一括認識
ファイルキュー
- PDF、PNG、JPEG、TIFF に対応。ウィンドウへのドロップ、または「ファイルを追加」から登録します。
- キューはパスで重複を排除するため、同じファイルを再度ドロップしても増えません。
- 各タスクは待機、実行中、完了、失敗、キャンセルの状態を表示します。
- 失敗したタスクは理由を保持し、他に影響せず個別に再試行できます。
バッチ設定
バッチ設定はキュー全体に適用され、「アプリ既定 → エンジン既定 → バッチ設定」の順でマージされます。
| 設定 | 既定 | 値 |
|---|---|---|
| バッチエンジン | アプリ既定に従う | アプリ既定 / 導入済みエンジン |
| 認識言語 | 自動判定 | 自動判定 / 中文（簡体字）/ English |
| 並列度 | 1 | 1 / 2 / 3 |
| レイアウト構造を保持 | オン | オン / オフ |
並列度の既定は 1 で、端末内のリソース競合を避けます。macOS と Windows では 3 まで指定できます。パネルを展開すると、現在のエンジンの推論パラメーターも表示されます。
推論パラメーター
エンジンアダプターによって内容が変わります。
- llama.cpp 系（MiniCPM-OCR、Xiaomi-OCR-0、PaddleOCR-VL）：
prompt、temperature、topP、topK、repeatPenalty、maxTokens、layoutThreshold - PP-OCR ONNX：
detBoxThreshold、layoutThreshold
空欄はエンジンまたはモデルの既定値を意味します。不正な値は警告付きで無視され、ほかの項目はそのまま反映されます。「推奨値を入力」で MiniCPM-OCR 公式のサンプリング設定に戻せます。
layoutThreshold はレイアウト検出の信頼度しきい値で、「レイアウト構造を保持」がオンのときのみ有効です。印影や図表のスイッチは対応エンジンにのみ表示されます。
タスク単位の上書き
タスクをダブルクリックする（またはメニューの「パラメーター上書き」）と上書きパネルが開きます。
- キーはバッチ設定と同じで、変更したい項目だけ入力すれば残りは継承されます。
- 上書きはそのタスクにだけ適用され、バッチ設定には書き戻されません。
- 各項目には現在値の由来（どの層か）が表示され、反映漏れを防ぎます。
マージ順は固定です：アプリ既定 → エンジン既定 → バッチ設定 → タスク上書き。
実行・中断・再試行
- 「開始」でキューを順に処理し、並列度はバッチ設定に従います。
- 「中断」はバッチ全体を停止し、状態を戻して一時出力を片付けます。中途半端なファイルは残りません。
- 1 件の失敗でバッチ全体は止まらず、失敗項目だけを再試行できます。
- 進捗は段階（前処理、レイアウト、認識、後処理）ごとに報告され、全体と現在タスクの両方が表示されます。
- 長時間の実行はタスクログに記録され、ログページで絞り込み・コピー・消去ができます。
性能のヒント
- 低スペックでは並列度を 1 に保ち、量子化を下げて調整します。
- 小さい画像が多い場合は PP-OCRv6 で試し、レイアウトを確認してから VLM エンジンへ切り替えます。
- スキャンは中位モデル、撮影画像や湾曲ページは MiniCPM-OCR が向いています。
- 「レイアウト構造を保持」を切ると VLM の時間を大きく短縮できますが、読み順とブロック種別は失われます。