Engine und Texterkennung wählen

Welche Engine Deine Datei wandelt und ob sie Text aus Bildern liest, stellst Du über dem gestrichelten Feld unter „Optionen" ein. Was Du dort änderst, gilt für den nächsten Lauf; bereits umgewandelte Dateien bleiben, wie sie sind.

Die Engine wählen

Deine Wahl triffst Du an einer Gruppe von Schaltern untereinander, „automatisch" zuerst. Was ein Name bedeutet, sagt Dir der Halbsatz daneben, und das runde „i" dahinter öffnet die längere Erklärung — mit der Maus beim Darüberfahren, mit der Tastatur beim Anspringen. Escape schließt sie wieder. Benutzt Du einen Screenreader, bekommst Du den Text beim Anspringen vorgelesen.

„automatisch" überlässt die Wahl dem Dienst. Er nimmt zur Dateiendung die erste Engine seiner Liste, die gerade bereit ist; scheitert sie, nimmt er die nächste und nennt den Grund in den Warnungen. Vorgewählt ist markitdown, die schnelle Engine. Deine Wahl merkt sich der Browser; beim nächsten Aufruf der Seite steht sie wieder da.

Nicht jede Engine ist immer wählbar:

• Eine Engine, die eine der Dateien in Deiner Warteschlange nicht liest, bleibt sichtbar und wird blass. Fährt der Mauszeiger darüber, nennt ein Hinweis den Grund: „liest diese Dateien nicht".
• Genauso ergeht es einer Engine, die auf diesem Dienst gar nicht installiert ist. Der Hinweis lautet dann „nicht installiert".
• Eine Engine, die gerade noch ihre Modelle lädt, heißt „(lädt noch)" und bleibt wählbar. Deine erste Anfrage wartet dann, bis sie so weit ist.

Fällt Deine Engine aus der Auswahl — etwa weil eine Datei dazukam, die sie nicht liest —, springt die Wahl auf „automatisch" zurück.

Text in Bildern erkennen

Steckt Dein Text in Bildern, schalte „Text in Bildern erkennen (OCR)" ein. Den Schalter zeigt die Oberfläche nur, wenn der Dienst die Texterkennung anbietet. Rührst Du ihn nicht an, gilt die Voreinstellung des Dienstes; das steht dann auch daneben.

Neben dem Schalter steht, wo er wirkt: nur in PDF und Bilddateien. Das runde „i" dahinter zählt die Formate auf und nennt den Umweg. In einer .docx-, .pptx-, .xlsx-, .html- oder .epub-Datei bleibt die Texterkennung aus, auch wenn Du den Schalter anschaltest. Brauchst Du den Text aus einem Bild darin, speicher das Dokument als PDF und lade es erneut hoch. Ausführlich steht das unter Grenzen.

Beides über die Schnittstelle

Dieselben zwei Einstellungen sind am Aufruf zwei Felder: engine und ocr. Setz $DIENST auf die Adresse, unter der die Oberfläche antwortet.

curl -sf -F file=@tabelle.pdf -F engine=markitdown -F ocr=true \
     -H 'Accept: application/json' $DIENST/api/convert

{
  "filename": "tabelle.pdf",
  "status": "ok",
  "markdown": "Kaimarkit Fixture\n\nFormat\n\npdf\n\nodt\n\n…",
  "engine": "markitdown",
  "warnings": [
    "MarkItDown übernimmt keine Bilder aus PDF. Enthielt tabelle.pdf Bilder, fehlt ihr Inhalt hier."
  ],
  "duration_ms": 19,
  "error": null
}

In engine steht, welche Engine es geworden ist. Lässt Du das Feld weg, bekommst Du auto, dasselbe wie „automatisch" in der Oberfläche; ocr überschreibt die Voreinstellung des Dienstes, so wie der Schalter es tut.

Nennst Du eine Engine ausdrücklich, ersetzt der Dienst sie nie durch eine andere. Kann sie das Format nicht, antwortet er mit 400, statt still eine andere zu nehmen:

{ "detail": "Engine pandoc kann .pdf nicht wandeln.", "code": "engine_unsuitable" }

Was gerade zur Wahl steht, nennt /api/capabilities. Aus derselben Auskunft baut die Oberfläche ihre Schaltergruppe:

curl -sf $DIENST/api/capabilities

{
  "formats": {
    ".pdf":  ["docling", "markitdown"],
    ".docx": ["markitdown", "docling", "pandoc"]
  },
  "engines": {
    "markitdown": "ready",
    "docling":    "warming",
    "pandoc":     "ready"
  },
  "ocr_available": true,
  "default_engine": "auto"
}

Der Dienst nennt alle Endungen, die er annimmt, dazu die geltenden Grenzen; oben stehen zwei davon. Die drei Zustände in engines sind dieselben, die am Schalter stehen: ready ist wählbar, warming heißt dort „(lädt noch)", unavailable heißt „nicht installiert". Die Reihenfolge in formats ist die Präferenz: Bei engine=auto kommt der erste Eintrag zum Zug. In ocr_available steht, ob die Oberfläche den Schalter zeigt.

Alle Felder dieser Auskunft stehen unter API.