From b06c9cbb4bacadfb9a678530c8e61e2be3b5ab38 Mon Sep 17 00:00:00 2001 From: dschlueter Date: Fri, 9 Oct 2026 03:47:27 +0200 Subject: [PATCH] docs: README und Bedienungsanleitung auf Stand 0.3.0 MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - Gegenprobe Band 2 mit beiden Stichproben (78 % / 86 %, 0 falsch) - Stand: 0.3.0 noch nicht am ganzen Gehrke gelaufen, Gehrke-Zahlen von 0.2.0 - GPU 2: Chatterbox-TTS und STT für Gemma stoppen (Speicher) - Dauer, Review-Eingabefeld (pix2texts Lesart), Status-Beispiel und FAQ zur neuen Regel Co-Authored-By: Claude Opus 5.5 --- BEDIENUNGSANLEITUNG.md | 23 ++++++++++++++++++----- README.md | 11 +++++++++-- 2 files changed, 27 insertions(+), 7 deletions(-) diff --git a/BEDIENUNGSANLEITUNG.md b/BEDIENUNGSANLEITUNG.md index 6324147..691d3fa 100644 --- a/BEDIENUNGSANLEITUNG.md +++ b/BEDIENUNGSANLEITUNG.md @@ -41,7 +41,16 @@ CUDA_VISIBLE_DEVICES=2 ~/.local/bin/llama-server \ --host 127.0.0.1 --port 8012 -ngl 99 -c 16384 --parallel 4 ``` -GPU 2 ist währenddessen für Chatterbox-TTS belegt. Beenden mit Strg+C in beiden Terminals. +Gemma braucht auf GPU 2 rund 17,5 GB. Laufen dort Chatterbox-TTS und der STT-Server, reicht der Speicher +nicht (Gemma bricht beim ersten Bild mit „out of memory“ ab); dann vorher stoppen und danach wieder starten: + +```bash +systemctl --user stop chatterbox-tts.service open-notebook-stt.service +systemctl --user start chatterbox-tts.service open-notebook-stt.service # nach der Arbeit +``` + +pix2text läuft zusätzlich auf der ersten sichtbaren GPU (unter 1 GB). Beenden mit Strg+C in beiden +Terminals. ### pix2text (Formel-OCR) @@ -101,13 +110,16 @@ Das Programm arbeitet in Paketen zu 50 Formeln und meldet nach jedem Paket den S Am Ende steht eine Übersicht je Status, beim Gehrke-Brückenkurs zum Beispiel: ```text - auto_accepted 942 ← drei Modelle einig, wird ersetzt + auto_accepted 942 ← Lesart bestätigt, wird ersetzt needs_review 478 ← bitte im Browser ansehen not_formula 93 ← laut Modellen keine Formel pending 539 ← Abbildungen/Symbole, nicht geprüft ``` -Dauer: etwa 5 Minuten je 50 Formeln, ein Buch mit 1500 Formelbildern also rund 2,5 Stunden. +Dauer: Mit der früheren Regel (Version 0.2.0, mit GLM) etwa 5 Minuten je 50 Formeln, ein Buch mit 1500 +Formelbildern also rund 2,5 Stunden. Mit der jetzigen Regel liest pix2text eine Formel in ~0,15 s und Qwen +in ~0,8 s, Gemma nur bei Uneinigkeit; an 2 × 50 Testformeln dauerte das Lesen im Mittel 1,5–2,3 s je +Formel (ohne Bildprüfung). Ein ganzes Buch ist damit noch nicht gemessen. Abbrechen (Strg+C) und erneut starten ist kein Problem: Bereits gelesene Formeln werden nicht noch einmal gefragt, der Lauf setzt fort. `--chunk 100` ändert die Paketgröße, `--limit 200` verarbeitet nur die ersten 200 Bilder. @@ -127,7 +139,7 @@ Der Browser öffnet `http://127.0.0.1:8765/`. Für jede Formel siehst du: - **Overlay:** Original