Elijah/convertor
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

fix: 修正 PDFMathTranslate 模型路徑，確保預下載到 babeldoc cache 目錄

Browse source
This commit is contained in:
Your Name 2026-01-23 11:48:02 +08:00
parent 0bc22411b6
commit cb8ee290bb
1 changed files with 24 additions and 16 deletions
Download patch file Download diff file Expand all files Collapse all files

40
Dockerfile
View file

@ -314,15 +314,20 @@ RUN set -eux && \
(pipx install "mineru[all]" || echo "⚠️ mineru 安裝失敗（可能是 arm64 相容性問題），跳過...") && \
\
# ========================================
# [6/8] 顯式下載 PDFMathTranslate 模型
# [6/8] 顯式下載 PDFMathTranslate/BabelDOC ONNX 模型
# ⬇️ Docker build 階段下載 DocLayout-YOLO ONNX 模型
# 必須放到 /root/.cache/babeldoc/models/ 目錄
# 因為 pdf2zh 使用 babeldoc.assets.get_doclayout_onnx_model_path()
# Runtime 不會再下載任何資源
# ========================================
echo "" && \
echo "📥 [6/8] 下載 PDFMathTranslate DocLayout-YOLO ONNX 模型..." && \
mkdir -p /models/pdfmathtranslate && \
python3 -c "from huggingface_hub import snapshot_download; import os; os.environ['HF_HOME']='/root/.cache/huggingface'; snapshot_download(repo_id='wybxc/DocLayout-YOLO-DocStructBench-onnx', local_dir='/models/pdfmathtranslate', allow_patterns=['*.onnx'], local_dir_use_symlinks=False); print('DocLayout-YOLO ONNX downloaded')" && \
ls -lh /models/pdfmathtranslate/*.onnx 2>/dev/null || ls -lh /models/pdfmathtranslate/ && \
echo "📥 [6/8] 下載 PDFMathTranslate/BabelDOC DocLayout-YOLO ONNX 模型..." && \
mkdir -p /root/.cache/babeldoc/models && \
# 直接下載 ONNX 模型到 babeldoc 期望的路徑
curl -fSL -o /root/.cache/babeldoc/models/doclayout_yolo_docstructbench_imgsz1024.onnx \
"https://huggingface.co/wybxc/DocLayout-YOLO-DocStructBench-onnx/resolve/main/doclayout_yolo_docstructbench_imgsz1024.onnx" && \
echo "✅ ONNX 模型下載完成" && \
ls -lh /root/.cache/babeldoc/models/*.onnx && \
\
# ========================================
# [6.1/8] 下載 PDFMathTranslate 多語言字型
@ -346,21 +351,16 @@ RUN set -eux && \
ls -lh /app/*.ttf && \
\
# ========================================
# [7/8] 顯式下載 BabelDOC 資源
# ⬇️ Docker build 階段顯式下載 BabelDOC 所需資源
# ❌ 禁止使用 --warmup（不可控的隱性下載）
# ✅ 使用 HuggingFace 顯式下載模型
# [7/8] 準備 BabelDOC 資源
# ⬇️ 複製字型到 BabelDOC cache 目錄
# ONNX 模型已在 [6/8] 下載完成
# Runtime 不會再下載任何資源
# ========================================
echo "" && \
echo "📥 [7/8] 顯式下載 BabelDOC 資源..." && \
mkdir -p /root/.cache/babeldoc/models && \
echo "📥 [7/8] 準備 BabelDOC 資源..." && \
mkdir -p /root/.cache/babeldoc/fonts && \
\
# 下載 BabelDOC 使用的 DocLayout-YOLO 模型（與 pdf2zh 共用）
echo " 下載 BabelDOC DocLayout-YOLO 模型..." && \
(python3 -c "from huggingface_hub import snapshot_download; import os; os.environ['HF_HOME']='/root/.cache/huggingface'; snapshot_download(repo_id='wybxc/DocLayout-YOLO-DocStructBench-onnx', local_dir='/root/.cache/babeldoc/models/doclayout-yolo', allow_patterns=['*.onnx'], local_dir_use_symlinks=False); print('BabelDOC DocLayout-YOLO downloaded')" || echo "BabelDOC DocLayout-YOLO skipped") && \
(python3 -c "from huggingface_hub import snapshot_download; import os; os.environ['HF_HOME']='/root/.cache/huggingface'; snapshot_download(repo_id='funstory-ai/babeldoc-assets', local_dir='/root/.cache/babeldoc/assets', local_dir_use_symlinks=False); print('BabelDOC assets downloaded')" || echo "BabelDOC assets not available") && \
mkdir -p /root/.cache/babeldoc/cmap && \
mkdir -p /root/.cache/babeldoc/tiktoken && \
\
# 複製字型到 BabelDOC 目錄（避免 runtime 下載）
echo " 複製字型到 BabelDOC 目錄..." && \
@ -369,6 +369,14 @@ RUN set -eux && \
cp /app/SourceHanSerifTW-Regular.ttf /root/.cache/babeldoc/fonts/ 2>/dev/null || true && \
cp /app/SourceHanSerifJP-Regular.ttf /root/.cache/babeldoc/fonts/ 2>/dev/null || true && \
cp /app/SourceHanSerifKR-Regular.ttf /root/.cache/babeldoc/fonts/ 2>/dev/null || true && \
\
# 下載 BabelDOC 需要的額外資源（如果有的話）
echo " 下載 BabelDOC 額外資源..." && \
(python3 -c "from huggingface_hub import snapshot_download; import os; os.environ['HF_HOME']='/root/.cache/huggingface'; snapshot_download(repo_id='funstory-ai/babeldoc-assets', local_dir='/root/.cache/babeldoc/assets', local_dir_use_symlinks=False); print('BabelDOC assets downloaded')" || echo "BabelDOC assets not available, skipping...") && \
\
# 驗證模型已正確下載
echo " 驗證 BabelDOC 模型..." && \
ls -lh /root/.cache/babeldoc/models/ && \
echo "✅ BabelDOC 資源準備完成" && \
\
# ========================================