Novel Formatter

日文竖排 OCR · 多模型对比与融合 · 图文对照 · Formatter · EPUB · AI 修复包 · Apple Vision

主要特性

• 图片 / PDF 导入：支持图片、文件夹和 PDF 页面处理。
• 日文竖排 OCR：针对日文书籍纵排、分列和跨列内容处理。
• 多模型 OCR 对比与融合：可组合 Apple Vision、Windows Snipping OCR、NDLOCR-Lite、Hayai OCR、48px OCR、PaddleOCR 等结果进行复核。
• 图文对照校对：结合原始页面与 OCR 结果检查错字、漏字、低置信度文本和版面问题。
• Ruby / 页眉页码处理：使用 FindText CenterNet 辅助定位并清理假名注音、页眉、页码、跨列和跨页残片。
• Formatter 文本整理：对 OCR 文本进行段落、标点、标题和跨页接续等后处理。
• EPUB 制作：从整理后的正文、结构和资源直接导出 EPUB。
• AI 修复包：导出 OCR 证据、正文、结构和资源，交给 GPT、Gemini、GLM、DeepSeek 等兼容服务继续复核并生成接近出版成品的 EPUB。
• 本地数据优先：模型、缓存、日志、数据库和用户输出不作为项目源码提交。

v2.0 主要更新

相比 v1.3，v2.0 对 OCR、校对、PDF 与 EPUB 工作流进行了较大升级：

• 全新的项目工作区：统一保存页面、OCR、裁决、格式处理与 EPUB 制作状态，支持项目恢复与最近项目管理。
• 多模型 OCR 与裁决升级：完善逐列 / 全页等模型角色、分歧复核、图文对照和人工裁决流程，并优化 Hayai OCR、NDLOCR-Lite、48px OCR 等本地引擎的运行链路。
• 原生系统 OCR 扩展：新增 Windows 11 Snipping OCR；Apple OCR 重构为更稳定的原生 Vision 路径，并改善 Intel 与 Apple Silicon Mac 的兼容性。
• PDF 文字层流程重构：直接使用“页面管理”中的原始 PDF 与物理页映射，改善竖排阅读顺序、跨页接续、段落结构和出版级文本整理。
• AI 裁决增强：支持 GPT、Gemini、GLM、DeepSeek 等兼容服务，并加强裁决包、模型证据与人工修改的安全往返。
• EPUB / TEI 与界面升级：增强封面、插图、分页、元数据和 EPUB 结构处理，同时重构主要界面、预览与进度反馈，并提升长篇任务稳定性和跨平台运行能力。

OCR 引擎

支持或可选：

• Apple Vision（macOS）
• Windows Snipping OCR（Windows 11）
• NDLOCR-Lite
• Hayai OCR
• 48px OCR
• PaddleOCR
• Paddle VL MLX（macOS Apple Silicon）
• FindText CenterNet（Ruby 区域辅助）

Apple Vision、Swift OCR Helper、Apple Pencil 手写识别仅在 macOS 可用；Windows Snipping OCR 仅在支持相应系统 OCR 组件的 Windows 11 环境可用。

推荐流程

1. 导入 PDF、图片或图片文件夹。
2. 标记封面、扉页、目录、插图、正文、后记等页面类型。
3. 在 OCR 页面选择模型，并根据版面开启分列。
4. 运行 OCR。
5. 在 OCR 对比和图文对照中处理模型分歧、漏字、Ruby、页码和跨页连接。
6. 应用融合结果并进行 Formatter 整理。
7. 直接导出 EPUB，或导出 AI 修复包继续处理。

AI 修复包

AI 修复包用于把 OCR 证据、文本、结构和资源交给大模型继续复核，而不是只提供一份脱离版面的纯文本。

可以用于：

• OCR 错字、漏字和标点修复
• 人名、地名、术语一致性检查
• 跨页、跨章节语境复核
• EPUB 结构与排版检查
• 生成接近出版成品的最终 EPUB

安装与启动

推荐使用 Python 3.10 或更高版本。

macOS

git clone https://github.com/Amster-Ilvil/Novel-formatter.git
cd Novel-formatter
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -U pip
python -m pip install -r requirements.txt
python gui_pyside6.py

也可以直接运行：

./run_novel_formatter.command

Windows

git clone https://github.com/Amster-Ilvil/Novel-formatter.git
cd Novel-formatter
py -3 -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -U pip
python -m pip install -r requirements.txt
python gui_pyside6.py

安装包可直接从 Releases 下载。

平台说明

模型与本地数据

OCR 模型权重、缓存、虚拟环境、日志、数据库和用户输出不会作为项目源码提交。

首次使用部分 OCR 引擎时，程序会在本机准备所需依赖或模型文件。

参考项目与引用

本项目的界面、OCR 适配、文档处理和手写识别能力参考或使用了以下公开项目与官方文档：

• Qt for Python / PySide6：桌面 GUI 框架。
• Apple Vision：macOS 原生 OCR 与视觉识别能力。
• PaddleOCR：通用 OCR 引擎与跨平台识别参考。
• NDLOCR-Lite：日文书籍 OCR 与版面识别参考。
• Open Model Zoo：可选手写识别模型与推理参考。
• PyMuPDF：PDF 页面、图像与文字层处理。
• python-docx：DOCX 读取与生成。
• Pillow：图像读取、裁切与预处理。
• jlect-jhr：日文手写识别辅助资源；许可证见 third_party/jlect_jhr/LICENSE.txt。

第三方项目、模型和资源仍适用其各自许可证；本仓库不重新发布 OCR 模型权重。

Star History

用途与许可

本项目原创代码与文档以 MIT License 开源，可在遵守许可证的前提下用于个人、学习、研究或商业用途。

第三方 OCR、模型、依赖和平台能力仍适用其各自许可证与使用条款；完整致谢见 ACKNOWLEDGEMENTS.md。