Chunkr

Chunkr 是 Lumina AI 旗下的文档智能 API，解决的事情很具体：把杂乱的 PDF、扫描件、表格、幻灯片变成干净的结构化数据。输入支持 PDF、PNG/JPEG/TIFF 图片、Word、CSV/XLSX、PPT 等格式，覆盖约一百种语言；输出是排版完好的 HTML 或 Markdown，每个段落、每行、每个词都带边界框坐标，方便在检索问答里精确引用原文。

• 模型由三个自研组件分工：parse-1 负责表格、公式、手写体等复杂内容的识别；layout-1 在超过一百万页人工标注页面上训练，覆盖二十多个领域；order-1 专注阅读顺序还原，位置准确率约 95%。后处理环节会给 RAG 准备好分块和元数据，也能按给定的 JSON Schema 抽取字段，并附上置信度分数，低置信的条目可标记出来交人工复核。
• 合规与部署口径官网写明：SOC 2 Type II 与 HIPAA 合规，默认零留存，文档按用户设定的时限删除；新用户免费试用 200 页，企业客户可申请本地化部署。接入用 Python 或 TypeScript SDK，三行代码即可跑通，也有免代码的在线试验场可以先试效果。