一个把纸质书扫描件和 PDF 转成 EPUB 的开源工具,走视觉模型 OCR 加文本清洗

scan-to-ebook 是一个把纸质书扫描件、照片和 PDF 转成 EPUB 的开源工具；它负责 OCR、清洗文本、处理封面和目录，最后生成可阅读的电子书。

它有两条路。

如果是文字书，它会把每一页变成图片，交给视觉模型做 OCR，再清洗文本，最后用 pandoc 生成 EPUB。

如果是漫画，它不走 OCR，直接把图片打包成固定版式 EPUB3，适合右翻阅读。

这个项目最有意思的地方，是它不会一上来就逐页硬识别。

它会先抽几页做预检，看看书名、专有名词、旧拼写、双页排版、彩色封面这些信息。然后把这些上下文带回每一页 OCR 里，尽量让整本书的识别风格保持一致。

这对老书尤其重要。

很多旧书不是标准现代排版，里面可能有旧拼写、生僻词、脚注、页眉页脚。普通 OCR 容易每页各识别各的，最后合成出来像一堆碎片。这个项目的思路是先理解“这是一本什么书”，再逐页处理。

它也考虑了成本。

文字书 OCR 通过 OpenRouter 调视觉模型，默认模型是 qwen/qwen3.7-plus。README 里给的成本是约 $0.003/page，100 页大约 $0.30–0.40。

正式跑全书前，可以先跑 10 页 smoke run，估一下全书费用。重复运行时，已经识别过的页面会跳过，不会每次都重新烧钱。

漫画模式更省事。

如果你只是想把一堆图片、.cbz、.cbr 或 .mobi 做成 EPUB3，它不需要 OCR，也不需要 pandoc。只有开启自动封面检测时，才会调用视觉模型，README 里标的是约 $0.01/book。

门槛也跟大家说清楚。

它不是给完全不碰命令行的人用的桌面软件。你需要 Python 3.10+、pandoc，以及 OPENROUTER_API_KEY。如果要处理 Google Drive 链接，rclone 是可选依赖。

另外，项目也明确提醒：它面向个人合法使用，适合处理自己拥有的实体书，不适合拿来分发生成的 EPUB。

所以它适合的人有：有纸质藏书、愿意自己扫描、想把书长期整理进 Kindle / Books.app 的读书用户，或者想把扫描书处理流程自动化的开发者。

如果你想把一本书从扫描件整理成可阅读、可归档的 EPUB，这个项目值得折腾一下。

项目由 phuc-nt 开发，MIT 协议，72 个 Star。

项目地址：https://github.com/phuc-nt/scan-to-ebook