Chuyển PDF sang LaTeX mà không phải tải lên bất cứ đâu

Hầu hết trình chuyển PDF sang LaTeX chạy trên máy chủ của người khác. Cách chuyển đổi cục bộ mang tính xác định hoạt động trong Oleafly, những gì nó khôi phục được và không khôi phục được, và khi nào bước tinh chỉnh bằng AI tùy chọn có ích.

Tìm “PDF to LaTeX” là bạn sẽ gặp toàn các biểu mẫu tải lên. Với một bài báo đã xuất bản mà bạn có quyền chỉnh sửa lại, cách đó có thể ổn. Với bản nháp đang được phản biện, hồ sơ xin tài trợ, hay bản thảo có kết quả chưa công bố, tải lên thường là nước đi sai.

Với PDF có lớp văn bản, việc chuyển đổi không cần đến một dịch vụ SaaS. Bạn có thể dựng lại mã nguồn chỉnh sửa được ngay trên máy của mình, rồi tiếp tục viết trong một trình soạn thảo thật chạy trên máy.

Vì sao mọi người tải lên (và vì sao bạn có thể không nên)

Trình chuyển đổi kiểu tải lên rất dễ dùng: kéo PDF vào, chờ, tải về tệp zip. Cái giá là từng trang của bản nháp đều đi qua GPU và nhật ký của người khác. Chính sách ở phòng thí nghiệm, bệnh viện và công ty thường cấm điều đó với công trình chưa công bố, dù giao diện khiến việc tải lên có vẻ vô hại.

Chuyển đổi cục bộ thay đổi mặc định. Ở lượt xử lý mang tính xác định, tệp PDF nằm yên trên đĩa của bạn.

Chuyển đổi cục bộ hoạt động thế nào

Một tệp PDF có lớp văn bản vốn đã chứa các từ, vị trí và siêu dữ liệu phông chữ. Trình chuyển đổi có thể đọc lớp đó và dựng lại cấu trúc từ hình học:

  • gom nhóm theo cỡ chữ để tìm các đề mục và tiêu đề
  • biểu đồ tần suất theo vị trí x để nhận ra bố cục hai cột và sửa thứ tự đọc
  • cờ tên phông chữ giúp khôi phục các đoạn in đậm, in nghiêng và đơn cách
  • độ lệch đường cơ sở giúp nhận ra chỉ số dưới và chỉ số trên
  • các ký tự toán Unicode được ánh xạ ngược về macro LaTeX
  • các dòng đầu trang và chân trang lặp lại bị loại bỏ
  • ảnh raster nhúng sẵn có thể được trích ra thành tệp hình

Không bước nào cần mô hình, máy chủ hay kết nối mạng. Các từ trong kết quả chính là các từ trong PDF. Cấu trúc là một phỏng đoán có thể kiểm tra được và bạn có thể sửa bằng tay.

Chuyển đổi xác định không làm được gì

PDF dạng quét không có lớp văn bản, nên không có gì để đọc nếu thiếu OCR. Công thức toán dạng khối và bảng phức tạp được dàn chữ thành các glyph đặt theo vị trí; muốn dựng lại mã nguồn của chúng một cách đáng tin cậy thì cần nhiều hơn hình học. Các trường hợp biên của bố cục nhiều cột và chú thích cuối trang trôi nổi vẫn cần người dọn dẹp.

Một trình chuyển đổi tốt sẽ nói rõ điều đó, thay vì lặng lẽ làm nát nội dung thành thứ trông như đã xong.

AI giúp được ở đâu

Có ảnh của trang và bản nháp xác định, một mô hình thị giác có thể dựng lại bảng, sửa công thức dạng khối và chép lại bản quét. Bước đó nên là tùy chọn, rõ ràng, và trỏ tới nhà cung cấp do bạn chọn, bằng khóa do bạn sở hữu.

