12 月 17 日消息，微软在 GitHub 上发布了名为 MarkItDown 的开源 Python 库，可以将 Office 文档在内的多种文件格式，转换为 Markdown 格式。

用户通过该工具转换后，有助于文本索引、分析等多种应用场景，并支持开发者利用大型语言模型进行图像描述。

附上 MarkItDown 库当前支持的文件格式如下：

PDF (.pdf)

PowerPoint (.pptx)

Word (.docx)

Excel (.xlsx)

Images (EXIF metadata, and OCR)

Audio (EXIF metadata, and speech tranion)

HTML (special handling of Wikipedia, etc.)

其它各种文本格式 (csv, json, xml, etc.)

开发人员还可以配置 MarkItDown 库，使用大型语言模型来描述图像，需要将 mlm_client 和 mlm_model 参数设置为 MarkItDown 对象，如下所示：

from markitdown import MarkItDownfrom openai import OpenAIclient = OpenAImd = MarkItDown(mlm_client=client, mlm_model="gpt-4o")result = md.convert("example.jpg")print(result.text_content)

由于 MarkItDown 库在 MIT 开源许可下可用，因此开发人员可以自由使用、修改和分发它，唯一的要求是他们在分发时包含原始许可证和版权声明。