deepseek-ocr-v2

DeepSeek-OCR-2 をローカル（Windows / 6GB クラスのGPU）で動かし、PDFをOCRして構造を保った Markdown に整えるツール群。

構成

• main.py — 1枚の画像をOCR
• ocr_pdf.py — PDFを1ページずつOCRし、1つの Markdown に結合
• cleanup.py — OCR結果のノンブル・柱・崩れた改行を除去し、見出し付きの Markdown に整形

クイックスタート

uv sync
uv run python main.py --smoke                          # ロード確認（初回はモデル約6.3GBをDL）
uv run python ocr_pdf.py --pdf "C:/path/to/book.pdf"   # PDFを丸ごとOCR
uv run python cleanup.py --book "book"                 # Markdownに整形

詳しくは 使い方、設定と制約は 仕様と制約 を参照。

必要環境

• Windows / NVIDIA GPU（VRAM 6GB〜） / Python 3.12（uv で取得）
• flash-attn は不要（eager で動作）