Hack the HydraMejores herramientas de PDF a Markdown (comparativa 2026)
En breve: para un archivo puntual, usa un conversor gratuito en el navegador como Hack the Hydra (sin instalar nada, sin subir archivos). Para la mejor fidelidad de maquetación en documentos complejos, usa Docling (MIT) o Marker (código GPL-3.0, licencia aparte para los modelos), que emplean modelos de maquetación de ML pero requieren Python y se benefician de una GPU. Para flujos sencillos con licencia permisiva, MarkItDown (MIT) maneja muchos formatos. Para conversión masiva sin gestionar infraestructura, usa una API alojada de pago por uso.
Free PDF to Markdown converter →
Tabla comparativa
| Herramienta | Tipo | Licencia | OCR para escaneos | Tablas | Ideal para |
|---|---|---|---|---|---|
| Conversor de navegador de Hack the Hydra | Web, en el navegador | Uso gratuito | Herramienta de OCR de imágenes aparte | Solo texto | Conversiones puntuales rápidas, privacidad |
| API de PDF de Hack the Hydra (Apify) | API alojada | Pago por uso (3 $ / 1.000 PDF) | Sí (Tesseract, 7 idiomas) | Tablas con bordes → tablas Markdown | Volumen, automatización, sin infraestructura |
| Docling (IBM) | Biblioteca de Python | MIT | Sí | Sí (modelo ML de tablas) | Análisis de alta fidelidad, autoalojado |
| Marker | Biblioteca de Python | Código GPL-3.0; pesos de los modelos con licencia aparte | Sí | Sí | Libros y artículos, con GPU disponible |
| MarkItDown (Microsoft) | Biblioteca de Python | MIT | Mediante plugins / Azure | Básico | Muchos formatos (Office, HTML, PDF) en una sola herramienta |
| PyMuPDF4LLM | Biblioteca de Python | AGPL-3.0 (licencia comercial disponible) | Con Tesseract | Sí | Extracción local rápida |
| Pandoc | Línea de comandos | GPL-2.0+ | No | — | Convertir entre formatos de marcado (no lee PDF como entrada) |
¿Cómo elegir una herramienta de PDF a Markdown?
- La licencia importa si distribuyes un producto: las herramientas AGPL y GPL tienen obligaciones que las MIT no tienen.
- Los PDF escaneados necesitan OCR. Comprueba cuántos de tus documentos no tienen capa de texto antes de elegir.
- Las tablas son donde más se diferencian las herramientas. Prueba con tu peor documento, no con un artículo limpio.
- El rendimiento: los analizadores basados en ML son más lentos en CPU. Los extractores basados en reglas son rápidos pero menos fieles en maquetaciones complejas.
Un método de evaluación sencillo
Toma 10 PDF representativos, conviértelos con dos o tres candidatos y hazle a tu LLM las mismas 20 preguntas sobre cada resultado. Cuenta las respuestas correctas. Así mides lo que de verdad te importa, la calidad de las respuestas posteriores, y no la fidelidad visual.
¿Qué herramienta para cada situación?
- «Tengo un PDF y quiero Markdown ya.» Un conversor en el navegador: nada que instalar y el archivo no sale de tu ordenador.
- «Estoy montando un flujo RAG sobre unos miles de PDF variados.» Docling o Marker si puedes ejecutar Python con GPU y quieres la mejor maquetación; una API alojada si no quieres mantener infraestructura.
- «Tengo sobre todo Word, PowerPoint y HTML, con algunos PDF.» MarkItDown lo cubre todo con una sola herramienta con licencia MIT.
- «Vendo un producto.» Lee las licencias: AGPL (PyMuPDF) y GPL (código de Marker) imponen obligaciones que la licencia MIT (Docling, MarkItDown) no impone.
- «La mitad de mis archivos son escaneos.» Elige una herramienta con OCR integrado y revisa el idioma del OCR antes de juzgar el resultado.
¿Qué mirar en el resultado?
Abre el Markdown de tu documento más difícil y comprueba cinco cosas:
- El orden de lectura en páginas a dos columnas.
- Los títulos: ¿capítulos y secciones marcados con # y ##, o simples líneas?
- Las tablas: ¿filas y columnas conservadas, o una ristra de números?
- El ruido: números de página, cabeceras y pies repetidos.
- Palabras cortadas al final de línea («conver- sión») y ligaduras convertidas en caracteres raros.
Para usar el texto con un LLM, títulos y tablas son lo que más cuenta: deciden cómo se divide el texto y si las cifras conservan sus etiquetas.
FAQ
¿Cuál es el mejor conversor gratuito de PDF a Markdown?
Para un solo archivo, un conversor en el navegador como Hack the Hydra es gratuito y privado. Para autoalojar, Docling y MarkItDown son gratuitos y con licencia MIT.
¿Puede Pandoc convertir PDF a Markdown?
No. Pandoc puede escribir PDF pero no puede leerlo como entrada. Usa antes un extractor específico para PDF.
¿Qué herramienta maneja los PDF escaneados?
Las que tienen OCR: Docling, Marker, PyMuPDF4LLM con Tesseract o la API de Hack the Hydra, que aplica OCR automáticamente a las páginas sin capa de texto.
Actualizado: noviembre de 2026. Los archivos se procesan en su navegador y no se envían a ningún servidor.