docs/features/academic/pdf_nougat.md
学术论文中的数学公式一直是 PDF 翻译的难点——传统的文本提取方法往往将公式渲染成乱码或直接跳过。Meta AI 开发的 NOUGAT（Neural Optical Understanding for Academic Documents）模型专门针对学术文档设计，能够将 PDF 中的内容（包括复杂的数学公式）高质量地转换为结构化的 Markdown 格式。GPT Academic 集成了 NOUGAT 解析能力，为数学和物理等公式密集型论文提供了更精准的翻译方案。
NOUGAT 翻译与标准 PDF 翻译的核心区别在于文档解析阶段。它使用端到端的神经网络模型直接"阅读" PDF 页面图像，输出对应的 Markdown 文本。这种方式的优势在于：
| 特性 | NOUGAT 翻译 | 标准 PDF 翻译 |
|---|---|---|
| 公式处理 | 转换为 LaTeX 公式代码，可正确渲染 | 依赖文本提取，公式常变乱码 |
| 表格识别 | 转换为 Markdown 表格格式 | 结构可能丢失 |
| 章节结构 | 自动识别标题层级 | 需要启发式规则判断 |
| 处理速度 | 较慢（需运行神经网络） | 较快 |
| 环境要求 | 需要额外安装依赖 | 无额外要求 |
如果您要翻译的论文包含大量数学推导、物理公式或化学方程式，NOUGAT 翻译通常能获得明显更好的效果。对于以文字为主的社科类论文，标准翻译方式可能已经足够。
使用此功能前，需要在 GPT Academic 运行环境中安装 NOUGAT 及其相关依赖：
pip install --upgrade nougat-ocr tiktoken
nougat-ocr 是 NOUGAT 模型的 Python 包，tiktoken 用于文本分片。安装过程可能需要较长时间，因为 NOUGAT 模型体积较大。
!!! warning "首次运行需下载模型" 第一次使用 NOUGAT 解析 PDF 时，系统会自动从 Hugging Face 下载预训练模型参数。模型大小约为 1.5GB，下载时间取决于您的网络状况。如果网络不稳定，可能需要配置代理或多次尝试。
NOUGAT 是一个视觉-语言神经网络模型，解析 PDF 需要一定的计算资源：
如果您使用的是 Docker 部署，请确保容器能够访问 GPU（如果有）并分配了足够的内存。
将需要翻译的 PDF 论文上传到 GPT Academic 界面。您可以上传单个文件，也可以将多个 PDF 文件放入文件夹后打包上传进行批量处理。上传完成后，文件路径会自动填入输入框。
此功能同时支持 .mmd 文件——如果您已经用其他方式运行过 NOUGAT 并保存了解析结果，可以直接上传 .mmd 文件跳过解析阶段，只进行翻译。
在函数插件下拉菜单中找到 学术 分类，选择 精准翻译PDF文档（NOUGAT） 插件并点击执行。系统会首先检查 NOUGAT 依赖是否已安装——如果缺失，会提示安装命令并终止。
<!-- IMAGE: feat_pdf_nougat_01_workflow.png --> <!-- 描述: NOUGAT PDF 翻译的操作界面 --> <!-- 标注: ① 上传区显示已上传的 PDF 文件名 ② 函数插件区的"学术"分类 ③ "精准翻译PDF文档（NOUGAT）"插件按钮 ④ 对话区显示的处理进度（包含 NOUGAT 解析和翻译两个阶段） --> <!-- 尺寸建议: 1000px -->点击执行后，系统会依次进行以下处理：
NOUGAT 解析：这是区别于标准翻译的关键步骤。系统调用 NOUGAT 模型逐页"阅读" PDF 文档，将每页内容转换为 Markdown 格式。这个过程计算密集，一篇 20 页的论文可能需要数分钟。首次运行时还会额外花费时间下载模型参数。
解析结果保存：解析完成后，系统会将 NOUGAT 生成的 Markdown 文件（.mmd 格式）保存到下载区。即使后续翻译出现问题，您也可以下载这个中间文件，用于其他用途或重新处理。
内容分割：NOUGAT 输出的 Markdown 文档会被按章节分割成多个片段，每个片段控制在模型的 token 限制之内。分割时会尽量保持章节完整性。
并行翻译：所有片段同时发送给 AI 模型进行翻译。由于 NOUGAT 已经将公式转换为 LaTeX 代码，翻译过程能够正确保留数学表达式。
结果整合：翻译完成的片段按原始顺序合并，生成最终的翻译文档。
处理完成后，您将在下载区获得以下文件：
| 文件类型 | 说明 |
|---|---|
*.nougat.mmd | NOUGAT 解析的原始 Markdown 文件，包含论文的完整结构和公式 |
| 翻译结果文档 | 包含原文和译文对照的 Markdown 文档 |
.mmd 文件是 NOUGAT 专用的 Markdown 变体，可以用任何文本编辑器打开。其中的数学公式以 LaTeX 语法表示（如 $E=mc^2$），在支持数学渲染的 Markdown 阅读器中能正确显示。
翻译结果以原文-译文对照的形式呈现，便于您核对翻译质量。如果您对某些片段的翻译不满意，可以找到对应的原文位置，手动修改或重新翻译该部分。
NOUGAT 翻译并非在所有情况下都是最优选择。以下指南可以帮助您判断何时使用：
实际使用中，您可以先用标准翻译快速预览效果，如果发现公式识别问题严重，再切换到 NOUGAT 翻译重新处理。
NOUGAT 是一个基于 Transformer 的视觉编码器-文本解码器模型。它的输入是 PDF 页面的图像，输出是对应的 Markdown 文本。模型在大规模学术论文数据集上训练，能够：
与基于 OCR + 规则的传统方法不同，NOUGAT 是端到端的神经网络，能够处理各种字体、排版和扫描质量的文档。
尽管 NOUGAT 在公式识别方面表现出色，但它也有一些局限性：
???+ question "NOUGAT 模型下载失败" 模型托管在 Hugging Face，某些网络环境可能访问不畅。尝试以下解决方案：
1. 配置网络代理，确保能访问 huggingface.co
2. 在 GPT Academic 配置文件中设置 `proxies` 代理参数
3. 手动下载模型文件并放置到正确的缓存目录（参考 nougat-ocr 文档）
4. 等待网络状况好转后重试
???+ question "处理速度非常慢" NOUGAT 是计算密集型任务，处理速度受硬件影响很大。可以尝试：
- 确保系统有可用的 GPU 并正确配置 CUDA
- 减少单次处理的文件数量
- 如果只需要翻译论文的部分章节，可以先手动提取相关页面
如果您经常需要处理大量论文，建议部署在配置较高的服务器上。
???+ question "解析结果中公式仍然有错误" NOUGAT 的公式识别虽然比传统方法好很多，但并非 100% 准确。以下情况可能出现问题：
- 非常复杂或嵌套很深的公式
- 使用不常见 LaTeX 宏包的公式
- PDF 扫描质量较低
您可以下载 `.mmd` 文件，手动修正公式错误后再进行翻译。
???+ question "翻译后公式变成了中文" AI 模型有时会"过度翻译"，把公式中的变量名也翻译了。这种情况可以：
1. 使用更高性能的模型（如 GPT-4o）
2. 在高级参数区添加指令："不要翻译数学公式中的变量和符号"
3. 在结果文件中手动修正