scan, split, OCR, prepare for LLM

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