linux.do

PDF Craft：一个更懂技术的开源 PDF 转换工具

大家好，最近我们团队开源了个项目，和大家分享一下。

我们平时看技术文档或者学术论文，PDF 是绕不开的坎。但目前的 PDF 转换工具，总有那么几个让人抓狂的点：

● 扫描版的 PDF，转出来基本就是一堆乱码，没法看。
● 数学公式，特别是 LaTeX，转完成 Word 或者 Markdown 后，格式全错，还不如截图。
● 排版，双栏的、图文混排的，一转换就面目全非。
● 很多工具背后都是调 LLM API，不仅花钱，速度和稳定性也看缘分。

为了解决这些的问题，我们基于 DeepSeek-OCR 重写了一个转换引擎：pdf-craft。

效果预览

有什么不一样？

我们没打算做一个大而全的工具，而是把精力都放在了技术细节上，希望能做到：

1. 更好的 OCR 识别：既然使用了 DeepSeek-OCR，文档结构理解、表格、公式、图片这些复杂场景的识别准确率，我们很有信心。
2. 更智能的布局还原：特别优化了双栏和图文混排，目标是转成 Markdown 或 EPUB 后，还能有接近纸质书的阅读体验。
3. 更完美的 LaTeX 公式支持：无论是行内公式还是独立公式，都能精准识别并还原，这点我们花了不少功夫。
4. 更灵活的输出：目前支持 Markdown 和 EPUB，目录、注释这些也都会自动生成。

怎么用？

我们提供了两种方式：

1. 本地免费跑（我们最推荐的）

如果你有一张还不错的显卡（RTX 3060 或以上），可以尝试根据 README.md 中的步骤在本地运行。

完全免费，不限次数，数据都在你自己的电脑上。

当然，pdf-craft 引擎本身是完全开源的（MIT 协议），你可以直接 clone 仓库回来自己开发及部署。

2. 云服务

没算力的朋友也不用担心，我们同时提供了在线的云服务。没有订阅费，按实际用量计费，新用户注册会送一些免费额度，可以先体验一下。

关于开源

我们相信，一个好的工具应该是开放和透明的。特别是文档处理这种场景，谁也不希望自己的文件被泄露。

开源，意味着：

● 你可以审查代码，知道它到底是怎么工作的。
● 可以自己部署，数据安全掌握在自己手里。
● 可以定制功能，缺什么就自己动手。
● 当然，也欢迎你贡献代码，一起让它变得更好。

最后

这个项目还在快速迭代，肯定有不少问题。欢迎大家来我们的 GitHub 仓库提 Issue 和 PR。

● 在线体验：https://pdf.oomol.com
● GitHub 仓库：oomol-lab/pdf-craft
● API 文档：https://pdf.oomol.com/api
● 关于我们的产品，你可以查看: 【结束】【软件推广 - 抽 iPhone 17 Pro Max、大疆无人机、相机、HA 盒子、键盘等】OOMOL Studio: 可视化构建 AI 工具与工作流

16 posts - 14 participants

Read full topic

via LINUX DO - 最新话题 (author: Kevin Cui)

Invalid media: image

25 views09:07