MarkItDown入門 – シンプルで効率的な文書変換ツール

企業における文書フォーマットの標準化は、重要な課題となっています。
そこで、シンプルで効率的な文書変換ツール「MarkItDown」が開発されました。

このツールは、様々な形式の文書をMarkdown形式に統一的に変換することができます。

技術的な特徴

MarkItDownは、Pythonで開発された軽量なライブラリです。
そのため、導入が容易で、既存のシステムへの統合も簡単です。

また、OpenAI GPT-4などのLLMと連携することで、画像の説明生成やテキスト抽出といった高度な機能も提供します。

必要なライブラリ

pip install markitdown openai python-dotenv

対応フォーマット

MarkItDownは幅広いファイル形式に対応しています。

主な対応形式

PDF、PowerPoint、Word、Excel
画像ファイル（EXIFメタデータ、OCR）
音声ファイル（メタデータ、音声転写）
HTML、CSV、JSON、XML

実践的な使用例

以下は、上記の画像を解析する例です。
この例では、OpenAI GPT-4を使用して画像の内容を解析します。

使用する前に、.envファイルにOpenAI APIキーを設定する必要があります。

.env

OPENAI_API_KEY="あなたのAPIキー"

コード例

from markitdown import MarkItDown
from openai import OpenAI
from dotenv import load_dotenv, find_dotenv

# 環境変数の読み込み
_ = load_dotenv(find_dotenv())

# OpenAIクライアントの初期化
client = OpenAI()

# MarkItDownの設定
md = MarkItDown(mlm_client=client, mlm_model="gpt-4o-mini")

# 画像の変換と解析
result = md.convert("japanese.jpg", mlm_prompt="画像からテキストを抽出してください。")
print(result.text_content)

プロンプトによって、出力結果が異なります。

テキスト抽出の場合

MLM Prompt: 画像からテキストを抽出してください。

ポイ捨て禁止！
NO LITTER
清潔できれいな港区を
港区 MINATO CITY

画像説明の場合

MLM Prompt: 画像について説明してください。

この画像には、ゴミのポイ捨てを禁止する看板が写っています。看板の上部には日本語で「ポイ捨て禁止！」と書かれ、その下には英語で「NO LITTER」と記されています。さらに、「清潔できれいな港区を」と記載されており、最後に「港区 MINATO CITY」と書かれています。この看板は、特定の地域での清掃や環境保護を促すためのものです。背景にはフェンスが見えます。

このように、プロンプトの内容によって、単純なテキスト抽出から詳細な画像説明まで、異なる形式の出力を得ることができます。
そのため、用途に応じて適切なプロンプトを選択することが重要です。