PDF를 어디에도 업로드하지 않고 LaTeX로 변환하기
대부분의 PDF-LaTeX 변환기는 남의 서버에서 돌아갑니다. Oleafly에서 결정론적 로컬 변환이 어떻게 동작하는지, 무엇을 복구할 수 있고 무엇을 복구할 수 없는지, 선택 사항인 AI 다듬기가 언제 도움이 되는지 설명합니다.
“PDF to LaTeX”를 검색하면 업로드 양식이 나옵니다. 재가공할 권리가 있는 출판된 논문이라면 그래도 괜찮을 수 있습니다. 하지만 심사 중인 초안, 연구비 신청서, 미발표 결과가 담긴 원고라면 업로드는 대개 잘못된 선택입니다.
텍스트 기반 PDF라면 변환에 변환 SaaS가 필요하지 않습니다. 내 컴퓨터에서 편집 가능한 소스를 재구성하고, 이어서 제대로 된 로컬 편집기에서 계속 작성하면 됩니다.
사람들이 업로드하는 이유(그리고 하지 않을 수 있는 이유)
업로드 변환기는 간편합니다. PDF를 끌어다 놓고, 기다리고, zip을 내려받으면 됩니다. 대가는 초안의 모든 페이지가 남의 GPU와 로그에 닿는다는 점입니다. 연구실, 병원, 기업의 정책은 UI가 아무렇지 않게 느껴지게 만들어도 미발표 연구에 대해서는 이를 금지하는 경우가 많습니다.
로컬 변환은 기본값을 바꿉니다. 결정론적 변환 단계에서는 PDF가 디스크 밖으로 나가지 않습니다.
로컬 변환이 동작하는 방식
텍스트 기반 PDF에는 단어, 위치, 글꼴 메타데이터가 이미 들어 있습니다. 변환기는 이 층을 읽어 기하 정보로부터 구조를 재구성할 수 있습니다.
- 글꼴 크기를 군집화해 문서 제목과 소제목을 찾습니다
- x 좌표 히스토그램으로 2단 레이아웃을 감지하고 읽는 순서를 바로잡습니다
- 글꼴 이름에 담긴 단서로 굵게, 기울임, 고정폭 구간을 복구합니다
- 기준선 오프셋으로 아래 첨자와 위 첨자를 식별합니다
- 유니코드 수학 글리프를 LaTeX 매크로로 되돌려 매핑합니다
- 반복되는 머리글과 바닥글 줄은 제거합니다
- 삽입된 래스터 이미지는 그림 파일로 추출할 수 있습니다
이 가운데 모델, 서버, 네트워크 연결이 필요한 것은 없습니다. 출력에 나오는 단어는 PDF에 있던 단어 그대로입니다. 구조는 직접 확인하고 손으로 고칠 수 있는 추정입니다.
결정론적 변환이 할 수 없는 것
스캔한 PDF에는 텍스트 층이 없으므로 OCR 없이는 읽을 것이 없습니다. 복잡한 별행 수식과 표는 위치가 지정된 글리프로 조판되어 있어, 그 소스를 안정적으로 재구성하려면 기하 정보 이상이 필요합니다. 다단 레이아웃의 예외 상황과 위치가 고정되지 않은 각주는 여전히 사람이 정리해야 합니다.
좋은 변환기는 내용을 슬쩍 망가뜨려 완성된 것처럼 보이게 만들지 않고, 그 사실을 알려 줍니다.
AI가 도움이 되는 곳
페이지 이미지와 결정론적 초안이 주어지면 비전 모델이 표를 다시 만들고, 별행 수식을 고치고, 스캔본을 옮겨 적을 수 있습니다. 이 단계는 선택 사항이어야 하고, 명시적으로 실행해야 하며, 내가 고른 제공자에게 내가 가진 키로 연결되어야 합니다.
개인정보 보호 방식은 단순합니다. 결정론적 변환 단계는 로컬에 머뭅니다. 다듬기는 직접 클릭할 때만 실행되고, 트래픽은 설정해 둔 모델 엔드포인트로만 갑니다. 초안을 학습에 쓸 수 있는 무료 업로드 사이트를 거치지 않습니다.
Oleafly에서 하기
무료 Oleafly 데스크톱 앱 (새 탭에서 열림)은 이 2단계 파이프라인을 일반 집필과 같은 연구 작업 공간 안에 담아 제공합니다.
- 결정론적 로컬 변환: AI 키도 네트워크도 필요 없습니다. 많은 텍스트 기반 PDF를 편집 가능한 LaTeX로 재구성하고, 따로 내려받을 수 있는 그림을 추출하며, 구조를 지어내는 대신 일반 텍스트로 남겨 둔 부분을 보고합니다.
- 선택 사항인 AI로 다듬기: 내 키, 내 제공자, 요청할 때만 실행됩니다. Oleafly 변환 백엔드를 거쳐 전송되는 것은 없습니다. 트래픽은 내가 고른 모델 엔드포인트로 갑니다.
결과는 전체 작업 흐름을 그대로 이어서 쓸 수 있는 프로젝트로 만들어집니다. 프로젝트 전체의 상호 참조와 인용, 실시간 진단, 내장된 Tectonic 엔진으로 하는 컴파일, SyncTeX PDF 미리보기, 본문에 대한 오프라인 맞춤법·문법 검사, 진짜 Git 체크포인트, 정리 작업을 위한 선택적인 승인 방식 AI가 포함됩니다. 가져온 뒤에는 다른 논문을 쓸 때와 같은 도구로 작업하게 됩니다.
실전 팁
- 디지털 방식의 텍스트 기반 PDF를 우선하세요(직접 내보낸 예전 파일, 재가공할 권리가 있는 출판사 교정쇄). 스캔본에는 OCR이나 비전 모델로 다듬기가 필요합니다.
- 그림과 표의 배치(float), 다단 레이아웃의 예외 상황, 복잡한 수식은 첫 변환 뒤에 직접 손봐야 한다고 예상하세요. 변환은 유리한 출발점일 뿐, 최종 제출본 수준은 아닙니다.
- 복구한 텍스트를 기존
.bib파일과 합친다면 참고문헌 항목을 검증하세요 (BibTeX 검증기). - 첫 컴파일에 성공한 순간부터 복구한 프로젝트를 Git으로 관리해 정리 커밋을 되돌릴 수 있게 하세요.
- 재배포용 2차 소스로 만들 권리가 없는 PDF는 변환하지 마세요. 도구가 저작권을 부여해 주지는 않습니다.
안전한 복구 절차
- PDF를 로컬에서 가져오거나 변환합니다.
- 바로 컴파일하고, 프리앰블과 패키지 오류부터 고칩니다.
- 그림과 표를 하나씩 점검하고, 원본 자료가 남아 있다면 깨진 것은 원본으로 교체합니다.
- 복구된
\cite키를 무작정 믿지 말고 깨끗한.bib에서 다시 인용합니다. - 체크포인트를 만든 뒤에야 큰 구조 변경에 들어갑니다.
결론
20쪽짜리 연구 방법 절을 다시 타이핑해야 한다면(또는 브라우저 업로드 양식에 붙여 넣어야 한다면), 로컬 재구성만으로도 대개 충분히 유리한 출발점이 됩니다. 소스는 디스크에 있고, 그림은 추출되어 있으며, 가져오기 너머에는 제대로 된 편집기가 기다립니다. 다듬기 단계는 선택 사항으로 두고 명시적으로 실행하게 하세요. 그래야 연구실이나 규정 준수 팀에 개인정보 경로를 얼버무리지 않고 설명할 수 있습니다.