Recursos
Extração, OCR, segmentação inteligente e renderização, encadeados de ponta a ponta para o PDF traduzido sair com a cara do original.
- Extração e reinserção de imagens
- As figuras são extraídas com suas coordenadas e devolvidas ao documento traduzido exatamente na mesma posição.
- OCR com fallback
- O PaddleOCR é o motor principal, com o
Tesseractcomo fallback offline, então páginas escaneadas ou só de imagem também são lidas. - Chunking inteligente
- A segmentação inteligente do texto mantém o contexto da tradução enxuto e melhora a precisão em documentos longos e estruturados.
- Otimização de custo
- Acompanhamento de tokens e custo em tempo real com o prompt caching da OpenAI: até
50%mais barato em conteúdo repetido. - Robusto e retomável
- Tratamento de erros, novas tentativas automáticas e recuperação por checkpoint fazem um job longo sobreviver a APIs instáveis e continuar de onde parou.
- Interface de terminal rica
- Uma interface profissional feita com
Richmostra o progresso ao vivo, a detecção de capítulos e o custo por página enquanto trabalha.
Uso
Gere um PDF traduzido fiel ao original, ou pule a renderização e leia a tradução direto no terminal.
Modo PDF padrão
Extrai as imagens, traduz e renderiza de novo em um PDF que preserva o layout, ao lado de um gêmeo em HTML.
$ ocrack book.pdf -p "234-235"
$ ocrack input.pdf --pages "10-28" -m gpt-4o
$ ocrack input.pdf -c "1,3-5" --max-chunks 50Modo rápido / CLI sem render
Pule a extração de imagens ou a renderização do PDF quando você só quer o texto traduzido, rápido e barato.
$ ocrack book.pdf -p "234-235" --cli
$ ocrack book.pdf -p "234-235" --no-ocr
$ ocrack book.pdf -o ./out -m gpt-4o-miniPipeline de tradução
Todo PDF passa pelas mesmas seis etapas determinísticas, da análise ao documento renderizado.
- Análise Lê a estrutura e seleciona páginas ou capítulos.
- Extração Retira as imagens com as coordenadas exatas da página.
- OCR Lê o texto com PaddleOCR, com fallback para Tesseract.
- Chunking Divide o texto em partes que respeitam o contexto.
- Tradução Envia os segmentos ao GPT acompanhando o custo.
- Renderização Monta o HTML e imprime de volta em PDF.
Números
| Métrica | Valor |
|---|---|
| Páginas traduzidas por minuto | 1–5 |
| Custo por página (gpt-4o-mini) | $0.001+ |
| Redução de custo com cache | 50% |
| Etapas do pipeline | 6 |
Instalação
Clone, instale e você ganha o comando ocrack no terminal.
$ git clone https://github.com/marcostolosa/OCRack.git && cd OCRack && pip install -e .- Requer Python 3.8+ e uma chave de API da OpenAI.
- Rode
playwright install chromiumpara a renderização HTML→PDF. - Defina
OPENAI_API_KEY.OPENAI_MODELusa gpt-4o-mini por padrão.
Links
Traduza os livros que as outras ferramentas ignoram. Dê uma estrela no GitHub, abra uma issue ou mande um pull request.