markitdown: PDF·PPT·영상까지 LLM용 마크다운으로 변환

PDF, PowerPoint, Word, Excel 등 다양한 형식의 파일을 LLM이 이해하기 좋은 마크다운으로 변환한다. 단순 텍스트 추출을 넘어 헤딩, 리스트, 테이블, 링크 등 문서의 구조적 정보를 최대한 보존하는 데 초점을 맞췄다.

이미지의 EXIF 메타데이터와 OCR, 오디오의 음성 전사, YouTube URL, EPub까지 지원 범위가 넓다. Azure Content Understanding을 연동하면 영상 분석이나 인보이스 금액 같은 구조화된 필드 추출까지 클라우드 기반으로 처리할 수 있다.

LLM은 마크다운을 자연스럽게 이해하고 토큰 효율도 높아 RAG 파이프라인의 입력 데이터 준비 단계에서 유용하다. 기존 textract와 달리 문서 구조를 유지하며 출력하므로, 복잡한 레이아웃의 문서를 AI 에이전트나 분석 도구로 전달할 때 적합하다.