scan, split, OCR, prepare for LLM
Nevar pievienot vairāk kā 25 tēmas Tēmai ir jāsākas ar burtu vai ciparu, tā var saturēt domu zīmes ('-') un var būt līdz 35 simboliem gara.
Evgeniy Ierusalimov 57152efb4b updated discovered self skills 3 dienas atpakaļ
..
AGENTS.md initial release with base split functionality 1 nedēļu atpakaļ
AI_RULES.md refactored code 1 nedēļu atpakaļ
ARCHITECTURE.md renamed inage_split to image_prepare, fixed some code and parameters 4 dienas atpakaļ
CODE_STYLE.md polishing the code and docs 5 dienas atpakaļ
DEVELOPMENT.md refactored code 1 nedēļu atpakaļ
IMAGE_PROCESSING.md refactored code 1 nedēļu atpakaļ
README.md initial release with base split functionality 1 nedēļu atpakaļ
REQUIREMENTS.md initial release with base split functionality 1 nedēļu atpakaļ
SKILLS.md updated discovered self skills 3 dienas atpakaļ
SOLID_AUDIT.md polishing the code and docs 5 dienas atpakaļ
TASKS.md initial release with base split functionality 1 nedēļu atpakaļ
VLM_OFFLOAD.md polishing the code and docs 5 dienas atpakaļ

README.md

Offline Document Pipeline

Назначение проекта

Преобразование больших технических документов, полученных после печати и сканирования, в структурированный HTML без использования облачных сервисов.

Поддерживается полностью offline работа.

Pipeline

JPEG/TIFF/PDF

Split pages

Deskew

Crop

PaddleOCR

HTML

Вне scope проекта

  • LLM
  • RAG
  • поиск
  • анализ документов