formula_img2latex/BEDIENUNGSANLEITUNG.md

Bedienungsanleitung formula_img2latex

Dieses Programm ersetzt Formelbilder in den Markdown-Dateien von epub2md und pdf2md durch echte LaTeX-Formeln. Dadurch passen die Formeln beim Neubau als EPUB oder PDF in Größe und Schrift zum Text.

Es liest jede Formel zuerst mit dem Formel-OCR pix2text und ersetzt sie nur, wenn das Bildmodell Qwen dieselbe Formel liest (bei Uneinigkeit darf das zweite Bildmodell Gemma pix2text bestätigen) und das gerenderte LaTeX dem Bild grob ähnelt. Eingesetzt wird die Lesart von pix2text. Alles läuft lokal. Bei Zweifeln fragt es dich in einer Review-Seite im Browser; ohne deine Zustimmung bleibt die Formel ein Bild.

„Dieselbe Formel“ heißt: jedes Zeichen stimmt und steht an der richtigen Stelle. Abstände, Pfeillängen, Schriftgröße, kursiv/aufrecht und Fettdruck dürfen abweichen. Wie das intern geprüft wird, steht in FUNKTIONSWEISE.md.

---

Inhalt

1. Installation
2. Modellserver starten und beenden
3. Ein Buch bearbeiten
4. Einzelne Schritte und Optionen
5. Konfiguration
6. Betrieb
7. Werkzeuge zum Messen und Einstellen
8. Fehlersuche
9. Häufige Fragen

---

1. Installation

sudo apt install texlive-latex-extra texlive-fonts-extra texlive-science pandoc dvipng
cd ~/Python_Programs/formula_img2latex
pip install -r requirements.txt
python3 formula_img2latex.py --version

• TeX Live setzt die Formeln für den Bildabgleich (pdflatex, Schriften lmodern, newtx, newpx, stix2, eulervm, txfonts).
• Pandoc prüft, dass jede Formel später als MathML gesetzt werden kann.
• dvipng braucht nur calibrate --synthetic.

pix2text (Formel-OCR)

pix2text läuft ohne Server im Programm selbst. Einmalig:

pip install "pix2text[multilingual]"
pip install --no-deps pix2tex munch                            # nur für post_process (Leerzeichen)
pip uninstall -y onnxruntime && pip install onnxruntime-gpu   # für die GPU

pix2tex wird ohne Abhängigkeiten installiert, weil es sonst eine alte timm-Version erzwingen würde. Das Modell (~300 MB) wird beim ersten Lauf nach ~/.pix2text geladen. pix2text nimmt die sichtbare Grafikkarte mit dem meisten freien Speicher (unter 1 GB) und liest die Formeln gebündelt; ohne onnxruntime-gpu läuft es auf der CPU, dann etwa 5× langsamer.

Modelle für die Bildmodelle

Modell	Datei	Ort
Qwen3-VL-30B-A3B-Instruct	Qwen3-VL-30B-A3B-Instruct-Q4_K_M.gguf + mmproj-Qwen3-VL-30B-A3B-Instruct-F16.gguf	~/endeavour_home/lm_studio/models/lmstudio-community/Qwen3-VL-30B-A3B-Instruct-GGUF/
Gemma-4-26B-A4B-it	gemma-4-26B-A4B-it-Q4_0.gguf + mmproj-gemma-4-26B-A4B-it-BF16.gguf (ggml-org, zusammen 15,8 GB)	~/nvme2n1p7_home/huggingface/models/gemma4/

Gemma neu laden:

cd ~/nvme2n1p7_home/huggingface/models/gemma4
hf download ggml-org/gemma-4-26B-A4B-it-GGUF gemma-4-26B-A4B-it-Q4_0.gguf \
  mmproj-gemma-4-26B-A4B-it-BF16.gguf --local-dir .

Optional, nur für den Strukturvergleich (aus): pip install sympy lark.

