Azure 雲端轉換 · MarkItDown 繁中教學站

內建 converter 全部在本機離線運作。需要更高品質（掃描 PDF、複雜表格、影片、結構化欄位）時， MarkItDown 提供兩條 Azure 雲端路徑。

兩者對照

能力	內建 converter	Document Intelligence	Content Understanding
文件轉換	離線、格式特定抽取	雲端版面分析	雲端多模態抽取
結構化欄位	不支援	此整合未暴露	YAML front matter（analyzer 欄位）
自訂 analyzer	不支援	此整合不可設定	`cu_analyzer_id` 支援
音訊 / 影片	僅基本音訊、無影片	不支援	音訊 + 影片 analyzer
成本	純本機	Azure API 計費	Azure API 計費

何時用 Content Understanding

音訊與影片——CU 是影片的唯一選項、音訊的高品質雲端選項。
結構化欄位抽取——預建或自訂 analyzer 抽出發票金額、收據日期、合約條款，序列化成 YAML front matter。
高品質文件抽取——掃描 PDF、複雜表格、多頁文件的雲端版面分析。
單一 API 涵蓋所有模態——一個 cu_endpoint 自動路由文件/圖/音/影。

Content Understanding 用法

pip install 'markitdown[az-content-understanding]'

# CLI
markitdown report.pdf --use-cu --cu-endpoint "<endpoint>"

# Python（零設定，自動依檔案類型選 analyzer）
from markitdown import MarkItDown
md = MarkItDown(cu_endpoint="<endpoint>")
print(md.convert("report.pdf").markdown)    # 文件 → prebuilt-documentSearch
print(md.convert("meeting.mp4").markdown)   # 影片 → prebuilt-videoSearch

# 自訂 analyzer（領域欄位抽取）
md = MarkItDown(cu_endpoint="<endpoint>", cu_analyzer_id="my-invoice-analyzer")
print(md.convert("invoice.pdf").markdown)
# 輸出含 YAML front matter：
# ---
# contentType: document
# fields:
#   VendorName: CONTOSO LTD.
#   InvoiceDate: '2019-11-15'
# ---
# <!-- page 1 -->

計費與範圍控制

計費注意：每個 convert() 呼叫，只要是 CU 路由的格式，就是一筆可計費的 Azure API 呼叫。用 cu_file_types 限制哪些格式才走 CU：

from markitdown.converters import ContentUnderstandingFileType

md = MarkItDown(
    cu_endpoint="<endpoint>",
    cu_file_types=[ContentUnderstandingFileType.PDF],   # 只有 PDF 走 CU
)

Document Intelligence 用法

pip install 'markitdown[az-doc-intel]'

# CLI
markitdown file.pdf -o document.md -d -e "<document_intelligence_endpoint>"

# Python
md = MarkItDown(docintel_endpoint="<document_intelligence_endpoint>")
result = md.convert("test.pdf")
print(result.text_content)

本站說明

Azure 兩條路徑都需要雲端資源與計費，本站不實跑；以上內容為官方 README 的忠實翻譯與對照整理。建立資源的指引見 Document Intelligence 與 Content Understanding 官方文件。