LocalOCR

LocalOCR est une application Windows légère et open-source développée en Python permettant d'extraire le texte de fichiers PDF (même sous format image) en s'appuyant sur des modèles de langage multimodaux (Vision LLM) exécutés localement via LMStudio.

• Confidentialité totale : Tout le traitement (découpage du PDF et reconnaissance OCR) s'effectue localement. Aucun document ni donnée n'est envoyé dans le cloud.
• Interface Moderne : Interface graphique sobre et fluide en mode sombre grâce à CustomTkinter.
• Intégration LMStudio : Connexion directe à l'API locale de LMStudio (http://localhost:1234/v1).
• Détection des Modèles : Bouton dédié pour vérifier la connexion à LMStudio et sélectionner dynamiquement le modèle "Vision" parmi ceux qui sont chargés.
• Exportation : Possibilité d'exporter le texte extrait au format .txt ou .md.
• Multithreading : Le lourd traitement d'inférence s'effectue en arrière-plan afin que l'interface applicative ne fige jamais et que la barre de progression soit actualisée en temps réel.

1. Python 3.10+ (installé sur votre système).
2. LMStudio (installé et fonctionnel). Vous devez avoir téléchargé et chargé au moins un modèle LLM de type "Vision" (ex : Qwen-VL-Chat, Llava, Phi-3-Vision).
3. Activer le serveur local de LMStudio (généralement sur le port 1234).

1. Clonez ce dépôt ou téléchargez le dossier du projet :

   git clone <url-du-repo>
   cd LocalOCR

2. Créez un environnement virtuel et activez-le (recommandé) :

   python -m venv venv
   .\venv\Scripts\activate

3. Installez les dépendances requises :

   pip install -r requirements.txt

1. Assurez-vous que LMStudio est ouvert, qu'un modèle "Vision" est chargé, et que le serveur local est démarré (Start Server).
2. Lancez l'application LocalOCR :

   python main.py

3. L'interface s'ouvre :
   • Cliquez sur "Vérifier LMStudio" pour vous assurer que l'application détecte bien le serveur local et vos modèles.
   • Sélectionnez le modèle désiré dans la liste déroulante (si vous en avez plusieurs de chargés).
   • Cliquez sur "Sélectionner un PDF" pour importer le document à traiter.
   • Cliquez sur "Lancer l'OCR".

Le projet est modulaire et divisé en composants ayant chacun des responsabilités précises :

• AGENTS.md / SKILL.md : Documentation technique du projet et définition des rôles.
• src/ui.py : L'interface graphique (CustomTkinter).
• src/orchestrator.py : Le gestionnaire de la logique applicative (Workflow Manager) travaillant en multithreading.
• src/pdf_processor.py : La logique d'ingestion et de rasterisation (conversion en images de 300 DPI) des pages PDF via PyMuPDF.
• src/ocr_agent.py : L'encodeur Base64 et connecteur API vers le serveur OpenAI compatible de LMStudio.
• main.py : Le point d'entrée lançant l'application complète.