理服务、纯 CPU 机器耗时为 8GB 显存 GPU 上的量级参考请以你机器实测为准。每个模式一句判定句hybrid-engine默认首选显存 8GB 直接用它pipelineCPU 或多语种文档时选它vlm-engine精度优先且显存≥8GB 时选它vlm-hybrid-http-client本机无卡但已有远端推理服务时选它️ 五、按场景配置3类关键参数1. 精度优先学术论文/含公式参数推荐值说明后端vlm-engine中英高精度解析显示公式识别开启关闭后公式只会以图片形式输出表格识别开启关闭后表格按图片保留OCR 语言en英文论文扫描件识别质量与语言强相关# 国内网络切换模型源并指定推理设备变量名以项目配置文档为准 export MINERU_MODEL_SOURCEmodelscope export MINERU_DEVICE_MODEcuda:0预期效果公式以 LaTeX 文本输出而非截图100 页英文论文在 8GB 显存上约 8 分钟量级。2. 速度与批量大文件/多文件参数推荐值说明后端hybrid-engine默认均衡批量吞吐稳定最大转换页数200防超大文档拖垮内存界面滑杆可调批处理方式单文件逐个提交WebUI 串行处理数百个文件请改用 CLI# 国内模型源降低首次启动的下载等待 export MINERU_MODEL_SOURCEmodelscope预期效果hybrid 后端单文件 100 页约 10 分钟量级超过 100 个文件的批量任务建议转 CLI 的mineru -p 输入目录 -o 输出目录。3. 低显存与纯 CPU显存≤6GB参数推荐值说明后端pipeline低配下唯一稳的本地选项公式识别关闭省显存公式以图片保留替代方案vlm-hybrid-http-client有远端服务时本地几乎零显存# pipeline 后端的模型源与设备配置变量名以项目配置文档为准 export MINERU_MODEL_SOURCEmodelscope export MINERU_DEVICE_MODEcpu预期效果12GB 内存的纯 CPU 机器可完整跑通 pipeline 后端100 页约 15 分钟量级无显存压力。 六、问题速查表现象第一反应立即操作仍未解决时进阶排查启动报端口占用换端口mineru-gradio --server-port 7861查 7860 被谁占用并停掉旧进程模型下载极慢/卡死export MINERU_MODEL_SOURCEmodelscope后重启检查代理与网络或用mineru-models-download预下载模型解析中断、显存不足调小最大转换页数或换 pipeline 后端限制推理设备与显存或改用远程 client 后端扫描页识别乱码确认 OCR 语言选对再勾选强制 OCR更换后端重解析检查原始 PDF 质量公式未渲染成文本确认公式识别开关为开启调整启动参数--latex-delimiters-type a/b/all通用日志排查把启动输出完整落盘出错后定位最后一行异常# 启动 WebUI 并把全部日志写入 mineru_webui.logMINERU_LOG_LEVEL 等变量以官方文档为准 mineru-gradio --server-port 7860 21 | tee mineru_webui.log 七、性能参考测试条件NVIDIA RTX 3060 12GB GPU、100 页英文学术论文 PDF、hybrid 与 vlm 后端各测一轮。耗时与占用为量级参考请以你硬件实测为准。后端硬件100页耗时内存显存pipelineRTX 3060 12GB约15分钟约8GB约6GBvlm-engineRTX 3060 12GB约8分钟约12GB约10GBhybrid-engineRTX 3060 12GB约10分钟约12GB约8GB✅ 八、收尾MinerU WebUI 把 PDF 解析压缩成上传—选后端—下载三步精度与速度按场景各取所需。下一步可学习 CLI 批量模式docs/zh/usage/cli_tools.md处理数百个文件的自动化任务。本文基于 MinerU 2.x 版本编写参数与默认值可能随版本更新请以项目内官方文档为准。【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
