PDF-to-MD Converter

Webapp per convertire PDF e immagini in Markdown pulito usando modelli OCR e Vision tramite Ollama.

Caratteristiche

• Multi-formato: Supporta PDF, PNG, JPG, JPEG, TIFF, BMP, WEBP
• Strategie multiple: Scegli tra Auto o Vision
• Streaming OCR: Risultati in tempo reale mentre il modello elabora
• Vista affiancata: Documento originale a sinistra, Markdown a destra
• Navigazione pagine: Thumbnail per navigare tra le pagine
• Caching: Risultati salvati su disco per non rielaborare
• Download: Esporta tutto il documento in un file .md

Strategie OCR

Strategia	Descrizione	Quando usarla
Auto (default)	Usa LightOnOCR per massima qualita	Massima qualita senza pensarci
Vision	Usa direttamente il modello vision sull'immagine	Veloce, una sola chiamata

Requisiti

1. Python 3.10+
2. Ollama installato e in esecuzione
3. Modello LightOnOCR (per strategia Auto):

   ollama pull Maternion/LightOnOCR-2:latest

4. Modello Vision (per strategia Vision):

   ollama pull qwen3.5:397b-cloud

Installazione

# Clona il repository
git clone <repo-url>
cd pdf-to-md-converter

# Crea ambiente virtuale (opzionale ma consigliato)
python -m venv venv

# Attiva l'ambiente virtuale
# Windows:
venv\Scripts\activate
# Linux/macOS:
source venv/bin/activate

# Installa le dipendenze
pip install -r requirements.txt

Avvio

1. Avvia Ollama (se non e gia in esecuzione):

   ollama serve

2. Avvia il server web:

   python pd-to-md.py

3. Apri il browser:

   http://localhost:8000
   

Configurazione

Variabili d'ambiente opzionali:

Variabile	Default	Descrizione
OLLAMA_URL	http://localhost:11434	URL del server Ollama
VISION_MODEL	qwen3.5:397b-cloud	Modello Vision
COMPLEX_MODEL	Maternion/LightOnOCR-2:latest	Modello Auto (LightOnOCR)
RENDER_DPI	150	DPI per rendering PDF

Esempio:

export VISION_MODEL=llava:latest
export RENDER_DPI=200
python pd-to-md.py

API Endpoints

Metodo	Endpoint	Descrizione
POST	/api/upload	Carica PDF/immagine, restituisce job_id
GET	/api/page/{job_id}/{page}	Ottieni immagine pagina
GET	/api/ocr/{job_id}/{page}	Avvia OCR (streaming SSE)
GET	/api/ocr/{job_id}/{page}?strategy=auto	OCR con strategia Auto
GET	/api/ocr/{job_id}/{page}?strategy=vision	OCR con strategia Vision
GET	/api/markdown/{job_id}	Scarica tutto il markdown
GET	/api/health	Stato connessione Ollama e modelli
DELETE	/api/jobs/{job_id}	Elimina job

Streaming Events (SSE)

L'endpoint /api/ocr/{job_id}/{page} utilizza Server-Sent Events:

Evento	Descrizione
cached	Risultato gia in cache
stage	Cambio passata (ocr -> vision in hybrid)
data	Chunk di testo generato
done	Elaborazione completata
error	Errore durante l'elaborazione

Struttura Progetto

glm-ocr-webapp/
├── pd-to-md.py          # Backend FastAPI
├── requirements.txt     # Dipendenze Python
├── static/
│   ├── index.html      # Frontend HTML
│   ├── app.js          # Logica frontend
│   └── styles.css      # Stili CSS
├── jobs/               # Directory job (auto-creata)
│   └── {job_id}/
│       ├── meta.json   # Metadati job
│       ├── page-*.png  # Immagini pagine
│       └── page-*.md   # Risultati OCR (cache)
└── uploads/            # Upload temporanei

Keyboard Shortcuts

• <- / -> : Naviga tra le pagine
• Ctrl+S / Cmd+S : Scarica Markdown
• Escape : Torna alla schermata upload

Troubleshooting

Ollama non trovato

# Verifica che Ollama sia in esecuzione
ollama list

# Se non parte
ollama serve

Modello non trovato

# Scarica i modelli necessari
ollama pull Maternion/LightOnOCR-2:latest
ollama pull qwen3.5:397b-cloud

Timeout su documenti grandi

Il timeout e impostato a 10 minuti. Per documenti molto lunghi, puoi aumentare RENDER_DPI per qualita migliore o diminuirlo per performance migliori.

Caricamento infinito

Se l'OCR sembra bloccato, verifica:

1. Che Ollama sia in esecuzione: ollama list
2. Che il modello sia disponibile: controlla /api/health
3. Prova la strategia "auto" invece di "vision" per testare

Licenza

MIT