Чтение сканов, PDF и записей

Чтение сканов, PDF и записей

Вызовите plank_extract с путём к файлу. Он вернёт файл .md с заголовком ## Page N на каждую страницу (## Audio для записи) и сам текст, если он короче 30 000 символов.

• Вместо tesseract, ocrmypdf и whisper. Таблицы читаются построчно, числа, коды и артикулы копируются точно; tesseract на реальных инвойсах теряет примерно каждую пятую строку.
• Инструмент читает только файлы внутри текущего пространства (/spaces/<slug>). Файл из /tmp, домашней папки или другого пространства не находится: сначала скопируйте его в пространство и вызовите инструмент для копии. (CLI plank-extract принимает любой путь и берёт рабочее пространство из папки /spaces/<slug>/ файла; PLANK_WORKSPACE_ID — только в общем контейнере.)
• Форматы: PDF; картинки JPEG, PNG и WebP — как есть; TIFF (каждый кадр — страница), BMP и GIF сначала переводятся в JPEG. Фото HEIC/HEIF (iPhone) не принимаются: переведите их в JPEG и вызовите снова.
• Один вызов на файл, примерно до 1 000 страниц. Страницы читаются примерно по 8 одновременно, около 5 секунд каждая, так что один вызов успевает около 1 000 страниц за 15 минут — предел времени инструмента; партия из 25 страниц — меньше полуминуты. Для файла длиннее передайте pages: "1-500", потом "501-1000" и так далее, или используйте CLI plank-extract: инструмент останавливается примерно через 15 минут на вызов, а CLI ждёт, сколько длится чтение, в пределах ограничений ниже. Вызов, которому не хватило времени, сохраняет прочитанные страницы: вызовите снова — они придут из кэша.
• Результат пишется в ~/.cache/plank-extract/<sha256>.md, а не рядом с файлом человека, поэтому его папки остаются чистыми.
• Кэш. Тот же файл повторно — мгновенно и бесплатно, в пределах этого пространства.
• Стоимость. Чтение списывается из лимита ИИ пространства, как любой другой расход модели (около $1 за 1 000 страниц). Кэш и страницы с текстовым слоем не списываются.
• Страница PDF с настоящим текстом (текстовый слой от 200 печатных символов и без картинки на странице) читается из текстового слоя локально и никуда не отправляется. Страница с картинкой всегда идёт в модель: встроенный в скан слой распознавания — ровно то, что этот инструмент заменяет.
• Записи: mp3, m4a, ogg, oga, opus, wav, webm, aac, flac. Запись читается за один вызов; для записи на несколько часов лучше CLI plank-extract: он ждёт, сколько длится расшифровка (в пределах 6 часов), а инструмент останавливается примерно через 15 минут. Файл, который не читается как аудио, отклоняется с объяснением. Ограничения — только защита от зацикливания: 2 000 страниц, 6 часов или 512 МБ аудио за вызов; выше инструмент назовёт предел — передайте pages или разрежьте файл.
• Из скрипта: plank-extract <файл> [--pages 1-5,8] печатает путь к .md. Без аргументов или с неверным аргументом печатает справку и завершается с кодом 2; код 3 — часть страниц не прочитана (они помечены [not read: …]).
• Если страница пришла как [not read], посмотрите её сами (plank_look_at) или вызовите ещё раз.
• Если ответ «not configured», прочитайте файл через tesseract или сами и предупредите человека, что в тексте возможны ошибки распознавания.
• Если ответ «the Plank API is temporarily unavailable», это перезапуск, а не отсутствие функции: подождите минуту и вызовите снова. На tesseract из-за этого не переходите.

Страницы читает модель зрения у внешнего провайдера (Google Gemini Flash-Lite, запасной — Anthropic Claude Haiku, только когда Google недоступен), записи — модель расшифровки OpenAI: те же провайдеры, что уже обслуживают чат.