Melhores conversores de PDF para Markdown: comparativo 2026

O melhor conversor de PDF para Markdown depende de como você trabalha. Quem programa em Python tem bibliotecas gratuitas como MarkItDown e Docling. Para grandes lotes em GPU, servem Docling, Marker ou MinerU. Se você quer um aplicativo para Windows sem configuração, existe o MD Factory. O Pandoc converte muitos formatos para Markdown, mas não PDF.

Aviso: o MD Factory é nosso produto. Para PDFs, ele usa o Docling, comparado abaixo, e o mecanismo de OCR Tesseract. As informações sobre as outras ferramentas vêm dos próprios README, documentações e arquivos de licença, verificados em 17 de outubro de 2026.

Tabela comparativa

A tabela reflete as páginas de cada projeto em outubro de 2026. Essas ferramentas mudam rápido, então confira as páginas indicadas antes de decidir.

MarkItDown: o conversor leve da Microsoft

MarkItDown é uma biblioteca Python de código aberto com ferramenta de linha de comando, criada pela Microsoft. Ela converte para Markdown PDF, Word, PowerPoint, Excel, HTML, EPUB, imagens, áudio e alguns outros formatos. Exige Python 3.10 a 3.14, e o README recomenda instalá-la em um ambiente virtual.

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

O conversor de PDF integrado lê a camada de texto do PDF. Ele monta as tabelas em Markdown a partir de palavras alinhadas em colunas e não executa modelos de layout nem de OCR. O README diz que a saída se destina a ferramentas de análise de texto e pode não servir para conversões fiéis que pessoas vão ler.

Páginas digitalizadas precisam de um complemento. O plugin markitdown-ocr, do mesmo repositório, renderiza cada página digitalizada e a envia a um modelo de visão por meio de um cliente compatível com a OpenAI. A opção Azure Document Intelligence envia o PDF ao serviço em nuvem da Microsoft, e cada chamada é cobrada. Nos dois casos, as páginas vão para o modelo ou serviço que você configurar.

O MarkItDown tem licença MIT e é gratuito.

Docling: modelos de layout e OCR local

Docling é um conversor de código aberto iniciado pela IBM Research e hoje hospedado pela LF AI & Data Foundation. Ele executa modelos de aprendizado de máquina em cada página do PDF para detectar o layout, a ordem de leitura e a estrutura das tabelas e depois exporta Markdown, HTML ou JSON. Funciona no Windows, no macOS e no Linux com Python 3.10 ou posterior.

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

Os modelos são baixados no primeiro uso. Para computadores sem acesso à internet, a documentação explica como baixá-los antes. O OCR roda localmente com o mecanismo que você escolher, como EasyOCR, RapidOCR ou Tesseract. A GPU é opcional: além da CPU, o Docling pode usar dispositivos NVIDIA CUDA, Apple MPS e Intel XPU.

A última opção do exemplo salva as imagens como arquivos PNG separados. Sem ela, o Docling incorpora as imagens ao Markdown como texto base64.

O código do Docling tem licença MIT, e o README pede que você verifique a licença de cada modelo. Os modelos de layout e de tabelas do pipeline padrão de PDF são publicados sob Apache 2.0 e CDLA-Permissive-2.0. O Docling é gratuito.

Docling ou MarkItDown

Os dois são gratuitos, têm licença MIT e se instalam com um único comando pip. Eles leem PDFs de formas diferentes.

Na dúvida, teste os dois com cinco ou dez PDFs seus e compare o Markdown com as páginas originais.

Marker: lotes em GPU e uma licença de modelos para conferir

Marker é um conversor de código aberto da Datalab. Ele transforma PDFs e imagens em Markdown, JSON ou HTML e, com dependências extras, também processa DOCX, PPTX, XLSX, HTML e EPUB. Exige Python 3.10 ou posterior e PyTorch, e roda em GPU, CPU ou Apple Silicon.

