OCR 的服务太不稳定了，尝试几次都在过程中报错

[wenxin-bupt]

[Moskize91]

我们准备迁机房，后面会做机房加速，之后会好转。

[wenxin-bupt]

update:

在 linux 下直接调用 python lib 完成了一次转换。虽然有一些文字识别错误，整体来看效果相当不错。体会到了作者对书籍转写的细致的思考。 赞！

转换过程中遇到一些问题，在这里提出来：

1. 整体转换时间过长，300 页的书籍花了三个多小时。
2. Ocr 模型下载国内访问受限，huggingface 网址访问超时。
3. 在 ocr 提取之后，LLM 整理文稿的过程中没有进度显示。很容易让人怀疑转换是否卡顿。

改进建议如下

1. 增加 LLM 整理阶段进度条显示
2. LLM 调用并发加速
3. 前期 OCR 和排版提取可以考虑用 VLM 进行。不过这个对用户机器的性能要求较高。