Сервер для OCR-архива: пропуски и очередь проверки страниц
Большая папка сканов превратилась в PDF с поиском, но это ещё не означает, что все страницы распознаны. Для рабочего архива нужен отчёт о каждой исходной странице и понятная очередь исключений. Именно её стоит проверить перед заказом сервера и приложения для пакетной обработки.
Приёмка начинается с исходного перечня
Для партии сохраните перечень документов и страниц до обработки. У страницы должны быть исходный файл, номер, состояние и ссылка на результат. Статусы «текст уже был», «OCR выполнен», «пропущена», «ошибка» и «нужна проверка» нельзя объединять в одно общее «готово».
Страница с исходным текстом может требовать проверки так же, как скан. Например, старый слой содержит неверные номера деталей. Приложению нужно заранее задать, какие документы можно обрабатывать повторно и как сохранить прежнюю принятую версию. Исходники партии хранят отдельно от производных результатов.
Текстовый sidecar не заменяет журнал страниц
OCRmyPDF может создавать отдельный файл распознанного текста. В официальной инструкции уточняется, что sidecar не включает уже существующий текст документа; также в нём отсутствуют страницы, для которых OCR не выполнялся или был пропущен из-за настроек. Поэтому наличие такого файла не доказывает полноту обработки исходной партии.
Для приёмки сопоставляют журнал задания с исходным перечнем. Отсутствие текста может означать пустую страницу, существующий текст, пропуск или сбой — причину нужно хранить явно. Модель может помочь сортировать исключения, но не должна дорисовывать недостающие строки документа, чтобы отчёт казался полным.
Повторная обработка должна быть ограниченной
Ошибка на одной странице не должна требовать повторного принятия всего архива. Для исправления сохраняют причину, выбранные параметры, версию обработки и связь с предыдущим результатом. После повторного запуска сотрудник подтверждает именно изменённые страницы и видит, какие исключения остаются открытыми.
В пробную партию включите страницу без текста, документ с существующим слоем, повёрнутый лист, нечитаемую копию и задание с намеренно ограниченным набором страниц. Проверьте, что сводка не выдаёт пропущенные листы за успешно распознанные, а поиск ведёт к правильному исходнику.
Что определяет состав поставки
Для предложения важны число страниц в партии, разрешение, языки, доля сложных копий, окно обработки и требуемое хранение. Отдельно согласуют движок OCR, импорт, журнал, повторный запуск исключений и интерфейс приёмки. Точная конфигурация оборудования определяется на типовой партии, а не числом в названии проекта.
Перед обновлением движка или модели сохранённую контрольную партию обрабатывают снова и сравнивают статусы, номера и доступность источников. Условия готовности должны быть одинаковыми для старой и новой версии. Это позволяет увидеть потерянные страницы отдельно от улучшений качества текста.
Вопросы перед заказом
Есть sidecar с текстом — значит, распознаны все страницы?
Нет. Он содержит текст OCR в пределах фактически обработанных страниц. Полноту партии проверяют по исходному перечню и журналу статусов.
Нужно заново запускать весь архив из-за одного плохого листа?
Приложение можно спроектировать с очередью исключений и повторной обработкой выбранных страниц. Такой режим и сохранение прежних версий включают в согласованный состав работ.
Первичный источник: OCRmyPDF Cookbook: sidecar и пропущенные страницы. Документация программы не подтверждает её испытание на предлагаемом сервере.
Сервер и состав проекта
Основное предложение: «Суперинтеллект» для сервисной компании — AI Server Manager 128. Для заказа нужны точные CPU, RAM, GPU, накопители, версии программ и включённые работы. Число в обозначении не подтверждает объём памяти.
Другие предложения: AI Server Manager 256 · AI Server Manager 384.
Цена, наличие и комплектация подтверждаются предложением. Поставка по России и Казахстану. Стоимость и срок доставки согласуем по городу и составу заказа. Уточните упаковку, документы и порядок приёмки.