---

2. Modellserver starten und beenden

Zwei Bildmodelle laufen als llama.cpp-Server, je eines pro Grafikkarte. In zwei Terminals:

# Qwen3-VL auf GPU 1, Port 8011: 8 Plätze zu je 4096 Tokens, rund 22,6 GB
M=~/endeavour_home/lm_studio/models/lmstudio-community/Qwen3-VL-30B-A3B-Instruct-GGUF
CUDA_VISIBLE_DEVICES=1 ~/.local/bin/llama-server \
  -m $M/Qwen3-VL-30B-A3B-Instruct-Q4_K_M.gguf --mmproj $M/mmproj-Qwen3-VL-30B-A3B-Instruct-F16.gguf \
  --host 127.0.0.1 --port 8011 -ngl 99 -c 32768 --parallel 8

# Gemma 4 auf GPU 2, Port 8012: rund 17,5 GB
M=~/nvme2n1p7_home/huggingface/models/gemma4
CUDA_VISIBLE_DEVICES=2 ~/.local/bin/llama-server \
  -m $M/gemma-4-26B-A4B-it-Q4_0.gguf --mmproj $M/mmproj-gemma-4-26B-A4B-it-BF16.gguf \
  --host 127.0.0.1 --port 8012 -ngl 99 -c 16384 --parallel 4

Laufen auf GPU 2 Chatterbox-TTS und der STT-Server, reicht der Speicher für Gemma nicht. Dann vorher stoppen und nach der Arbeit wieder starten:

systemctl --user stop  chatterbox-tts.service open-notebook-stt.service
systemctl --user start chatterbox-tts.service open-notebook-stt.service   # nach der Arbeit

Gemma wird nur für Formeln gefragt, bei denen pix2text und Qwen uneinig sind. Läuft Gemma nicht, meldet run das einmal, und diese Formeln bleiben im Review. Beenden: Strg+C in beiden Terminals.

---

3. Ein Buch bearbeiten

Schritt 1: Buch umwandeln

cd ~/Python_Programs/epub2md
python3 epub2md.py buch.epub output/buch

Bei PDFs mit pdf2md immer --images (oder --epub) angeben, sonst gibt es keine Formelbilder. Für Mathebücher --formulas verwenden: Dann findet pdf2md jede Formel auf der Seite, auch im Fließtext und in Merkkästen, und schneidet sie als Bild aus (braucht pix2text):

cd ~/Python_Programs/pdf2md
python3 pdf2md.py --formulas --epub buch.pdf Output/buch/buch.md

Das dauert bei 350 Seiten gut 10 Minuten (Corral: 9239 Formeln).

Schritt 2: Formeln erkennen und prüfen

cd ~/Python_Programs/formula_img2latex
python3 formula_img2latex.py run ~/Python_Programs/epub2md/output/buch

Bei pdf2md die Markdown-Datei angeben und die Original-PDF dazu; Box-Bilder werden dann scharf aus dem PDF neu ausgeschnitten:

python3 formula_img2latex.py run ~/Python_Programs/pdf2md/Output/buch/buch.md --pdf buch.pdf

Das Programm arbeitet in Paketen zu 50 Formeln und meldet nach jedem Paket den Stand und die Zeiten je Stufe (die Stufen laufen teils gleichzeitig, daher ist die Summe größer als die Paketzeit):

  100/940 verarbeitet: automatisch ersetzt 78 (78%), Review 20, bleibt Bild/keine Formel 2  [Paket 35 s; pix2text 3 s, Qwen 30 s, Prüfung 14 s, Gemma 21 s]

Am Ende steht eine Übersicht je Status, zum Beispiel:

  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

Neben dem Buchordner entsteht ein Arbeitsordner buch.formulas/ mit allen Ergebnissen. Lösch ihn nicht, solange du am Buch arbeitest.

Schritt 3: Zweifelsfälle im Browser entscheiden

python3 formula_img2latex.py review ~/Python_Programs/epub2md/output/buch

Der Browser öffnet http://127.0.0.1:8765/. Für jede Formel siehst du:

• Original: das Bild aus dem Buch.
• 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 pix2text), darunter die Lesarten der Modelle zum Anklicken. Oben steht der Grund für das Review, z. B. „pix2text und Qwen uneinig“.

Schaltfläche	Wirkung
LaTeX prüfen	rendert dein (korrigiertes) LaTeX neu und zeigt Overlay und Messwerte
LaTeX übernehmen	die Formel wird beim nächsten apply ersetzt
Bild behalten	die Formel bleibt ein Bild
Keine Formel	das Bild ist eine Abbildung oder ein Symbol
Zurücksetzen	Entscheidung zurücknehmen

Jede Entscheidung wird sofort gespeichert. Du kannst jederzeit aufhören (Strg+C im Terminal) und später weitermachen. --all zeigt auch die automatisch angenommenen Formeln, --port ändert den Port, --no-browser öffnet keinen Browser.

