feat: 新增 OCRmyPDF 轉換引擎 (v0.1.14)

## 新功能 - OCRmyPDF 轉換引擎：將掃描版 PDF 轉換為可搜尋 PDF - 支援 7 種語言：en, zh-TW, zh, ja, ko, de, fr - 與 PDFMathTranslate 風格一致的 UI 格式 (pdf-<lang>) - 自動偵測頁面方向並旋轉 - 自動校正傾斜 - 跳過已有文字層的頁面 - 詳細的 5 階段處理進度輸出 ## 建置 - Dockerfile：安裝 ocrmypdf 與 Tesseract OCR 語言包 ## 文件 - 更新 OCR 功能文件 - 文件目錄結構改為中文名稱 ## 測試 - 修復 BabelDOC 和 PDFMathTranslate 測試的 OCR mock - 所有 345 個測試通過
2026-01-23 16:28:33 +08:00 · 2026-01-23 16:28:33 +08:00 · a06df23b1d
commit a06df23b1d
parent f24eec070c
53 changed files with 1427 additions and 675 deletions
--- a/docs/功能說明/翻譯.md
+++ b/docs/功能說明/翻譯.md
@ -0,0 +1,187 @@
+# 翻譯功能
+
+ConvertX-CN 內建兩個 PDF 翻譯引擎：
+
+| 引擎                 | 命令       | 輸出格式              | 特色                 |
+| -------------------- | ---------- | --------------------- | -------------------- |
+| **PDFMathTranslate** | `pdf2zh`   | PDF                   | 保留數學公式與排版   |
+| **BabelDOC**         | `babeldoc` | PDF / Markdown / HTML | 多格式輸出、快速翻譯 |
+
+---
+
+## PDFMathTranslate
+
+適合學術論文、數學/物理教科書等需要保留公式的文件。
+
+### 功能特色
+
+- 📊 **保留數學公式**：LaTeX 公式完整保留
+- 📈 **保留圖表**：圖片、表格位置不變
+- 📑 **保留目錄**：連結與結構完整
+- 🌐 **多語言支援**：15+ 種目標語言
+
+### 使用方式
+
+1. 上傳 PDF 檔案
+2. 在目標格式選擇 `pdf-zh-TW`（或其他語言代碼）
+3. 點擊轉換
+4. 下載翻譯後的 PDF（.tar 檔案）
+
+---
+
+## BabelDOC
+
+適合一般文件翻譯，支援多種輸出格式。
+
+### 功能特色
+
+- 📄 **多格式輸出**：PDF、Markdown、HTML
+- ⚡ **快速翻譯**：針對一般文件優化
+- 🔄 **格式轉換**：可同時翻譯並轉換格式
+
+### 使用方式
+
+1. 上傳 PDF 檔案
+2. 在目標格式選擇：
+   - `pdf-zh-TW`：翻譯後輸出 PDF
+   - `md-zh-TW`：翻譯後輸出 Markdown
+   - `html-zh-TW`：翻譯後輸出 HTML
+3. 點擊轉換
+4. 下載結果（.tar 檔案）
+
+---
+
+## 支援的目標語言
+
+兩個引擎都支援以下語言：
+
+| 格式代碼    | 目標語言 |
+| ----------- | -------- |
+| `pdf-en`    | 英文     |
+| `pdf-zh`    | 簡體中文 |
+| `pdf-zh-TW` | 繁體中文 |
+| `pdf-ja`    | 日文     |
+| `pdf-ko`    | 韓文     |
+| `pdf-de`    | 德文     |
+| `pdf-fr`    | 法文     |
+| `pdf-es`    | 西班牙文 |
+| `pdf-it`    | 義大利文 |
+| `pdf-pt`    | 葡萄牙文 |
+| `pdf-ru`    | 俄文     |
+| `pdf-ar`    | 阿拉伯文 |
+| `pdf-hi`    | 印地文   |
+| `pdf-vi`    | 越南文   |
+| `pdf-th`    | 泰文     |
+
+> 💡 BabelDOC 額外支援 `md-<lang>` 和 `html-<lang>` 格式
+
+---
+
+## 輸出格式
+
+所有輸出一律打包為 `.tar` 檔案：
+
+### PDFMathTranslate 輸出
+
+```
+output.tar
+├── original.pdf      # 原始 PDF
+└── translated-*.pdf  # 翻譯後的 PDF
+```
+
+### BabelDOC 輸出
+
+```
+output.tar
+├── translated-*.pdf  # 翻譯後的 PDF（如果選擇 pdf-*）
+├── translated-*.md   # 翻譯後的 Markdown（如果選擇 md-*）
+└── translated-*.html # 翻譯後的 HTML（如果選擇 html-*）
+```
+
+---
+
+## 環境變數設定
+
+### 翻譯服務（PDFMathTranslate）
+
+> 💡 `PDFMATHTRANSLATE_SERVICE` 可選值：`google`（預設）、`bing`、`deepl`、`openai`、`azure`
+
+```yaml
+environment:
+  - PDFMATHTRANSLATE_SERVICE=google
+```
+
+| 服務     | 說明             | 需要 API Key |
+| -------- | ---------------- | ------------ |
+| `google` | Google 翻譯      | ❌ 免費      |
+| `bing`   | Bing 翻譯        | ❌ 免費      |
+| `deepl`  | DeepL 翻譯       | ✅           |
+| `openai` | OpenAI API       | ✅           |
+| `azure`  | Azure Translator | ✅           |
+
+### 使用付費服務
+
+如需使用付費服務，需設定對應的 API Key：
+
+```yaml
+environment:
+  - PDFMATHTRANSLATE_SERVICE=openai
+  - OPENAI_API_KEY=sk-xxxxx
+  # 或
+  - PDFMATHTRANSLATE_SERVICE=deepl
+  - DEEPL_API_KEY=xxxxx
+```
+
+---
+
+## 適用場景
+
+### PDFMathTranslate 適合
+
+- ✅ 學術論文翻譯
+- ✅ 數學/物理教科書
+- ✅ 包含 LaTeX 公式的文件
+- ✅ AI/ML 論文
+
+### BabelDOC 適合
+
+- ✅ 一般文件翻譯
+- ✅ 需要 Markdown 輸出（方便後續編輯）
+- ✅ 需要 HTML 輸出（網頁展示）
+- ✅ 快速翻譯大量文件
+
+### ⚠️ 共同限制
+
+- 掃描版 PDF（系統會自動偵測並使用 OCR 處理）
+- 複雜排版的雜誌
+- 手寫文件
+
+---
+
+## 如何選擇引擎？
+
+| 需求               | 推薦引擎         |
+| ------------------ | ---------------- |
+| 有數學公式         | PDFMathTranslate |
+| 需要 Markdown 輸出 | BabelDOC         |
+| 需要 HTML 輸出     | BabelDOC         |
+| 一般商業文件       | 兩者皆可         |
+| 追求翻譯品質       | PDFMathTranslate |
+| 追求翻譯速度       | BabelDOC         |
+
+---
+
+## 注意事項
+
+1. **模型已預載**：所需模型已在 Docker build 階段下載
+2. **不會隱式下載**：Runtime 不會下載額外模型
+3. **預設免費服務**：使用 Google/Bing 翻譯（免費）
+4. **離線模式**：可設定 `HF_HUB_OFFLINE=1` 確保完全離線
+
+---
+
+## 相關文件
+
+- [支援的轉換器](轉換器.md)
+- [OCR 功能](OCR.md)
+- [環境變數設定](../配置設定/環境變數.md)