Паспорт проекта
- Тип
- Технические модули
- Задача
- Перевести научный PDF, сохраняя расположение текста, формулы и прочие перечисленные элементы документа.
- Для кого
- В описании не уточняется
- Технологии
- Python / API / CLI / OCR
- Что потребуется
- Python 3.11–3.12 по README; ultrafast требует необязательную зависимость pdf-inspector>=1.25.2,<2.
- Основание
- 10 первоисточников
За 30 секунд
Перевести научный PDF, сохраняя расположение текста, формулы и прочие перечисленные элементы документа.
Переводит документ выбранным сервисом, формирует перевод и двуязычную версию; ultrafast группирует текст по координатам без ONNX/OCR. Для OCR описаны сборка слов в абзацы и подгонка перевода в исходные области.
example-mono.pdf с переводом и example-dual.pdf с двуязычным документом; ultrafast даёт больший размер из-за пропуска подмножеств шрифтов.
Как это работает
На входе
PDF-файл, параметры языков и переводчика; для ultrafast требуется исходный текстовый слой. GUI принимает PDF через окно загрузки.
Механизм
Переводит документ выбранным сервисом, формирует перевод и двуязычную версию; ultrafast группирует текст по координатам без ONNX/OCR. Для OCR описаны сборка слов в абзацы и подгонка перевода в исходные области.
Результат
example-mono.pdf с переводом и example-dual.pdf с двуязычным документом; ultrafast даёт больший размер из-за пропуска подмножеств шрифтов.
Что важно понять
Техническое устройство
Ultrafast использует координаты pdf-inspector, эвристическое объединение текста и общий пул абзацев на весь документ, по умолчанию 16 workers. Переводы кэшируются. OCR-ветка группирует распознанные слова и уменьшает шрифт абзаца до исходной области.
Для чего создано
Перевести научный PDF, сохраняя расположение текста, формулы и прочие перечисленные элементы документа.
Сценарии использования
Перевод научного PDF и двуязычное сопоставление; GUI-сценарий — загрузить PDF и нажать Translate; ultrafast — обработать PDF с исходным текстом без OCR.
Идея решения
Отделить перевод текста от сохраняемых элементов PDF; для native-text документов использовать координатную эвристику вместо более тяжёлой ONNX/OCR обработки, сохраняя защиту формульных шрифтов/символов.
Что известно из описания
Что потребуется
- Python 3.11–3.12 по README; ultrafast требует необязательную зависимость pdf-inspector>=1.25.2,<2.
- Выбирается сервис или service:model; требования доступа зависят от переводчика.
Что учитывать
- Ultrafast работает только в fast CLI, без precise/BabelDOC/server/GUI/onnx; страницы без native text не OCR-распознаются.
- Экспериментальный OCR ориентирован на белый фон, пропускает частичные сканы на текстовых страницах и может ошибаться в рукописи/встроенных формулах.
- APIS.md называет API поддерживаемым, но китайский README сообщает, что он временно прекращён; поддержанный программный интерфейс нужно уточнить.
Из первоисточников
Редакционный обзор NeoBridge Insight по материалам источников ниже. Права на исходные тексты, код и изображения принадлежат их правообладателям. Условия использования указаны в первоисточниках.
Независимое тестирование проекта не проводилось.
Комментарий NeoBridge
Общая справка
Что стоит уточнить
Основания и справочные материалы
API ↗