(주)이파피루스 블로그

PDF에서 텍스트를 추출하는 것은 많은 AI 및 LLM(대규모 언어 모델) 애플리케이션에서 매우 중요하면서도 종종 어려운 단계입니다. 고품질 텍스트 추출은 토큰화, 임베딩 생성, 벡터 데이터베이스 인덱싱과 같은 후속 프로세스를 개선하여 애플리케이션의 전반적인 성능을 향상시키는 데 중요한 역할을 합니다. PyMuPDF는 간편함, 빠른 속도, 그리고 안정적인 텍스트 추출 품질 덕분에 이 작업에 널리 사용되는 라이브러리입니다.이 블로그에서는 PyMuPDF 개발사인 Artifex에서 최근 출시한 무료 라이브러리인 PyMuPDF4LLM에 대해 살펴보겠습니다 . 이 새로운 라이브러리는 PDF에서 텍스트를 추출하는 과정을 간소화하도록 설계되었으며, 특히 LLM(텍스트 언어 관리) 및 RAG(Retrieval-Augm..

안녕하세요, 이파피루스 마케팅입니다.최근 LLM(거대언어모델)을 활용한 문서 AI 구축이 기업들의 핵심 과제로 떠오르고 있습니다. 하지만 정작 AI가 읽어야 할 문서의 상태가 제각각이라 데이터 추출 단계에서 어려움을 겪는 경우가 많죠.이파피루스는 이러한 고민을 해결하기 위해, 글로벌 다운로드 수 누적 5억 8천만 건을 자랑하는 PyMuPDF Pro와 웹 기반 PDF SDK인 MuPDF Web Viewer의 대규모 업데이트를 진행했습니다. "더 빠르게, 더 정확하게, 그리고 더 믿을 수 있게" 변모한 주요 기능을 소개합니다.하이브리드 OCR : "모든 페이지를 이미지로 변환하던 시대는 끝났습니다"기존의 OCR 방식은 텍스트가 이미 포함된 디지털 PDF조차 전체를 이미지로 굽고 다시 읽어내는 비효율적인 과정..

안녕하세요! 이파피루스 마케팅팀입니다. 판교에 벚꽃이 만개하던 지난 4월 4일, 이파피루스 본사에서는 아주 뜨겁고 특별한 이벤트가 열렸습니다. 바로 ‘2026 이파피루스 사내 AI 해커톤 대회’**인데요! 단순히 업무의 연장이 아니라, AI 기술로 일상의 문제를 해결하고 창의적인 아이디어를 자유롭게 펼쳐 보았던 이파피루스인들의 생생한 현장을 공개합니다. --- 💻 "몰입의 즐거움, 아이디어가 현실이 되는 공간" 행사장은 시작 전부터 팽팽한 긴장감과 설렘이 가득했습니다. 이번 해커톤의 주제는 **'AI를 활용한 업무 효율화 및 서비스 혁신'**. 개발자뿐만 아니라 영업, 마케팅, 인사, 재경, 총무 등 다양한 직군의 팀원들이 섞여 머리를 맞대고 아이디어를 짜냈습니다.[현장 사진 팀원들이 회의실에 모여 각..

정확도는 더 높고 속도는 50% 더 빠릅니다. 실제 PDF 환경에 맞춰 설계되었습니다.PyMuPDF4LLM은 PDF 페이지의 전체 텍스트를 추출해야 할 경우에만 OCR을 적용합니다. 페이지에 이미 추출 가능한 텍스트가 충분히 포함되어 있는 경우 OCR은 완전히 건너뛰어 불필요한 작업을 방지하고 고품질 디지털 텍스트의 품질 저하 위험을 제거합니다.OCR이 필요한 경우 , PyMuPDF4LLM은 런타임 환경에서 사용 가능한 OCR 플러그인 중 가장 적합한 것을 자동으로 선택하여 감지 정확도와 처리 속도 사이의 균형을 유지합니다.내장된 OCR 플러그인은 하이브리드 OCR 전략을 구현합니다. 즉, 추출 가능하고 읽을 수 있는 텍스트가 없는 영역만 OCR 엔진으로 전달합니다. 이러한 선택적 접근 방식은 일반적으로..