Schritt 4: Formeln ins Markdown schreiben

python3 formula_img2latex.py apply ~/Python_Programs/epub2md/output/buch --dry-run   # nur zählen
python3 formula_img2latex.py apply ~/Python_Programs/epub2md/output/buch

Aus ![…](../media/images/0042-…jpg) wird $L = \{-\sqrt{2};\sqrt{2}\}$ im Text bzw. $$…$$ als eigener Absatz. Die Bilddateien bleiben liegen. Hat die Formelerkennung bei einer Formel im Text ein Satzzeichen mit ausgeschnitten, steht es danach als normaler Text hinter der Formel ($a^{x}$,). In deutschen Büchern werden Dezimalzahlen zu 3{,}6; eine Gleichungsnummer steht als Text hinter der Formel.

Danach das Buch neu bauen:

# epub2md: Gesamtdatei neu, dann z. B. EPUB mit MathML
cd ~/Python_Programs/epub2md
python3 epub2md_merge.py output/buch --force
cd output/buch && P=~/Python_Programs/epub2md/pandoc
pandoc buch.md --toc --mathml --lua-filter $P/callouts.lua -o buch.epub

# pdf2md: EPUB mit allen Formeln als MathML
cd ~/Python_Programs/pdf2md && python3 pdf2md.py --from-md Output/buch/buch.md

Rückgängig machen

python3 formula_img2latex.py revert ~/Python_Programs/epub2md/output/buch

Das stellt die Markdown-Dateien wie vor dem ersten apply wieder her. Hast du eine Datei seitdem von Hand geändert, wird sie übersprungen; --force setzt sie trotzdem zurück, dann ist die Handänderung weg.

---

4. Einzelne Schritte und Optionen

python3 formula_img2latex.py scan      AUSGABE                          # Bilder finden (immer neu)
python3 formula_img2latex.py recognize AUSGABE --engine p2t             # pix2text
python3 formula_img2latex.py recognize AUSGABE --engine local           # Qwen
python3 formula_img2latex.py verify    AUSGABE                          # prüfen und entscheiden
python3 formula_img2latex.py recognize AUSGABE --engine local2 --only-unresolved   # Gemma
python3 formula_img2latex.py verify    AUSGABE
python3 formula_img2latex.py status    AUSGABE                          # Zählung je Status (--json)

Option	Befehle	Wirkung
--limit 50	run, recognize	nur die ersten 50 Bilder (zum Ausprobieren)
--chunk 100	run	Paketgröße (Standard 50)
--pdf BUCH.pdf	run, scan	pdf2md: Original-PDF für scharfe Neuausschnitte
--preset cm	run, verify	Schrift für den Bildabgleich fest vorgeben (cm, times, txfonts, palatino, stix, euler); Standard: automatisch je Buch
--include-figures	run, recognize, verify	auch Bilder versuchen, die wie Abbildungen aussehen
--model NAME, --url URL	run, recognize	anderes Modell bzw. anderer Server
--workers N	run, recognize, verify	parallele Anfragen bzw. Prüfprozesse
--redo	verify	bereits geprüfte Formeln neu prüfen
--workspace ORDNER	alle außer calibrate	Arbeitsordner an anderem Ort
--quiet, -q	alle	nur Fehler ausgeben

Alle Optionen: python3 formula_img2latex.py BEFEHL --help.

---

5. Konfiguration

Umgebungsvariablen

Variable	Standard	Wirkung
FORMULA_LOCAL_URL, FORMULA_LOCAL_MODEL	http://127.0.0.1:8011/v1, Modell des Servers	Qwen-Server
FORMULA_LOCAL2_URL, FORMULA_LOCAL2_MODEL	http://127.0.0.1:8012/v1, Modell des Servers	Gemma-Server
FORMULA_LOCAL_API_KEY, FORMULA_LOCAL2_API_KEY	–	falls der Server einen Schlüssel verlangt
FORMULA_P2T_DEVICE	auto	pix2text: auto, cpu oder cuda:N (N zählt innerhalb von CUDA_VISIBLE_DEVICES)
FORMULA_P2T_MODEL	mfr-1.5	pix2text-Modell
FORMULA_CLOUD_URL, FORMULA_CLOUD_MODEL	https://openrouter.ai/api/v1, z-ai/glm-4.6v	nur Regel vlm3
OPENROUTER_API_KEY	–	nur Regel vlm3
FORMULA_LOCAL_THINKING, FORMULA_LOCAL2_THINKING, FORMULA_CLOUD_THINKING	0	1 schaltet das „Nachdenken“ der Modelle wieder ein
FORMULA_STRUCTURAL	0	1 schaltet den Strukturvergleich mit sympy ein

