MarkItDown

真価を発揮する場面

• 社内の Word と PowerPoint のファイル2万（20,000）件をインデックスする RAG エンジニア

  Office のアーカイブをベクトルストア向けの Markdown のチャンクに変える

  pip install 'markitdown[docx,pptx,xlsx]' を実行し、通常の CPU インスタンスでバッチ処理として変換します。Office 形式では見出し、リスト、表がよく残り、ページ単位の料金はありません。

• スキャンした保険金請求書を処理する保険会社のオペレーションチーム

  スキャンした PDF からテキストと表を抽出する

  組み込みの変換はスキャンからほとんど何も返さないので、az-doc-intel の追加パッケージで Azure Document Intelligence に回します。Layout の料金は1,000ページあたり $10 で、月10万（100,000）ページなら月約 $1,000 です。ファイルはネットワークの外の Azure に送られます。

• 社内のチャットアシスタントにファイルのアップロードを加える開発者

  ファイル読み取りや SSRF の穴を開けずにユーザーの文書を受け付ける

  README の勧めどおり、ユーザーが指定したパスや URL に convert を使うのではなく、アップロードされたバイト列に convert_stream を呼び、プラグインは無効のままにします。無料ですが、セキュリティの境界は自分で作る必要があります。

導入前に確認すること

導入

pip install 'markitdown[all]'（Python 3.10 から 3.14）を実行するか、形式ごとの追加パッケージを選びます。CLI では markitdown file.pdf > out.md、Python では MarkItDown().convert() を使います。ローカルでビルドして実行するための Dockerfile が用意されています。

連携

Python API と CLI、MCP クライアント向けの markitdown-mcp パッケージ、サードパーティのプラグイン（既定で無効）、任意の OpenAI 互換クライアントを使う markitdown-ocr、Azure Document Intelligence と Azure Content Understanding のバックエンド。

データとプライバシー

既定ではローカルで動き、README にテレメトリーの記載はありません。GitHub のコード検索でも見つからず、Docker イメージは ORT_DISABLE_TELEMETRY=1 を設定しています。ファイルが OpenAI などのプロバイダーに送られるのは OCR プラグインや画像の説明を有効にした場合だけで、Azure に送られるのはそのバックエンドを使う場合です。プロセスが到達できるあらゆるパスや URL を読みます。MIT で、公開済みのセキュリティ勧告はありません。

大規模利用時のコスト

Office とボーンデジタルの PDF なら CPU で無料です。Azure Document Intelligence は Read が $1.50、Layout が $10（いずれも1,000ページあたり）、Content Understanding の標準抽出は1,000ページあたり $5 です。ビジョンモデルによる OCR はプロバイダーから呼び出しごとに課金されます。

制限

PDF の OCR と表構造は標準ではありません。未解決の issue と pull request は約740件、バージョン番号は 1.0 前、サーバーとホスト型サービスはプロジェクトの範囲外です。

MarkItDownの代替

Docling

RAG & data·Python·69k stars

4.5/5

IBM-born toolkit that converts PDFs, Office files, HTML and images into clean Markdown or JSON for RAG, with strong table handling.

Unstructured

RAG & data·Python·16k stars

3.8/5

Python library that partitions many document types into typed elements (titles, text, tables) for RAG and ETL pipelines.

Marker

RAG & data·Python·41k stars

4.3/5

Datalab's PDF-to-Markdown converter that reads the text layer first and calls its OCR model only where a page needs it.

pdf-inspector

RAG & data·Rust·20k stars

4.2/5

Firecrawl's Rust PDF parser: tells text PDFs from scans in milliseconds and turns the text ones into Markdown without OCR.

Xberg (formerly Kreuzberg)

RAG & data·Rust·9.4k stars

4.1/5

Rust document extractor, formerly Kreuzberg: 107 formats, eight OCR backends, 15 language bindings, plus CLI, REST API and MCP server.

Ocrs

RAG & data·Rust·1.9k stars

3.8/5

Small, pure-Rust OCR library and CLI with its own neural models, which builds anywhere including WebAssembly but reads Latin script only.

MarkItDown：よくある質問

MarkItDownは使う価値があるか？

MarkItDown は Office ファイルをオープンソースの中で最も速くモデルに渡せますが、検索で最もそのまま残すべき PDF を平板にしてしまいます。 評価は5点満点中3.8点です。

MarkItDownの料金は？

MIT ライセンスのもとで無料のオープンソースです。任意の Azure の変換サービスは Microsoft が課金します。

MarkItDownの欠点は？

PDF の表と複数段組のレイアウトを平板にする; OCR には有料のビジョンモデルか Azure が必要; プロセスが到達できるあらゆるファイルや URL を読む; ホスト型やサーバーモードは範囲外.

MarkItDownは誰に向いているか？

Office 文書ときれいなデジタル PDF を、速く安くモデルに渡す必要がある開発者。

チームや本番環境でMarkItDownを使うと費用はいくらか？

Office とボーンデジタルの PDF なら CPU で無料です。Azure Document Intelligence は Read が $1.50、Layout が $10（いずれも1,000ページあたり）、Content Understanding の標準抽出は1,000ページあたり $5 です。ビジョンモデルによる OCR はプロバイダーから呼び出しごとに課金されます。

MarkItDownは企業データを扱っても安全か？

既定ではローカルで動き、README にテレメトリーの記載はありません。GitHub のコード検索でも見つからず、Docker イメージは ORT_DISABLE_TELEMETRY=1 を設定しています。ファイルが OpenAI などのプロバイダーに送られるのは OCR プラグインや画像の説明を有効にした場合だけで、Azure に送られるのはそのバックエンドを使う場合です。プロセスが到達できるあらゆるパスや URL を読みます。MIT で、公開済みのセキュリティ勧告はありません。

MarkItDownの代わりになるものは？

当サイトでレビューした中で最も近い代替はDocling, Unstructured, Marker, pdf-inspector, Xberg (formerly Kreuzberg) 、 Ocrsです。

回答確認日：2026年10月26日