README.md

Document Summarization Web App

本專案是一個基於 Gradio 的文件摘要工具，支援 .txt, .md, 及 .pdf 檔案上傳與處理，具備以下特色：

🧠 功能特色

• ⌨️ 純文字摘要模式：適用 .txt 或 .md，自動斷詞並進行摘要
• 🖼️ **OCR 模式 (自動切換)**：針對 .pdf 檔案使用 OCR 模型（Doctr）讀取文字後進行摘要
• 📑 多模型支援：支援多種 long document summarization 模型
• ⚙️ 可調參數：支援 beam search, token batch size, repetition penalty 等參數設定
• 📤 可上傳/選擇內建範例進行摘要
• 📄 下載摘要結果：可將摘要輸出下載為文字檔

📁 使用方式

安裝依賴套件

pip install -r requirements.txt

執行應用程式

python app.py

Command line 參數說明

參數	說明
--share	建立可分享的 public 網址
--model	加入自訂模型名稱
--add_beam_option	新增 beam 選項
--token_batch_option	新增 token batch 大小
--log_level	設定日誌等級（DEBUG/INFO/WARNING/ERROR）

📂 範例資料夾說明

• 將 .txt、.md、.pdf 範例檔案放置於 examples/ 資料夾內
• 啟動時自動讀取資料夾內檔案並於 UI 中顯示範例選項

✅ 支援語系

• 中文（含繁體）與英文文件皆可摘要
• 建議使用 OCR 模式處理掃描型 PDF

📌 備註

• OCR 模式預設最大讀取 20 頁（可透過環境變數 APP_OCR_MAX_PAGES 設定）
• OCR 使用的模型為 doctr，預設配置為 "db_resnet50" + "crnn_mobilenet_v3_large"

---

本專案修改自 pszemraj/document-summarization，加入多種中文處理優化與 UI 強化功能。