El mejor conversor de PDF a Markdown depende de cómo trabajes. Si programas en Python, tienes bibliotecas gratuitas como MarkItDown y Docling. Para grandes lotes en una GPU encajan Docling, Marker o MinerU. Si quieres una aplicación para Windows sin configuración, existe MD Factory. Pandoc convierte muchos formatos a Markdown, pero no PDF.

Aviso: MD Factory es nuestro producto. Para los PDF usa Docling, que comparamos más abajo, y el motor de OCR Tesseract. Los datos sobre las demás herramientas proceden de sus propios README, documentación y archivos de licencia, revisados el 17 de octubre de 2026.

Cuatro pilas de documentos en papel de distintos tipos, alineadas una junto a otra delante de un portátil.
Cada conversor se adapta a un tipo de documento y a una forma de trabajar distintos.

Tabla comparativa

La tabla recoge lo que dicen las páginas de cada proyecto a octubre de 2026. Estas herramientas cambian rápido, así que revisa las páginas enlazadas antes de decidirte.

HerramientaQué esPDF escaneadosFunciona enLicenciaCoste
MarkItDownBiblioteca de Python y línea de comandosSin OCR integrado; necesita un plugin con LLM o un servicio de AzurePython 3.10 a 3.14MITGratis; las llamadas a Azure se facturan
DoclingBiblioteca de Python y línea de comandosOCR local, con varios motores a elegirWindows, macOS, Linux; Python 3.10 o posteriorMIT; los modelos tienen sus propias licenciasGratis
MarkerBiblioteca de Python y línea de comandosOCR local con su propio modeloPython 3.10 o posterior con PyTorch; GPU, CPU o Apple SiliconApache 2.0; pesos del modelo con una licencia OpenRAIL-M modificadaGratis dentro de la licencia de los pesos; licencia comercial fuera de ella
MinerUBiblioteca de Python, línea de comandos e interfaz webOCR localWindows, macOS, Linux; Python 3.10 a 3.14Apache 2.0 con condiciones adicionalesGratis por debajo de los umbrales de la licencia
PandocConversor de línea de comandosNo lee PDFWindows, macOS, LinuxGPL 2.0 o posteriorGratis
Conversores en líneaSitio webDepende del servicioNavegadorLas condiciones del servicioGratis o de pago, según el servicio
MD FactoryApp para WindowsOCR local integradoWindows 10 22H2 y Windows 11, x64PropietariaPrueba gratuita de 7 días y después pago único

MarkItDown: el conversor ligero de Microsoft

MarkItDown es una biblioteca de Python de código abierto con herramienta de línea de comandos, creada por Microsoft. Convierte a Markdown PDF, Word, PowerPoint, Excel, HTML, EPUB, imágenes, audio y algunos formatos más. Necesita Python 3.10 a 3.14, y el README recomienda instalarla en un entorno virtual.

pip install "markitdown[all]"
markitdown report.pdf -o report.md

Su conversor de PDF integrado lee la capa de texto del PDF. Construye las tablas de Markdown a partir de palabras alineadas en columnas y no ejecuta modelos de diseño ni de OCR. El README indica que la salida está pensada para herramientas de análisis de texto y que puede no servir para conversiones fieles que vayan a leer personas.

Las páginas escaneadas necesitan un complemento. El plugin markitdown-ocr, del mismo repositorio, renderiza cada página escaneada y la envía a un modelo de visión mediante un cliente compatible con OpenAI. La opción de Azure Document Intelligence envía el PDF al servicio en la nube de Microsoft, y cada llamada se factura. En ambos casos, las páginas van al modelo o servicio que configures.

MarkItDown tiene licencia MIT y es gratuito.

Docling: modelos de diseño y OCR local

Docling es un conversor de código abierto que nació en IBM Research y que hoy acoge la LF AI & Data Foundation. Ejecuta modelos de aprendizaje automático en cada página del PDF para detectar el diseño, el orden de lectura y la estructura de las tablas, y después exporta Markdown, HTML o JSON. Funciona en Windows, macOS y Linux con Python 3.10 o posterior.

pip install docling
docling report.pdf --output markdown --image-export-mode referenced

Los modelos se descargan en el primer uso. Para equipos sin acceso a internet, la documentación explica cómo descargarlos por adelantado. El OCR se ejecuta en local con el motor que elijas, como EasyOCR, RapidOCR o Tesseract. La GPU es opcional: además de la CPU, Docling puede usar dispositivos NVIDIA CUDA, Apple MPS e Intel XPU.

La última opción del ejemplo guarda las imágenes como archivos PNG separados. Sin ella, Docling incrusta las imágenes en el Markdown como texto base64.

El código de Docling tiene licencia MIT, y el README pide revisar la licencia propia de cada modelo. Los modelos de diseño y de tablas de su flujo estándar para PDF se publican con Apache 2.0 y CDLA-Permissive-2.0. Docling es gratuito.