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

O OCR é feito pelo modelo surya, da Datalab, em um servidor de inferência local que o Marker inicia no primeiro uso: vLLM no Docker em GPUs NVIDIA e llama.cpp em CPUs e Apple Silicon. Você instala o Docker ou o llama.cpp por conta própria. Na CPU, o Marker usa por padrão um modo rápido que só aciona o modelo para páginas digitalizadas, texto corrompido e equações.

Um modo opcional com LLM, o último comando do exemplo, envia conteúdo a um LLM para juntar tabelas divididas entre páginas, formatar fórmulas no texto e extrair valores de formulários. O Gemini é o padrão; Claude, APIs compatíveis com a OpenAI e modelos locais via Ollama também funcionam. Você precisa de uma chave de API do serviço escolhido ou de um modelo do Ollama em execução.

Confira a licença antes de usar o Marker no trabalho. O código tem licença Apache 2.0. Os pesos do modelo usam uma licença AI Pubs Open RAIL-M modificada: são gratuitos para uso pessoal, pesquisa e organizações com menos de US$ 5 milhões de receita anual e menos de US$ 5 milhões de financiamento total. Organizações maiores, e qualquer pessoa cujo empregador ofereça um produto concorrente da Datalab, precisam de uma licença comercial da Datalab. Os termos completos estão no arquivo de licença do modelo.

O README do Marker também publica resultados próprios da Datalab no olmocr-bench, um benchmark público com 1.403 PDFs; nesses testes, o modo balanced do Marker em GPU pontua acima do Docling e do MinerU. Não repetimos os testes.

MinerU: níveis de qualidade da CPU à GPU

MinerU vem da equipe OpenDataLab. Ele converte PDFs, imagens e arquivos do Office para Markdown e outros formatos. A versão 4 tem quatro níveis de qualidade, de flash, para pré-visualizações rápidas, a advanced, para documentos difíceis. Funciona no Windows, no macOS e no Linux com Python 3.10 a 3.14; o README o instala em um ambiente virtual.

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

A instalação padrão roda na CPU. O nível basic precisa de cerca de 0,8 GB de modelos e 2 GB de RAM; os níveis standard e advanced, de cerca de 2 GB de modelos e 8 GB de RAM. Com uma GPU NVIDIA com pelo menos 8 GB de memória de vídeo, o extra full oferece mais vazão. O OCR roda localmente.

Os documentos só vão para o serviço online do MinerU quando você pede o processamento remoto. O README também diz que o MinerU pode enviar telemetria de uso anônima, sem o conteúdo dos documentos, nomes de arquivos ou caminhos. O último comando do exemplo desativa a telemetria.

A licença é Apache 2.0 com termos adicionais. Empresas com mais de 100 milhões de usuários ativos mensais ou mais de US$ 20 milhões de receita mensal precisam de uma licença comercial separada, e serviços online baseados no MinerU devem informar que o usam.

O Pandoc não lê PDF

O Pandoc é um conversor gratuito de linha de comando entre dezenas de formatos de documento, mas não lê PDF. O PDF não aparece entre os formatos de entrada do manual, e o FAQ oficial diz que não é possível converter PDFs com o Pandoc. O Pandoc só gera PDF como saída. Fontes: manual do Pandoc, FAQ do Pandoc.

O Pandoc é útil quando você tem o arquivo de origem em vez do PDF. Ele lê DOCX, PPTX, XLSX, EPUB, HTML, ODT, RTF e mais, e pode ser instalado no Windows, no macOS e no Linux. No Windows:

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

O Pandoc tem licença GPL 2.0 ou posterior e é gratuito.

Conversores online: sem instalação, mas o arquivo sai do seu PC

Sites que convertem PDF para Markdown não exigem instalação e funcionam em qualquer navegador. Isso atende um único documento que você compartilharia publicamente de qualquer forma.

