$ open‑source · autoalojado · licencia MIT

Convierte cualquier documento en texto limpio, listo para LLMs.

DocCompiler es una API REST autoalojada que transforma PDFs, documentos Word, hojas de cálculo y CSVs en texto normalizado y eficiente en tokens — para que dejes de pagar por enviar archivos sin procesar a tus modelos, y dejes de confiar tus documentos a terceros.

Ver en GitHub Guía de inicio rápido
  • Laravel + MySQL
  • Listo para Docker
  • Ejecuta en tu propio hardware
doccompiler — compilar
salida 0 tokens ahorrados

// qué hace

Diseñado para integrarse silenciosamente en tu stack.

// autoalojado

Tu infraestructura, tus datos

Instálalo en tu propio servidor. Los documentos se procesan y descartan en hardware que tú controlas — nada se envía a una API de extracción de terceros.

// cobertura de formatos

PDF, DOCX, XLSX, CSV, MD, TXT

Un solo endpoint para todos los tipos de documentos comunes. Los archivos .doc y .xls heredados se normalizan automáticamente antes de la extracción.

// ocr automático

Páginas escaneadas, sin problema

Cada página del PDF se verifica en busca de una capa de texto real. Las páginas sin ella se enrutan automáticamente por OCR — sin flags que configurar, sin trabajos que supervisar.

// basado en colas

Nunca bloquea tu API

Construido sobre Laravel Horizon. Archivos grandes, trabajos de OCR y parsing de hojas de cálculo se ejecutan fuera del ciclo request/response.

// verificación MIME

Las extensiones no son de fiar

Cada archivo se verifica contra su firma real antes de procesarlo — la misma defensa en profundidad que querrías en tu propio código.

// listo para producción

Observabilidad incluida

Health checks, monitoreo de colas y métricas vienen con el proyecto — apunta tu panel de Grafana o Filament existente y listo.

// el pipeline

Cinco pasos, una sola estructura, siempre igual.

  1. 01

    Subir

    Envía cualquier archivo compatible a la API REST, con un bearer token emitido desde tu propio panel.

  2. 02

    Detectar

    El tipo MIME real se detecta desde el contenido del archivo y se verifica contra su extensión.

  3. 03

    Extraer

    El motor correspondiente se ejecuta — extracción nativa de texto, parsing de hojas de cálculo, u OCR por página cuando sea necesario.

  4. 04

    Normalizar

    Encabezados, tablas y estructura se reconstruyen en Markdown limpio y consistente — sin importar el formato de origen.

  5. 05

    Responder

    Recibes texto plano y estructurado — listo para incluir directamente en un prompt, sin manejar archivos por tu lado.

// inicio rápido

Funcionando en aproximadamente un minuto.

Clona el repositorio, levanta el stack y emite una clave API desde el panel de administración incluido. Sin cuentas, sin servicios externos, sin precios por página.

terminal 
git clone https://github.com/procodigo/doccompiler.git
cd doccompiler
cp .env.example .env
docker compose up -d
curl 
curl -X POST http://localhost/api/v1/documents \
  -H "Authorization: Bearer YOUR_TOKEN" \
  -F "[email protected]"