Docling frente a MarkItDown

Ambos son gratuitos, tienen licencia MIT y se instalan con un solo comando pip. Leen los PDF de formas distintas.

PreguntaMarkItDownDocling
Cómo lee un PDFCapa de texto y alineación de columnasModelos de diseño, orden de lectura y estructura de tablas
Páginas escaneadasUn plugin con LLM o AzureOCR local
Qué instalaNi PyTorch ni modelos de diseño u OCRPyTorch y modelos que se descargan en el primer uso
Otras entradasArchivos de Office, HTML, EPUB, imágenes, audio, archivos ZIP, enlaces de YouTubeArchivos de Office, HTML, EPUB, imágenes, audio, LaTeX, correos y más
Elígelo cuandoTus PDF tienen capa de texto y quieres una dependencia ligeraTus PDF incluyen escaneos, páginas a varias columnas o tablas que debes conservar

Si dudas, prueba ambos con cinco o diez PDF propios y compara el Markdown con las páginas originales.

Marker: lotes en GPU y una licencia de modelos que conviene revisar

Marker es un conversor de código abierto de Datalab. Convierte PDF e imágenes a Markdown, JSON o HTML y, con dependencias adicionales, también procesa DOCX, PPTX, XLSX, HTML y EPUB. Necesita Python 3.10 o posterior y PyTorch, y funciona en GPU, CPU o Apple Silicon.

pip install marker-pdf
marker_single report.pdf
marker pdfs --output_dir markdown
marker_single report.pdf --use_llm

El OCR lo hace el modelo surya de Datalab en un servidor de inferencia local que Marker arranca en el primer uso: vLLM en Docker con GPU NVIDIA y llama.cpp con CPU y Apple Silicon. Docker o llama.cpp los instalas tú. En una CPU, Marker usa por defecto un modo rápido que solo llama al modelo para páginas escaneadas, texto dañado y ecuaciones.

Un modo opcional con LLM, el último comando del ejemplo, envía contenido a un LLM para unir tablas repartidas entre páginas, formatear matemáticas en línea y extraer valores de formularios. Gemini es el predeterminado; también funcionan Claude, API compatibles con OpenAI y modelos locales mediante Ollama. Necesitas una clave de API del servicio elegido o un modelo de Ollama en marcha.

Revisa la licencia antes de usar Marker en el trabajo. El código tiene licencia Apache 2.0. Los pesos del modelo usan una licencia AI Pubs Open RAIL-M modificada: son gratuitos para uso personal, investigación y organizaciones con menos de 5 millones de dólares de ingresos anuales y menos de 5 millones de dólares de financiación total. Las organizaciones más grandes, y cualquiera cuyo empleador ofrezca un producto que compita con Datalab, necesitan una licencia comercial de Datalab. Las condiciones completas están en el archivo de licencia del modelo.

El README de Marker también publica resultados propios de Datalab en olmocr-bench, un benchmark público de 1.403 PDF; en esas pruebas, el modo balanced de Marker en GPU puntúa por encima de Docling y MinerU. No hemos repetido las pruebas.

MinerU: niveles de calidad de la CPU a la GPU

MinerU es obra del equipo de OpenDataLab. Convierte PDF, imágenes y archivos de Office a Markdown y otros formatos. La versión 4 tiene cuatro niveles de calidad, desde flash para vistas previas rápidas hasta advanced para documentos difíciles. Funciona en Windows, macOS y Linux con Python 3.10 a 3.14; el README lo instala en un entorno virtual.

pip install "mineru>=4.0,<5"
mineru-kit parse report.pdf -o report.md --tier standard
mineru telemetry disable

La instalación predeterminada funciona en CPU. El nivel basic necesita unos 0,8 GB de modelos y 2 GB de RAM; los niveles standard y advanced, unos 2 GB de modelos y 8 GB de RAM. Con una GPU NVIDIA de al menos 8 GB de memoria de vídeo, el extra full ofrece más rendimiento. El OCR se ejecuta en local.

Los documentos solo van al servicio en línea de MinerU si pides el procesamiento remoto. El README también indica que MinerU puede enviar telemetría de uso anónima que excluye el contenido de los documentos, los nombres de archivo y las rutas. El último comando del ejemplo desactiva la telemetría.

La licencia es Apache 2.0 con condiciones adicionales. Las empresas con más de 100 millones de usuarios activos mensuales o más de 20 millones de dólares de ingresos mensuales necesitan una licencia comercial aparte, y los servicios en línea basados en MinerU deben indicar que lo usan.