Em troca, você perde controle. O PDF vai para o servidor de outra empresa, e quanto tempo ele fica lá, quem pode acessá-lo e se as digitalizações passam por OCR depende desse serviço. Antes de enviar contratos, registros médicos ou financeiros ou arquivos de clientes, leia a política de privacidade do serviço ou use uma ferramenta que rode no seu computador.

As opções locais estão no nosso guia: Converta documentos sem enviá-los à internet.

MD Factory: Docling e Tesseract em um aplicativo para Windows

O MD Factory é nosso produto, então leve isso em conta nesta seção. É um aplicativo para Windows da Microsoft Store que converte arquivos PDF, DOCX, PPTX, XLSX, HTML, TXT, EPUB, CSV, EML, FB2 e MOBI para Markdown no seu PC.

Para PDFs, o MD Factory executa o Docling com o mecanismo de OCR Tesseract. Os outros formatos passam pelos conversores próprios do aplicativo. Se você tem familiaridade com Python, o Docling e o Tesseract são gratuitos e fazem o núcleo da conversão de PDF. O MD Factory acrescenta a instalação e o fluxo de trabalho em volta deles:

• Você instala só o aplicativo. Os modelos de layout e de tabelas e os dados de idioma do OCR vêm junto, então não há Python para configurar nem nada para baixar depois.
• O MD Factory reconhece PDFs digitalizados no seu PC, com detecção automática da escrita ou um idioma de OCR que você escolhe.
• Você adiciona arquivos ou uma pasta inteira com as subpastas, e a conversão começa na hora.
• Cada arquivo Markdown é salvo ao lado da origem, com as imagens em uma pasta ao lado. O original não muda.
• Cada arquivo termina como Concluído, Precisa de revisão ou Falhou. O MD Factory marca Precisa de revisão quando uma página tem baixa confiança de OCR ou nenhum texto extraído.

As bibliotecas levam vantagem em quatro pontos:

• O MD Factory não tem linha de comando nem API, por isso não roda dentro de um script ou de um pipeline em servidor.
• Ele roda só no Windows 10 22H2 e no Windows 11, x64. As bibliotecas também rodam no macOS e no Linux.
• Ele converte na CPU e não usa GPU. Processa PDFs um de cada vez e os demais formatos em paralelo. Docling, Marker e MinerU podem usar uma GPU NVIDIA.
• Depois de um teste grátis de 7 dias, o MD Factory é uma compra única. As bibliotecas são gratuitas.

Qual escolher

Se você programa em Python, experimente primeiro o MarkItDown quando seus PDFs tiverem camada de texto e você também converter arquivos do Office ou páginas web. Passe para o Docling quando precisar de OCR local, tabelas ou da ordem de leitura correta entre colunas. Os dois são gratuitos.

Se você mantém um pipeline em grande escala, veja Docling, Marker e MinerU: os três convertem pastas inteiras e podem usar GPUs NVIDIA. Teste-os com uma amostra dos seus documentos e, se o uso for comercial, confira a licença do modelo do Marker e os limites do MinerU.

Se você usa Windows e não quer configurar nada, o MD Factory converte arquivos e pastas, inclusive digitalizações, sem linha de comando, depois de um teste grátis de 7 dias. Se você tem o original em Word ou EPUB e não se incomoda com a linha de comando, o Pandoc é gratuito.

Se seus documentos são confidenciais, escolha uma ferramenta que rode localmente e evite conversores online. Nas bibliotecas, confira as opções que enviam dados para fora do seu computador: as configurações de Azure e LLM do MarkItDown, o modo LLM do Marker, o processamento remoto e a telemetria do MinerU. O MD Factory processa os arquivos no seu PC.

Seja qual for a ferramenta, compare algumas páginas do Markdown com o original, principalmente tabelas, páginas em várias colunas e digitalizações.

Guias relacionados: preparar PDFs para RAG, converter PDFs digitalizados para Markdown.