oomol-lab/pdf-craft

解決的問題

pdf-craft 是一個轉換函式庫，旨在將 PDF（包含掃描文件）轉換為可搜尋、可編輯的格式，例如 Markdown 或 EPUB。它特別針對書籍、學術論文與技術文件，能處理目錄、腳註、表格、公式與影像等複雜元素。

工作原理

該函式庫使用 OCR（光學字元辨識）流程將頁面影像轉換為文字。它支援多種 OCR 後端，包括 DeepSeek OCR 與百度的無限 OCR，這些後端既可在 NVIDIA GPU 上本地執行（透過 CUDA），也可透過遠端供應商服務執行。在翻譯方面，它整合獨立的文本 LLM，可在轉換過程中翻譯內容，或翻譯現有的 EPUB 檔案。它還支援「PDF 到 PDF」翻譯，將翻譯後的文字寫回原始 PDF 版面。

適用對象

需要從掃描 PDF 中提取文字，或將其轉換為結構化、可編輯格式以進行進一步處理或翻譯成其他語言的研究人員、學生與開發者。

主要特色

• 彈性 OCR 後端： 支援本地 GPU 執行與遠端 API 基礎的 OCR。
• 多格式輸出： 可將 PDF 轉換為 Markdown、EPUB 或翻譯後的 PDF。
• LLM 驅動的翻譯： 整合文本 LLM，在轉換過程中翻譯內容。
• 複雜文件處理： 特別針對包含公式與表格的學術與技術文件進行優化。
• EPUB 翻譯： 可翻譯現有的 EPUB 檔案，並提供取代原文或附加翻譯的選項。