PDF 转 EPUB

它是什么

一条完整的电子书制作流水线。把扫描版的 PDF——那些绝版的、只能在图书馆角落里找到的书—— 变成可以在任何阅读器上舒服阅读的 EPUB。不是简单的 OCR 转文字， 而是从版面分析、段落检测、脚注分离到多轮人工精校的完整工艺。

为什么做这个

很多好书已经绝版，只有扫描版流传。扫描版在手机上几乎没法读—— 字太小、不能调字号、不能做笔记。这个项目就是为了解决这个问题： 让那些值得读的书，以体面的方式重新回到读者手中。

流水线

• 版面分析 自动识别双栏/单栏排版、页眉页脚、图片区域。
• OCR 文字提取 基于视觉大模型的中文 OCR，准确率远高于传统引擎。
• 段落与脚注分离 自动区分正文段落、脚注、标题，处理跨页断行。
• 嵌套目录生成 从原文中识别章节结构，生成多级 TOC。
• 多轮人工精校 每一本书都经过逐页校对，修正 OCR 错误和排版问题。

交付格式

主要交付 EPUB 格式，兼容几乎所有电子阅读器（Kindle、Apple Books、微信读书等）。 也可根据需求交付 Word 或 TXT 格式文档。

技术栈

状态

活跃开发中。流水线核心已稳定运行，持续优化 OCR 准确率和排版质量。 每处理一本新书，都会积累经验、改进流程。