run-llama/liteparse とは何ですか？

A fast, helpful, and open-source document parser. The representation follows LlamaParse PDFium path extraction; LiteParse calls the shape rectangle bbox rather than PDFium's coords, and uses width / height rather than w / h.。README、メタデータ、wasm-v2.14.2の情報を基に、対象用途、導入経路、制約を日本語で整理します。

run-llama/liteparse は商用利用できますか？

できます。Apache-2.0 は寛容なライセンスで、著作権表示とライセンス表示を残せば、使用・改変・販売が可能です。

run-llama/liteparse は今もメンテナンスされていますか？

されています。最後のコミットは 3 日前です。

run-llama/liteparse はどのプログラミング言語で書かれていますか？

主に Rust です（GitHub の言語統計による）。

run-llama/liteparseを導入前に読む：READMEから分かる範囲と境界

ひと目でわかる

これは何？: A fast, helpful, and open-source document parser. The representation follows LlamaParse PDFium path extraction; LiteParse calls the shape rectangle bbox rather than PDFium's coords, and uses width / height rather than w / h.。README、メタデータ、wasm-v2.14.2の情報を基に、対象用途、導入経路、制約を日本語で整理します。
誰に向いている？: run-llama/liteparseは、READMEに記載された対象機能と導入環境が一致するチームに向きます。記載のない性能や運用保証を前提にする用途には向きません。
商用利用できる？: できます。Apache-2.0 は寛容なライセンスで、著作権表示とライセンス表示を残せば、使用・改変・販売が可能です。
今もメンテナンスされている？: されています。最後のコミットは 3 日前です。
何の言語で書かれている？: 主に Rust です（GitHub の言語統計による）。

回答はプロジェクトの GitHub データ（最終同期：2026年9月14日）と当サイトの分析に基づくもので、法的助言ではありません。

オープンソース詳細解説

Hysen Labs 編集部 · 2026年8月8日 · run-llama/liteparse

liteparse の確認点 1：LiteParseとは何か、そして意図的に除外しているもの

LiteParseは、Rustで書かれたスタンドアロンのオープンソースPDF解析ツールです。READMEによると、高速で軽量な解析にのみ焦点を当てており、高度な機能よりも速度とリソース使用を優先します。バウンディングボックス付きの空間テキスト解析を提供し、出力には各テキスト要素の位置情報が含まれます。このツールには専有のLLM機能は含まれておらず、意味理解や要約は行いません。クラウド依存がないため、完全にローカルマシンで実行されます。ローカル解析で処理できない複雑なドキュメント（密度の高い表、マルチカラムレイアウト、チャート、手書きテキスト、スキャンPDFなど）については、READMEは本番ドキュメントパイプライン向けに構築されたクラウドサービスであるLlamaParseを推奨しています。READMEは具体的なパフォーマンス数値や比較を提供しておらず、「高速」の正確な意味をこの位置付け以外では説明していません。

liteparse の確認点 2：解析の仕組み：PDFから構造化出力へ

READMEには、コアパイプラインを説明するフローチャートが含まれています。入力形式（PDF、DOCX、XLSX、PPTX、画像）は必要に応じて変換されます。OfficeドキュメントはLibreOfficeを介し、画像はRustクレートによってネイティブに処理されます。PDFテキスト抽出はPDFium Cライブラリを使用します。OCRは選択的で、Tesseract、HTTPサーバー、またはカスタム実装を使用し、ネイティブテキストとOCR結果がマージされます。その後、グリッド投影が空間レイアウトを再構築し、テキストとバウンディングボックスを持つ構造化JSON、レイアウトを保持したプレーンテキスト、またはPNGスクリーンショットを生成します。同じコアは、Node.js（napi-rs）、Python（PyO3）、WASMバインディング、およびCLIを通じて公開されています。READMEはグリッド投影の背後にある正確なアルゴリズムを指定していませんが、出力形式にはMarkdown、JSON、テキストが含まれ、Markdownは空間レイアウトから見出し、表、リスト、画像、リンクを再構築できると述べています。これは純粋にヒューリスティックでルールベースであり、複雑なドキュメントは完全にはレンダリングされないかもしれませんが、解析は高速です。

liteparse の確認点 3：インストールと共有CLI

LiteParseは、WASMを除くすべてのインストールで同じ`lit` CLIを提供します。READMEには、Node.js/TypeScript用の`npm i -g @llamaindex/liteparse`、Python用の`pip install liteparse`、Rust CLI用の`cargo install liteparse`、ブラウザ用の`npm i @llamaindex/liteparse-wasm`がリストされています。CLIは、単一ファイルの解析、ディレクトリの一括解析、スクリーンショットの生成、ドキュメントの複雑さのチェックをサポートします。たとえば、`lit parse document.pdf --format markdown -o output.md`はMarkdownをレンダリングし、`lit is-complex document.pdf`はstderrに判定を出力し、stdoutにページごとのJSONを出力します。READMEは、CLIがnpm、pip、cargoインストール間で同一であると述べています。その他のフラグには、特定のページを選択する`--target-pages`、OCRを無効にする`--no-ocr`、スクリーンショットの解像度を設定する`--dpi`、同時OCRワーカー数を設定する`--num-workers`があります。一括解析コマンドは入力ディレクトリと出力ディレクトリを受け入れ、`--recursive`や`--extension`などのオプションがあります。

