中国のOpenDataLabが開発する文書解析エンジン「MinerU」が、GitHubで1日あたり524スター増のペースで急上昇している。PDFやOffice文書、画像を生成AIが扱いやすい構造化Markdown/JSONへ変換するOSSで、最新版でOCR精度と処理速度が改善され、商用利用しやすいライセンスへ変更された。
中国のOpenDataLabが開発する文書解析エンジンMinerUが、GitHubで1日あたり524スター増のペースで急上昇している(総スター数69,101)。PDF・Word・PowerPoint・Excel・画像・Webページを、生成AIが扱いやすい構造化Markdown/JSONへ変換するOSSだ。
視覚言語モデル(VLM)とOCRの2エンジン構成で109言語に対応し、数式をLaTeX、表をHTMLへ変換、ページをまたぐ表の結合も扱う。バージョン3.4ではOmniDocBench v1.6基準でOCR精度が約11%向上、処理速度が約100%(約2倍)高速化した。
実務上の転機はライセンス変更で、AGPLv3からApache 2.0ベースの独自ライセンスへ変わり商用導入の障壁が下がった。完全オフラインで動作しCPUのみでも使え、Ascendなど中国製AIチップ10種以上に対応する。社内文書を外部に出せない環境でのRAG構築において、自前運用の有力な選択肢になっている。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
生成AIに社内文書を読ませる用途（検索拡張＝RAGや業務エージェント）では、複雑なレイアウトの文書を正確にテキスト化する前処理が品質を左右する。MinerUは数式をLaTeX、表をHTMLに変換し、手書きや段組み、ページをまたぐ表の結合にも対応する。視覚言語モデル（VLM）とOCRの2エンジンを備え、109言語を認識できる。2026年4月のバージョン3.1.0でライセンスがAGPLv3からApache 2.0ベースの独自ライセンスに変更され、商用導入の障壁が下がった。
AIに自社文書を活用させる際、前処理の精度がそのまま回答品質に直結するため、文書解析エンジンの選定は実務上の重要課題である。MinerUは完全オフラインでの自前運用（プライベート展開）に対応し、CPUのみでも動作するうえ、Ascendなど中国製AIチップを含む10種以上のハードに対応する。商用利用しやすいライセンスへの変更も相まって、業務システムへの組み込み候補として注目されている。
MinerUはGitHubで1日あたり524スターのペースで増え、総スター数は69,101に達している。開発元は中国のOpenDataLab。PDF・Word(DOCX)・PowerPoint(PPTX)・Excel(XLSX)・画像・Webページを、生成AIが扱いやすい構造化Markdown/JSONへ変換するエンジンだ。
Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.
引用は「PDFやOffice文書のような複雑な文書を、AIエージェントの処理に乗せやすいMarkdown/JSON形式へ変換する」という意味だ。生成AIに社内文書を読ませる用途では、複雑なレイアウトを正確にテキスト化する前処理が回答品質を決める。MinerUはそこを担う部品として注目を集めている。
MinerUは視覚言語モデル(VLM=画像と文章を同時に理解するAIモデル)と文字認識(OCR)の2エンジン構成で、109言語の文字認識に対応する。数式はLaTeX、表はHTMLへ変換し、複数ページにまたがる表の結合も扱う。手書きや段組みのレイアウトにも対応する。
バージョン3.4では、文書解析の公開ベンチマークOmniDocBench v1.6を基準にOCR精度が約11%向上し、処理速度は約100%(およそ2倍)高速化した。前処理が速く正確になるほど、後段のAIに渡すデータの欠落や誤りが減り、最終的な回答の品質が安定する。
MinerUの実務上の転機はライセンス変更だ。以前のAGPLv3はソース公開義務が厳しく商用組み込みのハードルが高かったが、Apache 2.0ベースの独自ライセンスへ変わり、業務システムへの組み込み判断がしやすくなった。
さらに完全オフラインでの自前運用(プライベート展開)に対応し、CPUのみでも動作する。GPUがない環境や、文書を外部クラウドに出せない金融・医療・官公庁系のシステムでも動かせる。AscendなどNVIDIA以外の中国製AIチップ10種以上にも対応する。文書をクラウドに送らずに構造化できる点は、データ越境の懸念を抱える国内の現場にとって導入の決め手になりやすい。
立場別、明日から動ける一手。
自社の文書サンプルでMinerUのVLMエンジンとOCRエンジンの抽出精度を、現行の文書解析手段と比較する。
Apache 2.0ベースの新ライセンス条文を、自社の商用組み込み要件に照らして確認する。
複雑なレイアウトのPDFと表を含む文書でMarkdown変換の崩れと処理時間をCPU環境で測る。
完全オフラインかつCPUのみで動く点と、ライセンスがApache 2.0ベースへ変わり商用利用しやすくなった点が注目されている。
社内文書を外部クラウドに出せない環境でのRAG(社内文書を検索して回答に使う仕組み)構築に使えるという実務的な期待が中心。一方で、自社の複雑なレイアウト文書で実際にどこまで精度が出るか、従量課金のクラウドAPIと比べた処理コストはどうかを実測で確かめたいという慎重な見方もある。
※トレンド検出時刻付近の人気投稿を表示
