MuhtajinMukhtar/scan-book-to-digital-pdf

Gescanntes Buch in digitales PDF umwandeln

Die Konversation soll einfach sein

Der Benutzer kann nur sagen: "Tolong jadikan PDF buku ini buku digital yang nyaman dibaca, mengikuti https://github.com/MuhtajinMukhtar/scan-book-to-digital-pdf." Der Benutzer kann ein PDF als Anhang bereitstellen. Verlange nicht, dass der Benutzer Begriffe wie OCR, PP-StructureV3, SHA-256 oder Kommandozeile kennt.

• Wenn kein PDF angehängt ist, frage nach dem PDF.
• Standardmäßig wird ein originalgetreues Layout mit einer quellähnlichen Schriftart und Absatzeinzügen verwendet. Falls nötig, stelle jeweils eine freundliche Frage zur Zeit, formuliert in alltäglichen Begriffen: "Möchtest du eine Schrift wie im normalen Buch oder einen modernen Stil?", "Schriftgröße wie im Original oder größer?", "Absatzanfang eingerückt oder linksbündig?". Biete "Belasse es wie im Original" an. Stelle nicht alle Fragen, wenn die Standardeinstellungen ausreichen.
• Melde Fortschritt in einfacher Sprache: geprüfte Seiten, unsichere Seiten, Überprüfungs-PDF. Behalte technische Protokolle in Arbeitsdateien, nicht im Chat des Benutzers.
• Lasse den Benutzer nicht manuell die OCR-Engine auswählen. Auf einem kompatiblen Mac verwende beide unten genannten Engines.

Quellenschutz und Einstellungen

Zeichne Seitenanzahl, ursprünglichen SHA-256, Dateimetadaten und das Ausgabeziel auf. Überschreibe niemals das Original oder eine genehmigte vorherige Version. Standardmäßig wird eine exakte Quellseitenzuordnung verwendet, es sei denn, der Benutzer bittet ausdrücklich um eine neue Seitenzählung. Respektiere ausdrückliche Einstellungen: Serifenschrift für den Textkörper (Georgia, wenn installiert und lizenziert, sonst eine offene Serifenschrift) oder serifenlose Schrift; quellgeschätzte oder angegebene Schriftgröße; Erste-Zeile-Einzug wie Quelle / ja / nein. Erhalte Quellüberschriften, Kursivschrift, Fotos, Diagramme, Tabellen, Logos, Zitate, Formulare, Fußzeilen und die Lesereihenfolge. Verteile niemals urheberrechtlich geschützte Scans oder Schriftdateien weiter.

Mac-zentrierte Dual-OCR-Pipeline (obligatorisch für den vollständigen Durchlauf)

1. Richte eine isolierte Mac-Python-Umgebung mit references/mac-setup.md ein. Überprüfe vor der Verarbeitung eine echte Apple Vision- und PaddleOCR PP-StructureV3-Installation. Verwende keine Produktionssysteme oder globalen Paketänderungen.
2. Führe python scripts/mac_hybrid_ocr.py BOOK.pdf --work-dir ./work aus. Dies ruft scripts/ocr_book.py mit Apple Vision und dann PP-StructureV3 auf denselben zwischengespeicherten Seitenbildern auf, speichert rohe Paddle-JSON und Markdown und generiert seitenweise Vergleichsberichte in work/fusion/.
3. Lies die rohen overall_ocr_res.rec_texts aus der Paddle-JSON, nicht nur die Markdown-Darstellung. Der erfolgreiche Prototyp stellte sieben Zeilen wieder her, die vom Paddle-Markdown in einem Fünf-Seiten-Pilotprojekt weggelassen wurden; nimm niemals an, dass Markdown vollständig ist. Überprüfe paddle_raw_not_in_markdown, paddle_not_in_apple, apple_not_in_paddle sowie Rechtschreib-/Wortvarianten-Warnungen. Alle sind Überprüfungskandidaten, keine automatisch genehmigten Korrekturen.
4. Bestätige fehlenden Text und umstrittene Namen anhand des ursprünglichen Seitenbildes, bevor du eine Korrektur anwendest. Vergleiche beide Engines Zeile für Zeile; keine Engine ist für sich allein autoritativ. Halte Unsicherheiten in einem seitenweisen Problemprotokoll fest. Erfinde keinen Text allein aufgrund des Kontexts.
5. Klassifiziere jede Seite und setze digital gesetzten Text aus der verifizierten Lesereihenfolge mit der gewählten Größe, Schriftart, Absatzeinzug und Blocksatz zusammen. Verwende original zugeschnittene Fotos/Illustrationen. Siehe references/page-archetypes.md. Für eine Seite, die nicht sicher wiederhergestellt werden kann, erhalte das Quellbild mit einer auswählbaren OCR-Ebene und markiere diese Seite explizit als durchsuchbaren Scan-Fallback.
6. Schreibe einen Manifesteintrag für jede Originalseite: Quell-/Ausgabeseite, Typ, OCR-Engines, akzeptierte Korrekturen, Bildprüfungen, digitaler oder durchsuchbarer Scan-Status, Ausnahmen und visueller Prüfstatus.
7. Verwende scripts/pdf_audit.py, um die Abdeckung der Quellwörter, die Seitenzuordnung, eingebettete Schriftarten, keine leeren/beschnittenen Seiten und Bilder sowie den visuellen Vergleich zwischen Quelle und Ausgabe zu überprüfen. Lese references/qa-and-handoff.md. Unterdrücke keine Fehler, um Erfolg zu melden.
8. Liefere eine Überprüfungs-PDF und eine prägnante Zusammenfassung der ausstehenden Seiten. Markiere die endgültige Version erst, nachdem der Benutzer das redaktionelle Ergebnis akzeptiert hat. Führe scripts/lossless_optimize.py nur auf einer Kopie aus und überprüfe die Darstellungs-/Textparität.

Betriebsgrenzen

• Dies ist kein universeller Retypesetter mit einem Klick: Der KI-Agent muss eine redaktionelle Rekonstruktion komplexer Seiten durchführen. mac_hybrid_ocr.py bereitet Quellvergleiche vor; es generiert nicht das endgültige Buch selbst.
• Wenn Paddle auf dem Mac nicht ausgeführt werden kann, fahre nicht stillschweigend nur mit Apple fort und gib vor, die Ausgabe hätte die Dual-OCR bestanden; melde das Installationsproblem und biete dem Benutzer einen sicheren nächsten Schritt an.
• Wenn die aktuelle ChatGPT Work- oder Codex-Umgebung keine Mac-Software ausführen kann, sage dies kurz. Beschaffe eine erlaubte Mac-Ausführungsumgebung, anstatt OCR-Ausgaben zu erfinden.
• Erhalte die Zwischenspeicher-/Quellidentität. Überschreibe niemals automatisch vorhandene OCR-Ergebnisse aus einer anderen Quelle. Veröffentliche keine privaten Dateien im Repository.
• Verwende --compare-only, um vorhandene Caches neu zu bewerten, ohne die OCR erneut auszuführen.