Mô hình quyền riêng tư khá đơn giản. Lượt xử lý xác định luôn ở trên máy bạn. Bước tinh chỉnh chỉ chạy khi bạn bấm, và dữ liệu chỉ đi tới điểm cuối của mô hình bạn đã cấu hình, không đi qua một trang tải lên miễn phí có thể dùng bản nháp để huấn luyện.

Làm việc này trong Oleafly

Ứng dụng máy tính Oleafly (mở trong thẻ mới) miễn phí có sẵn quy trình hai tầng này ngay trong không gian nghiên cứu mà bạn vẫn dùng để viết bình thường:

  1. Chuyển đổi cục bộ xác định: không cần khóa AI, không cần mạng. Khôi phục nhiều tệp PDF có lớp văn bản thành LaTeX chỉnh sửa được, trích các hình để bạn tải riêng, và báo cáo phần nó giữ lại dưới dạng văn bản thuần thay vì tự bịa ra cấu trúc.
  2. Refine with AI (tùy chọn): khóa của bạn, nhà cung cấp của bạn, chỉ chạy khi bạn yêu cầu. Không có gì được gửi qua một máy chủ chuyển đổi của Oleafly. Dữ liệu đi thẳng tới điểm cuối của mô hình bạn đã chọn.

Kết quả là một dự án mà bạn có thể tiếp tục chỉnh sửa với toàn bộ vòng làm việc: kiểm tra tham chiếu và trích dẫn trong toàn dự án, chẩn đoán trực tiếp, biên dịch bằng trình biên dịch Tectonic đi kèm, xem trước PDF với SyncTeX, kiểm tra chính tả và ngữ pháp ngoại tuyến cho văn xuôi, điểm kiểm tra Git thật, và AI tùy chọn cần bạn duyệt để dọn dẹp. Sau khi nhập, bạn làm việc với đúng những công cụ bạn dùng cho mọi bài báo khác.

Mẹo thực tế

  • Ưu tiên PDF số có lớp văn bản (các bản xuất cũ của chính bạn, bản in thử của nhà xuất bản mà bạn có quyền chỉnh sửa lại). Bản quét cần OCR hoặc bước tinh chỉnh bằng mô hình thị giác.
  • Hãy chuẩn bị dọn tay các float, các trường hợp biên nhiều cột và phần toán nặng sau lượt đầu. Chuyển đổi chỉ là bước khởi đầu, chưa phải bản sẵn sàng in.
  • Hãy kiểm tra các mục thư mục nếu bạn gộp văn bản khôi phục được với một tệp .bib có sẵn (trình kiểm tra BibTeX).
  • Đưa dự án khôi phục được vào Git ngay từ lần biên dịch thành công đầu tiên để các commit dọn dẹp luôn hoàn tác được.
  • Đừng chuyển đổi những tệp PDF mà bạn không có quyền biến thành mã nguồn phái sinh để phân phối lại. Công cụ không trao bản quyền.

Quy trình khôi phục hợp lý

  1. Nhập hoặc chuyển đổi PDF ngay trên máy.
  2. Biên dịch ngay; sửa lỗi preamble và lỗi gói trước.
  3. Duyệt từng hình và bảng; thay những cái hỏng bằng tài nguyên gốc nếu bạn vẫn còn.
  4. Trích dẫn lại từ một tệp .bib sạch thay vì tin mù quáng vào các khóa \cite khôi phục được.
  5. Tạo điểm kiểm tra; chỉ sau đó mới sửa lớn về cấu trúc.

Tóm lại

Nếu lựa chọn khác là gõ lại phần phương pháp dài hai mươi trang (hoặc dán nó vào một biểu mẫu tải lên trên trình duyệt), thì dựng lại cục bộ thường là đủ để có một khởi đầu tốt: mã nguồn trên đĩa, hình đã được trích ra, rồi một trình soạn thảo thật ở phía bên kia của bước nhập. Hãy giữ bước tinh chỉnh ở dạng tùy chọn và rõ ràng để bạn có thể giải thích đường đi của dữ liệu riêng tư với phòng thí nghiệm hoặc nhóm tuân thủ mà không phải nói lấp lửng.

Tất cả bài viết