Parser 解析工具

什麼是 RAG Parser？

RAG Parser 是 Retrieval-Augmented Generation (RAG) 系統中的關鍵步驟，負責解析與拆解原始資料，作為 Embedding 向量化處理的前置步驟，為後續的向量化與語意檢索提供基礎，對整體資料品質與檢索效果有決定性影響。

RAG 流程

---

一、文件解析類 Parser

MaiAgent 提供四種文件解析器，適用於 PDF、Word、Excel、圖片等多種文檔格式：

功能特性	MaiAgent Parser（預設）	MaiAgent Parser（Online）	MaiAgent Parser（Offline）	Vision Parser
價格成本	低	高	中	高
圖片內容解析效果	無法解析圖片中的文字	僅 OCR 可解析圖片中的文字	OCR + AI 理解圖片語意	AI 視覺理解，效果最佳
使用 LLM	否	是	是	是
文字解析效果	標準	好	好（結構保留佳）	好
表格解析	原生提取	AI 智慧提取圖片裡面的文字	原生結構保留（最佳），除了視覺理解外還包含圖片的靜態資源	AI 視覺辨識將圖片產生視覺理解後的文字內容
解析時間	快	中	慢	慢
落地（無網路）	可以	不行	可以，但需部署 VLM	不行
支援格式數	22 種	20 種	20 種（僅 PDF 支援 OCR）	7 種

---

二、語音轉文字類 Parser

MaiAgent 提供四種語音轉文字解析器，可將音訊檔案轉錄為文字後納入知識庫：

功能特性	Azure Speech	Whisper（Groq）	Whisper（OpenAI）	Whisper（Offline）
價格成本	高	低	中	免費
轉錄準確度	高	高（large-v3）	高（whisper-1）	高（視本地模型）
使用 LLM	否	否	否	否
解析速度	即時	最快	中	視硬體而定
落地（無網路）	不行	不行	不行	可以
多語言支援	是	是（自動偵測）	是（自動偵測）	是（自動偵測）
自訂提示詞	否	是	是	是
VAD 語音偵測	—	是	是	是
資料隱私	雲端（Azure）	雲端（Groq）	雲端（OpenAI）	完全本地

音訊檔案上傳至知識庫後，系統會自動進行語音轉文字解析，並提供逐字稿檢視與下載功能：

逐字稿檢視：顯示時間戳與對應文字內容

下載逐字稿：支援 TXT（純文字）與 SRT（字幕格式）兩種格式