Einstellungen je Buch (workspace.json)

Im Arbeitsordner unter settings, zum Beispiel:

{
 "settings": {
  "consensus_rule": "p2t",
  "consensus_thresholds": {"veto_ncc": 0.65, "bold_relevant": 0}
 }
}

Schlüssel	Werte	Wirkung
consensus_rule	p2t (Standard), vlm3	Regel vlm3: Qwen = Gemma, bestätigt von GLM-4.6V über OpenRouter (bis 0.2.0)
decide	consensus (Standard), pixel	pixel: alter Pixel-Entscheider (bis 0.1.0)
consensus_thresholds	siehe FUNKTIONSWEISE.md, Schwellen	Veto-Schwelle, Fettdruck, Schiedsrichter, PDF-Textebene …
preset	wird beim ersten Prüfen gesetzt	Schrift für den Bildabgleich

Nach einer Änderung verify aufrufen; die Modelle werden nicht neu gefragt.

---

6. Betrieb

Dauer: etwa 0,8 s je Formel, also 35–50 Sekunden je Paket (Corral mit --formulas: 940 Formeln in 13 Minuten, das ganze Buch mit 9239 Formeln rund 2 Stunden). Am längsten braucht die Bestätigung durch Qwen. Der Scan liest beim ersten Mal alle Bilder ein (Corral: 6 Minuten); beim Fortsetzen entfällt er, solange sich das Markdown nicht geändert hat.

Abbrechen und fortsetzen: Strg+C und erneut run ist kein Problem. Bereits gelesene Formeln werden nicht noch einmal gefragt; fehlgeschlagene Anfragen werden wiederholt.

Neu umgewandeltes Buch: Nach epub2md --force erst scan, dann apply. Die Entscheidungen hängen am Bildinhalt und bleiben erhalten.

Arbeitsordner: <ausgabe>.formulas/ neben der Ausgabe. Er enthält die Datensätze, Ausschnitte, Vergleichsbilder und die Sicherung von apply. Aufbau: FUNKTIONSWEISE.md, Arbeitsordner.

Datenschutz: Mit der Standardregel verlässt nichts den Rechner. Die Regel vlm3 schickt Formelbilder, bei denen Qwen und Gemma einig sind, samt eines kurzen Textausschnitts um die Formel (höchstens 240 Zeichen) an OpenRouter; beim Gehrke-Brückenkurs waren das 967 Anfragen für zusammen rund 0,15–0,20 $.

---

7. Werkzeuge zum Messen und Einstellen

Die Werkzeuge schreiben nach vergleich/ bzw. in den Arbeitsordner; beides wird nicht ins Git übernommen (Buchausschnitte).

Werkzeug	Zweck
tools/vergleich.py AUSGABE	feste Stichprobe von 50 Formeln eines Buchs, verarbeitet wie run; Seite vergleich/<name>/index.html mit Original, gerenderten Lesarten, Entscheidung und Bildabgleich
tools/buch_bericht.py AUSGABE	Ergebnisseite eines ganzen Buchs nach run, filterbar; liegt in <arbeitsordner>/bericht/index.html
tools/regeltest.py EPUB [--n 50] [--reuse …] [--refresh local,local2]	Standardregel an Formeln mit bekanntem TeX, wie run; Seite mit wahrer Formel, allen Lesarten und Urteil
tools/zeittest.py EPUB	Zeit und Trefferquote je Erkenner, seriell an 15 Formeln mit bekanntem TeX
tools/vergleich_bericht.py --regeltest VORHER:NACHHER	Vorher/Nachher-Seite zweier Läufe auf denselben Lesarten
tools/konsens_bericht.py BERICHT.json EPUB	Übersichtsseite zu calibrate --consensus --report
formula_img2latex.py calibrate --consensus --engines local,local2,cloud,p2t --report X.json EPUB	alle Regeln an Formeln mit bekanntem TeX messen; --reuse X.json rechnet ohne Modellabfragen neu, --synthetic erzeugt zusätzlich Gehrke-ähnliche Nachbildungen

Formeln mit bekanntem TeX liefern Springer-EPUBs, die das TeX jeder Formel im alt-Text tragen (z. B. Göllmann).