liteparse の確認点 4：OCR：バンドルされたTesseractとプラグ可能なHTTPサーバー

OCRはデフォルトで有効であり、Tesseractがバンドルされ、セットアップなしで使用できます。ユーザーは`--no-ocr`で無効にするか、`--ocr-language`で言語を選択できます。オフライン環境では、`TESSDATA_PREFIX`または`--tessdata-path`が`.traineddata`ファイルを指します。または、LiteParse OCR API仕様を実装するOCRサービスをHTTP経由で使用できます。READMEにはEasyOCRとPaddleOCRのサンプルラッパーが提供されており、APIは`file`と`language`パラメータを受け入れるPOST `/ocr`エンドポイントを要求し、テキスト、バウンディングボックス、信頼度を含むJSONを返します。READMEはこれらのオプションのパフォーマンス主張を指定していませんが、内蔵Tesseractはゼロセットアップであり、HTTPサーバーはより高い精度やパフォーマンスを提供する可能性があると述べていますが、ベンチマークは示されていません。OCRマージステップはネイティブテキストとOCR結果を組み合わせ、`is-complex`コマンドはOCRが必要な時期を判断するのに役立ちます。

liteparse の確認点 5：PDF以外の入力形式

LiteParseは、解析前に複数のOffice形式をPDFに自動変換します。READMEには、Word、PowerPoint、スプレッドシート形式がリストされており、`.docx`、`.pptx`、`.xlsx`、および古いバリアント、加えて`.odt`、`.rtf`、`.pages`、`.key`、`.csv`、`.numbers`が含まれます。変換はLibreOfficeに依存し、READMEはmacOS、Ubuntu/Debian、Windows向けのインストールコマンドを提供しています。画像はネイティブにサポートされています：`.jpg`、`.jpeg`、`.png`、`.gif`、`.bmp`、`.tiff`、`.webp`、`.svg`。バージョン2.8.0以降、画像変換にimagemagickは不要になり、代わりにRustコードによってネイティブに処理されます。READMEは変換動作をそれ以上詳しく説明しておらず、形式間の変換品質の違いを指定していません。

liteparse の確認点 6：オプションの出力機能：ベクターグラフィックス、構造ツリー、スクリーンショット、複雑さチェック

いくつかの解析オプションはオプトインです。`--extract-vector-graphics`は、LlamaParse PDFiumパス抽出に従う表現を使用して、シェイプとマージされた線を持つベクターパスデータを追加します。`--extract-structure-tree`は、タグ付きPDFの論理構造（要素タイプ、ID、テキストを含む）を公開します。`--extract-content-bounds`、`--extract-xfa-packets`、`--extract-document-metadata`は、ドキュメントの作成者やプロデューサー、XMPパケット、コンテンツ境界などの追加の来歴とレイアウト情報を提供します。スクリーンショットにはAcroFormフィールドの外観を含めることができ、各スクリーンショットは空白ページの検出に役立つソリッドフィルかどうかを報告します。`is-complex`コマンドは、OCRやより重い処理が必要かどうかを判断するために、安価なテキスト層のみのチェックを実行し、scanned、no-text、sparse-text、embedded-images、garbled、vector-text、annotation-textなどの理由をリストします。これらの機能はすべてREADMEに文書化されていますが、READMEにはベンチマークデータは含まれていません。

liteparse の確認点 7：開発、エージェントスキル、ライセンス

このプロジェクトは、コアライブラリと言語バインディング用のクレートを持つRustワークスペースです。READMEは構造を示しています：`crates/liteparse`はコアとCLIを保持し、`liteparse-napi`はNode用、`liteparse-python`はPython用、`liteparse-wasm`はWASM用、加えて`pdfium`と`pdfium-sys`ラッパーがあります。ビルドコマンドは、`cargo build --release -p liteparse`、`packages/node`での`npm run build`、`packages/python`での`maturin develop --release`、`packages/wasm`での`npm run build`を使用します。READMEはエージェントスキルも説明しています：`skills` CLIを使用して`npx skills add run-llama/llamaparse-agent-skills --skill liteparse`でダウンロードするか、`SKILL.md`ファイルをコピーすることで、`liteparse`をエージェントスキルとして使用できます。このプロジェクトはApache 2.0ライセンスです。ライセンスの抜粋は著作権と特許ライセンスを付与しますが、READMEとライセンスはサポート、保証、セキュリティについて主張していません。

編集部の結論

run-llama/liteparseは、READMEに記載された対象機能と導入環境が一致するチームに向きます。記載のない性能や運用保証を前提にする用途には向きません。採用前にwasm-v2.14.2のリリース内容、READMEの導入手順、ライセンス本文を照合し、プロジェクト固有のコマンドまたは設定が実際の構成に合うかを確認してください。

公式情報源

コミュニティノート