🆕 แปลง Word เป็น Markdown พร้อมรูปภาพ - ฟีเจอร์ใหม่เปิดตัวแล้ว!
เรารู้สึกตื่นเต้นที่จะประกาศการเปิดตัวฟีเจอร์ที่ได้รับการร้องขอมากที่สุดของเรา: แปลง Word เป็น Markdown พร้อมรูปภาพ! เครื่องมือปฏิวัติวงการนี้รวมการประมวลผลภาพที่ขับเคลื่อนด้วย AI เข้ากับการแปลง Word เป็น Markdown ที่เชื่อถือได้ของเรา
27 กรกฎาคม 2025
การแปลงเอกสาร Word ที่มีรูปภาพเป็น Markdown คือจังหวะที่ตัวแปลงส่วนใหญ่ล้มเหลวเงียบ ๆ ข้อความผ่าน หัวข้อตรง แล้วคุณก็พบว่าทุกสกรีนช็อตกลายเป็นอ้างอิง `` ที่พัง หรือแย่กว่านั้นคือหายไปแบบเงียบ ๆ Word2MD.net ถูกสร้างขึ้นรอบ ๆ ปัญหารูปภาพโดยเฉพาะ เพราะนั่นคือจุดที่ทุกการย้ายเอกสารที่เราเห็นพังตรงนั้น คู่มือนี้อธิบายว่ารูปภาพเกิดอะไรขึ้นจริง ๆ ระหว่างการแปลง ไปป์ไลน์ที่ Word2MD.net ใช้เพื่อรักษามันไว้ และเมื่อไหร่ควรฝัง เมื่อไหร่ควรลิงก์ และเมื่อไหร่ควรใช้ OCR
โดยปกติแล้วเกิดอะไรขึ้นกับรูปภาพ
ไฟล์ .docx คือไฟล์ ZIP รูปภาพอยู่ใน `/word/media/` ในรูปไบนารี PNG, JPEG หรือ EMF ดิบ ตัวแปลงแบบง่าย ๆ ทำหนึ่งในสามอย่าง ซึ่งล้วนแย่: ฝังเป็น base64 ก้อนใหญ่ (Markdown บวมเป็นเมกะไบต์) ทิ้งไว้เป็น placeholder `[image]` หรือพังสนิทกับฟอร์แมต EMF/WMF ที่ Word ยังส่งออกสำหรับกราฟและสกรีนช็อตจาก Office รุ่นเก่า ผลลัพธ์ทั้งสามแบบรอดรีวิว Git PR ไม่ได้
ไปป์ไลน์รูปภาพของ Word2MD.net
- การแยกออก: รูปภาพฝังทุกภาพถูก unpack ออกจาก ZIP ของ .docx และได้ชื่อไฟล์เสถียรจากชื่อเอกสารบวก hash
- การปรับฟอร์แมตให้เป็นมาตรฐาน: EMF และ WMF—ที่เบราว์เซอร์ส่วนใหญ่เรนเดอร์ไม่ได้—ถูกแปลงเป็น PNG ทันที
- Sidecar export: ในโหมด batch รูปภาพอยู่ในโฟลเดอร์ `images/` ภายใน ZIP ผลลัพธ์ ข้าง ๆ Markdown ที่อ้างถึงด้วย path สัมพัทธ์ที่สะอาด
- รักษา alt text: ถ้า Word ต้นฉบับมี alt บนรูป จะถูกพาเข้าซินแท็กซ์ `![alt]()`—สำคัญต่อ accessibility และ SEO
- ตัวเลือก OCR: สำหรับสกรีนช็อต UI เทอร์มินัล หรือหน้าสแกน AI OCR วิ่งคู่กับลิงก์รูปเพื่อดึงข้อความที่ค้นหาได้
AI OCR สำหรับสกรีนช็อตและสแกน
สกรีนช็อตทำให้ไปป์ไลน์ RAG พัง เพราะ LLM index มองเข้าไปในรูปภาพไม่เห็น สเปกผลิตภัณฑ์ 50 หน้าพร้อมสกรีนช็อต UI 80 ภาพจะเสียคอนเทนต์ 80 ก้อนทันทีที่ถูก ingest ตัวเลือก OCR ของ Word2MD.net ดึงข้อความที่มองเห็นจากแต่ละภาพและส่งออกข้าง ๆ ลิงก์ `![alt]()` ในรูป fenced code block ภาพยังไปถึงผู้อ่านที่เป็นมนุษย์ ส่วนเวอร์ชันข้อความทำให้เนื้อหาเดียวกันถูกค้นได้โดย LlamaIndex, LangChain, Haystack หรือไปป์ไลน์ embedding ใด ๆ ที่คุณสร้างเอง สำหรับทีม knowledge base ฟีเจอร์เดียวนี้มักทำให้การแปลงคุ้มค่า
เมื่อไหร่ฝัง ลิงก์ หรือ OCR—กฎตัดสินใจ
ใช้ inline base64 เฉพาะกับเอกสารรวมแล้วต่ำกว่า 50 KB ที่จะเผยแพร่บนหน้าสแตติกเดียว (พบยาก) ใช้ sidecar export กับลิงก์สัมพัทธ์สำหรับทุกอย่างที่อยู่ใน Git repo—ให้ผู้รีวิวเห็น diff รูปแบบปกติและคง Markdown ที่มนุษย์อ่านได้ เพิ่ม OCR เมื่อเนื้อหาในภาพถือข้อมูลที่ผู้อ่านหรือ LLM ต้องค้น: ข้อความ error ในสกรีนช็อต โค้ดในเทอร์มินัล ป้ายในไดอะแกรม ข้ามไปสำหรับรูปประดับ—มันแค่เพิ่ม noise การทดสอบที่ตรงไปตรงมา: ถ้าผู้อ่านมองข้ามรูปได้โดยไม่เสียอะไร คุณก็ไม่ต้อง OCR