Chunkr API_chunkr本地部署-CSDN博客

本文链接：https://blog.csdn.net/weixin_47420447/article/details/146197418

Chunkr API 介绍

1. 概述

Chunkr API 是一个 开源的文档智能解析服务，专为 将复杂文档转换为适用于 LLM（大语言模型）或 RAG（检索增强生成） 的数据块而设计。该 API 由 Y Combinator 支持，提供了高效的 文档解析、OCR、布局分析、表格处理 等功能，使开发者能够轻松地将各种文档转换为结构化数据。

官网：Chunkr API

2. 主要特点

Chunkr API 提供了一系列强大的文档处理能力，主要包括：

✅ 文档解析

支持 PDF、PPT、Word 文档、图片等格式。
通过 OCR 进行 文本提取，支持多种语言自动检测。

✅ 智能分块（Semantic Chunking）

允许用户自定义分块大小，确保逻辑完整性，优化 RAG 任务。
自动分割标题、图片、表格、列表项等 11 种 文档元素。

✅ 高级布局分析

VLM（视觉语言模型）支持：用于解析复杂的表格、公式、图表等元素。
多模态 OCR：支持 文本识别 + 视觉理解，精准提取文档内容。

✅ 易于集成

RESTful API，可直接调用，也支持 Docker 部署、自托管。
多种文件处理方式：直接上传、URL 提供、Base64 编码传输。

✅ 高效 & 安全

SOC2 & HIPAA 认证中，保障数据安全。
低错误率（<0.05%），高性能解析架构，提供可视化仪表盘监控处理流程。

3. 使用场景

Chunkr API 适用于多种场景，特别是在 文档结构化、检索增强、数据提取 方面具有优势：

构建 RAG 应用
- 预处理文档，将其划分为适合 LLM 的数据块，提高检索增强生成（RAG）性能。
企业文档管理
- 解析和存储公司合同、报告、法律文件等，提高信息查询效率。
智能搜索系统
- 结合 OCR、结构化解析，使企业知识库、搜索引擎更智能。
金融 & 医疗行业
- 提取发票、银行对账单、医疗报告中的关键信息，支持合规分析。

4. API 使用方法

4.1 获取 API Key

注册 Chunkr 账号（注册链接）。
在仪表盘 获取 API Key。

4.2 快速示例

安装 Chunkr SDK：

pip install chunkr-ai

Python 代码示例

from chunkr_ai import Chunkr

# 初始化 API
chunkr = Chunkr(api_key="your_api_key")

# 上传文档
task = chunkr.upload("/path/to/your/file")

# 导出解析后的 HTML
task.html(output_file="output.html")

# 导出 Markdown 格式
task.markdown(output_file="output.md")

5. 高级用法

Chunkr API 允许用户 自定义分块、优化 OCR 处理逻辑，示例如下：

from chunkr_ai import Chunkr, Configuration, ChunkProcessing, SegmentProcessing, GenerationConfig, GenerationStrategy

chunkr = Chunkr(api_key="your_api_key")

# 自定义分块规则
config = Configuration(
    chunk_processing=ChunkProcessing(
        target_length=1024  # 设置目标块大小
    ),
    segment_processing=SegmentProcessing(
        Table=GenerationConfig(
            html=GenerationStrategy.LLM,  # 使用 LLM 解析表格
        ),
        Picture=GenerationConfig(
            llm="Convert all charts to tables"  # 转换图表为表格
        ),
    )
)

# 上传文件并使用自定义解析配置
task = chunkr.upload("path/to/file", config)

# 获取解析结果
parsed_data = task.json()

6. 价格方案

Chunkr API 采用 按页计费 的方式，提供多个价格计划：

计划	价格	每月包含页数	额外页单价	支持
免费	$0	200 页	-	Discord 社区支持
Starter	$50/月	5,000 页	$0.01/页	邮件支持
Dev	$200/月	25,000 页	$0.008/页	优先支持
Growth	$500/月	100,000 页	$0.005/页	创始人支持
Enterprise	定制	自定义	自定义	24/7 专属支持