xberg
快速、精準的文件智能引擎,支援多種語言:從超過100種格式中提取文字、表格與元數據,具備OCR、轉錄與程式碼智能功能。
xberg 是什麼?
快速、精準的文件智能引擎,支援多種語言:從超過100種格式中提取文字、表格與元數據,具備OCR、轉錄與程式碼智能功能。
xberg 概覽
這是什麼
Xberg 是一個多語言文件智慧引擎,核心使用 Rust 開發。它能從 107 種格式(涵蓋 141 種副檔名)中提取文字、中繼資料、圖片、表格與結構化資料,並支援 371 種程式語言的程式碼智慧。提供 15 種語言綁定、命令列工具、REST API 與 MCP 伺服器。
主要功能
- 107 種文件格式:PDF、Office 文件、圖片、HTML、電子郵件、電子書與結構化資料,支援 141 種副檔名,具備智慧 MIME 偵測。
- 音訊與影片轉錄:透過 Whisper ONNX 將 MP3、M4A、WAV、WebM 與 MP4 轉為文字(需啟用
transcription功能)。 - 隨需 OCR:支援多種後端(Tesseract、PaddleOCR、Candle、VLM),具備降級鏈、信心分數與語言自動偵測。
- 版面與表格:使用 ML 版面模型(PP-DocLayout-V3、RT-DETR)與表格結構模型(TATR、SLANet)重建閱讀順序與儲存格網格,輸出乾淨的 Markdown。
- 程式碼智慧:從 371 種程式語言中提取函式、類別、匯入、符號與文件字串,支援語法感知分塊以用於 RAG 管線。
- 結構化提取:透過本機(Ollama、LM Studio、vLLM)或託管 LLM,從任何文件直接產生符合綱要的 JSON,無需提示工程。
- 多種部署模式:可作為函式庫、命令列工具(14 個指令)、REST API(
xberg serve)、MCP 伺服器、Docker 與 Helm 使用。
使用情境
- 從 PDF、掃描圖片與 Office 文件中提取文字與表格。
- 結合程式碼智慧與嵌入向量建構 RAG 管線。
- 轉錄音訊與影片檔案以進行內容分析。
- 透過 CLI 或 REST API 自動化文件處理工作流程。
- 使用 15 種語言綁定之一,將文件智慧整合到應用程式中。
快速開始
sh pip install xberg sh brew install xberg-io/tap/xberg
授權與價格
MIT 授權。開放原始碼。
內容整理自該專案公開的 README 與儲存庫資訊。