und LaTeX übereinander. Mit dem Regler blendest du zwischen beiden. Springt etwas, stimmt etwas nicht (Exponent, Vorzeichen, Klammer). - **Diff:** schwarz = beide gleich, rot = nur im Original, blau = nur im LaTeX, gelb = deutliche Abweichung. -- **LaTeX:** Text im Eingabefeld (die Lesart von Qwen), darunter die Lesarten der anderen Modelle zum +- **LaTeX:** Text im Eingabefeld (die Lesart von pix2text), darunter die Lesarten der Modelle zum Anklicken. Oben steht der Grund für das Review, z. B. „Modelle uneinig“ mit den abweichenden Lesarten. Schaltflächen: @@ -213,7 +225,8 @@ Nützliche Optionen: Nein. Die Entscheidungen hängen am Inhalt der Bilder, nicht an Dateinamen. `scan`, dann `apply`. **Warum landet ein Teil im Review?** -Ersetzt wird nur, worin sich alle drei Modelle einig sind. Häufige Gründe für Review: mehrzeilige Rechnungen +Ersetzt wird nur, was pix2text liest und Qwen (oder bei Uneinigkeit Gemma) bestätigt. Sind Qwen und Gemma +gemeinsam anderer Meinung als pix2text, entscheidest du. Häufige Gründe für Review: mehrzeilige Rechnungen mit Ausrichtung, `\underbrace` oder Zeilenumbrüchen (die Modelle schreiben sie unterschiedlich), sehr kleine oder unscharfe Bilder, oder ein Modell liest ein Zeichen anders. Im Review stehen die Lesarten nebeneinander; oft genügt ein Blick und „LaTeX übernehmen“. diff --git a/README.md b/README.md index cbdf4d0..c50691f 100644 --- a/README.md +++ b/README.md @@ -56,8 +56,12 @@ Göllmann Band 1, 150 echte Bilder und 150 Nachbildungen im Gehrke-Stil, Lesarte Allein richtig: pix2text 90 % / 85 %, Qwen 86 % / 84 %, Gemma 86 % / 80 %, GLM 86 % / 83 %. Zeit je Formel (seriell, 15 Formeln): pix2text 0,10 s (GPU) bzw. 0,51 s (CPU), Qwen 0,72 s, GLM 1,19 s, -Gemma 1,77 s. Gegenprobe an 50 frischen Formeln aus Göllmann Band 2 (`tools/regeltest.py`): -37 automatisch (74 %), **0 falsch**, 13 Review; Gemma wurde für 16 Formeln gefragt. +Gemma 1,77 s. Gegenprobe an Göllmann Band 2 (`tools/regeltest.py`, zwei getrennte Stichproben zu 50 +Formeln): 39 bzw. 43 automatisch (78 % bzw. 86 %), **0 falsch**, 11 bzw. 7 Review; Gemma wurde für 14 +bzw. 9 Formeln gefragt. Lesen je Formel im Mittel 2,3 bzw. 1,5 s (alle Tools nacheinander, ohne Bildprüfung). +pix2text ist nicht unfehlbar: In den Reviews standen auch Fälle, in denen nur pix2text sich verlesen hatte +(fehlende Wurzelexponenten, zerfallene Vektoren, `\nu` statt fettem v) – deshalb bleibt die Bestätigung +durch Qwen Pflicht. ### Regel `vlm3` (Standard bis 0.2.0) @@ -188,6 +192,9 @@ sind nicht Teil dieser Version. ## Stand +Version 0.3.0 (Regel `p2t`) ist an Göllmann Band 1 und 2 gemessen (siehe [Messung](#messung)), aber noch +**nicht am ganzen Gehrke** gelaufen. Die folgenden Zahlen stammen von Version 0.2.0 (Regel `vlm3`, mit GLM). + Version 0.2.0 (Konsens), getestet am Gehrke, Brückenkurs Mathematik (EPUB, CM-Formeln als kleine JPGs): | | Anzahl |