Pandoc no lee PDF

Pandoc es un conversor gratuito de línea de comandos entre decenas de formatos de documento, pero no puede leer PDF. PDF no aparece entre los formatos de entrada de su manual, y las preguntas frecuentes oficiales dicen que no es posible convertir PDF con Pandoc. Pandoc solo genera PDF como salida. Fuentes: manual de Pandoc, preguntas frecuentes de Pandoc.

Pandoc es útil cuando tienes el archivo de origen en lugar del PDF. Lee DOCX, PPTX, XLSX, EPUB, HTML, ODT, RTF y más, y se instala en Windows, macOS y Linux. En Windows:

winget install --source winget --exact --id JohnMacFarlane.Pandoc
pandoc report.docx -o report.md

Pandoc tiene licencia GPL 2.0 o posterior y es gratuito.

Conversores en línea: sin instalación, pero el archivo sale de tu PC

Los sitios web que convierten PDF a Markdown no requieren instalación y funcionan en cualquier navegador. Eso sirve para un único documento que compartirías en público de todos modos.

A cambio, pierdes control. El PDF va al servidor de otra empresa, y cuánto tiempo se queda allí, quién puede acceder a él y si los escaneos pasan por OCR depende de ese servicio. Antes de subir contratos, documentos médicos o financieros o archivos de clientes, lee la política de privacidad del servicio o usa una herramienta que funcione en tu equipo.

Las opciones locales están en nuestra guía: Convierte documentos sin subirlos a internet.

MD Factory: Docling y Tesseract en una aplicación para Windows

MD Factory es nuestro producto, tenlo en cuenta al leer esta sección. Es una aplicación para Windows de Microsoft Store que convierte archivos PDF, DOCX, PPTX, XLSX, HTML, TXT, EPUB, CSV, EML, FB2 y MOBI a Markdown en tu PC.

Para los PDF, MD Factory ejecuta Docling con el motor de OCR Tesseract. Los demás formatos pasan por sus propios conversores. Si te manejas con Python, Docling y Tesseract son gratuitos y hacen el núcleo de la conversión de PDF. MD Factory añade la instalación y el flujo de trabajo a su alrededor:

  • Solo instalas la aplicación. Los modelos de diseño y de tablas y los datos de idioma del OCR vienen incluidos, así que no hay que configurar Python ni descargar nada después.
  • MD Factory reconoce los PDF escaneados en tu PC, con detección automática de escritura o un idioma de OCR que elijas.
  • Añades archivos o una carpeta entera con sus subcarpetas, y la conversión empieza al instante.
  • Cada archivo Markdown se guarda junto a su origen, con sus imágenes en una carpeta al lado. El original no cambia.
  • Cada archivo termina como Completado, Necesita revisión o Falló. MD Factory marca Necesita revisión cuando una página tiene una confianza de OCR baja o no tiene texto extraído.

Las bibliotecas son más fuertes en cuatro aspectos:

  • MD Factory no tiene línea de comandos ni API, así que no puede ejecutarse dentro de un script ni de un flujo en un servidor.
  • Solo funciona en Windows 10 22H2 y Windows 11, x64. Las bibliotecas también funcionan en macOS y Linux.
  • Convierte en la CPU y no usa la GPU. Procesa los PDF de uno en uno y los demás formatos en paralelo. Docling, Marker y MinerU pueden usar una GPU NVIDIA.
  • Tras una prueba gratuita de 7 días, MD Factory es un pago único. Las bibliotecas son gratuitas.

Cuál elegir

Si programas en Python, prueba primero MarkItDown cuando tus PDF tengan capa de texto y también conviertas archivos de Office o páginas web. Pasa a Docling cuando necesites OCR local, tablas o el orden de lectura correcto entre columnas. Ambos son gratuitos.

Si gestionas un flujo a gran escala, fíjate en Docling, Marker y MinerU: los tres convierten carpetas enteras y pueden usar GPU NVIDIA. Pruébalos con una muestra de tus propios documentos y, si el trabajo es comercial, revisa la licencia del modelo de Marker y los umbrales de MinerU.

Si usas Windows y no quieres configurar nada, MD Factory convierte archivos y carpetas, escaneos incluidos, sin línea de comandos, tras una prueba gratuita de 7 días. Si tienes el original en Word o EPUB y no te importa usar la línea de comandos, Pandoc es gratuito.

Si tus documentos son confidenciales, elige una herramienta que funcione en local y evita los conversores en línea. En las bibliotecas, revisa las opciones que envían datos fuera de tu equipo: los ajustes de Azure y LLM de MarkItDown, el modo LLM de Marker, el procesamiento remoto y la telemetría de MinerU. MD Factory procesa los archivos en tu PC.

Elijas la herramienta que elijas, compara algunas páginas del Markdown con el original, sobre todo tablas, páginas a varias columnas y escaneos.

Guías relacionadas: preparar PDF para RAG, convertir PDF escaneados a Markdown.