---

8. Fehlersuche

Meldung oder Beobachtung	Ursache	Abhilfe
Lokaler Modellserver unter http://127.0.0.1:8011/v1 nicht erreichbar	Qwen-Server läuft nicht	Server starten (2)
Stichwahl (Gemma) nicht möglich, strittige Formeln bleiben im Review	Gemma-Server läuft nicht	Gemma starten und run erneut aufrufen
Gemma bricht beim ersten Bild mit „out of memory“ ab	GPU 2 ist belegt	Chatterbox-TTS und STT stoppen (2)
pix2text ist nicht installiert / pix2tex ist nicht installiert	Pakete fehlen	Befehle aus 1 ausführen
onnxruntime ohne CUDA – pip install onnxruntime-gpu	nur die CPU-Version von onnxruntime	pip uninstall -y onnxruntime && pip install onnxruntime-gpu
pix2text sehr langsam	läuft auf der CPU	onnxruntime-gpu installieren oder FORMULA_P2T_DEVICE=cuda:0
pdflatex nicht gefunden / pandoc nicht gefunden	TeX Live bzw. Pandoc fehlen	sudo apt install texlive-latex-extra pandoc
Kein Arbeitsordner gefunden … (zuerst 'scan' ausführen)	verify, apply usw. vor dem ersten scan/run	scan oder run ausführen
… ist weder eine epub2md-Ausgabe … noch eine pdf2md-Ausgabe	falscher Pfad	epub2md-Ordner bzw. pdf2md-.md-Datei angeben
Arbeitsordner existiert und ist kein formula_img2latex-Ordner	Zielordner von --workspace belegt	anderen Ordner wählen
Bildverweis nicht mehr gefunden: datei.md:123	Markdown wurde neu erzeugt oder von Hand geändert	scan ausführen
revert überspringt Dateien	seit apply von Hand geändert	prüfen, dann revert --force
OPENROUTER_API_KEY ist nicht gesetzt	Regel vlm3 oder --engine cloud ohne Schlüssel	Schlüssel setzen oder Regel p2t verwenden
Formel bleibt in EPUB/PDF als TeX-Text stehen	Pandoc konnte sie nicht umsetzen (sollte die Pandoc-Prüfung verhindern)	Formel im Review korrigieren, Fall melden

Rückgabecodes:

Code	Bedeutung
0	Erfolg
1	Bedienfehler: Parameter, Eingabe oder Arbeitsordner nicht lesbar oder belegt
2	Eingabe ist keine epub2md- oder pdf2md-Ausgabe
3	Externes Werkzeug fehlt oder versagt: pdflatex, pandoc, Modellserver, pix2text
4	Unerwarteter interner Fehler (Traceback wird ausgegeben)

---

9. Häufige Fragen

Das Buch wurde mit epub2md --force neu umgewandelt. Ist meine Arbeit weg? Nein. Die Entscheidungen hängen am Inhalt der Bilder, nicht an Dateinamen. scan, dann apply.

Warum landet ein Teil im Review? 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: ein Modell liest ein Zeichen anders (oft pix2text: \nu statt fettem v, Wörter wie „fir“ statt „für“), sehr kleine oder unscharfe Bilder, mehrzeilige Rechnungen mit anderen Zeilenumbrüchen oder \underbrace. Im Review stehen die Lesarten nebeneinander; oft genügt ein Blick und „LaTeX übernehmen“.

Wie sicher ist „automatisch ersetzt“? An einigen hundert Formeln mit bekannter Lösung wurde keine falsche Formel angenommen (Fehlerquote sehr wahrscheinlich unter 2 %). Fettdruck wird bewusst nicht geprüft: Ein fetter Vektor v kann als normales v übernommen werden. Messungen: FUNKTIONSWEISE.md.

Ich will erst ein paar Formeln ansehen, bevor das ganze Buch läuft. python3 tools/vergleich.py AUSGABE verarbeitet eine feste Stichprobe von 50 Formeln genau wie run und schreibt vergleich/<name>/index.html.

Geht die blaue Hinterlegung mancher Formeln verloren? Ja. Das Bild hatte die Farbe eingebaut, LaTeX-Formeln haben keinen Hintergrund.