文書から字を引き出すのは易しい半分で、網の上の変換の道具はどれもそれをやる。Docling は文書を解析する道具で、反対の端から始める。まず版面を読み、表を表のまま残す。

Docling は自分の機械の上で動き、PDF、Word、PowerPoint、Excel、web の頁、読み取った紙、さらには録音まで受け取り、中身を組みのある文字にほどいて Markdown、HTML、損の無い JSON へ書き出す。始まりは IBM の研究所の班で、今は LF AI & Data の財団が預かり、MIT の許諾で配られる。2026 年 11 月 10 日に出た 2.150 は、iXBRL の決算の報告も入力の形に加えた。

先に版面、次に字

多くの変換の道具は字を抜く道を行く。PDF の中の文字の流れを順に引き出し、一つの段落に綴る。Docling は逆を行く。版面のモデルが、この頁にどの区域があるかを決める。頭、足、本文の段落、箇条、コードの塊、表、図、式。それぞれの境がどこかを決め、そのうえで読む順を組む。

二段の論文が違いをよく示す。座標に沿って上から下へなぞると、左と右の段の文が互いに入り混じる。読む順に並べれば、左を読み終えてから右へ行くので、文が繋がる。この順は一つの文書の型に書き込まれ、Markdown へ書き出すときにそのまま写される。もう一度推し量る必要は無い。

読み取った紙は別の道を行く。頁がまるごと絵なら引く文字の流れが無いので、認識が受け持つ。Docling はまずその頁に使える文字の層があるかを尋ね、無いときだけ OCR を起こす。認識のエンジンは差し替えられ、版面を読むために視覚のモデル を掛けることもできる。モデルは一度落とせば、あとは手元で走る。

表で入り、表で出る

表は PDF の変換が一番よく躓く所だ。行と列が一行の数字に平らにされれば、探すことも読むことも意味を失う。Docling は表の組みのモデル で升の境を取り戻し、行も列も幾重もの見出しも元のまま残し、行や列をまたいで合わされた升も落とさない。表の題は本文に散らず、表について行く。

式も同じ扱いだ。行の中の式も独立した式も LaTeX として見分け、位置のずれた字形の連なりにはしない。図は単独で取り出し、頁の上の座標と元の注、そして中身の分類を添える。その図が折れ線か円か写真かは、モデルが判断して付ける。

2.150 の版で変わったこと

十一月は詰まっていて、3 日から 10 日の間にいくつもの版が出た。変更は入力の面と取り出しの制御に寄っている。決算の報告の中の、印を内側に持つ XBRL は、これまで普通の web の頁としてしか読めず、印の中の財務の事実が落ちていた。2.150 はそれを直接読み、分類の基準を遠くの場所から解くこともできる。PDF に埋まった図は、要るまで開かずに既定では書かないので、無駄な書き込みがまとめて減った。命令行は組み直され、場所をまとめて変換するときの引数が分かりやすくなり、出力の形を一度に幾つも指せる。

手元で動くことは前提で、後付けではない

Docling は既定では網へ出ない。モデルは最初に落とした後は手元の控えに置かれ、その後の変換は終わりまで手元で進む。送らず、アカウントも作らず、遠くの入口も呼ばない。契約も決算も診断の書も扱う人にとって、この一条が使えるかどうかを決めることが多い。ファイルが機械の外へ出なければ、決まりを満たすための説明も一層減る。

同じ流れは置き場所を変えられる。手元で通った後、同じ文書の型と設定を自分の網の中のサービスへ移せ、呼ぶ側のコードはほとんど変えずに済む。その上が商業の預かりになる。個人と小さな班には最初の二つで足りる。

変換の後に何へ繋がるか

出る側は入る側より広い。組みは JSON へ、人が読むには Markdown、HTML、素の文字へ。探すために使うなら、章と表の境で切って分ける。決まった文字数で切るのではなく、切れ目ごとに頁の番号と版面の座標が付くので、答えを元の文書の場所へ指し戻せる。

MCP のサーバーもあり、代理は「文書を読む」を型の付いた道具の呼び出しとして扱える。PDF のバイトをモデルに投げて推し量らせるのとは違う。LangChain や LlamaIndex のような枠にも、そのまま繋ぐ道が用意されている。

読み込めるものは思ったより雑多だ。いくつもの Office の形と EPUB に加え、郵便、暦、字幕のファイルも一覧にあり、録音も映像も同じ文書の型へ変わる。一度書き起こせば、後は同じ組みで取り出せる。

一枚の PDF を文字にするだけなら、その辺の網の道具で足りる。Docling が残る値打ちはもう半分にある。表は表のまま、式は LaTeX のまま、図の注は図について行き、二段を横に読まない。変換のときにこの組みを保てば、その後の検索も知識の棚もモデルへの入力も、もう一度推し量らずに済む。