DN_SuperBook_PDF_Converter 導入ガイド
DN_SuperBook_PDF_Converter 導入ガイド
スキャンした書籍PDFをAI処理で高画質化し、OCRで検索可能にするツール「DN_SuperBook_PDF_Converter」の導入手順をまとめました。
ツールの概要
登大遊氏が開発したツールで、以下の機能があります：
- AI画像鮮明化: 紙の汚れ、裏写り、インクのにじみ、JPEGノイズを除去
- 傾き補正: スキャン時の傾きを自動補正
- ページ番号検出: PDFビューアのページ番号と書籍のページ番号を一致
- AI-OCR: YomiTokuエンジンによる高精度な日本語OCR処理
- 検索可能PDF生成: テキスト埋め込みPDF、Markdown、HTML、JSON形式を出力
必要環境
- OS: Windows 10 / 11 x64
- RAM: 数GB〜数十GBの空きメモリ
- GPU: NVIDIA GeForce（CUDA対応）、VRAM 8GB以上推奨
- CUDA 12.8対応ドライバが必要（バージョン560以上）
- GTX 10シリーズ以降を推奨
- Visual Studio: 2022以降（.NET 6.0対応）
- .NET 6.0 SDK: ビルドに必須（ランタイムだけでは不可）
- Python: 3.11系
- uv: Pythonパッケージマネージャ（
pip install uvまたはwinget install astral-sh.uv） - Git: インストール済み
導入手順
Step 1: リポジトリのクローン
# 作業ディレクトリで実行
git clone --recursive https://github.com/dnobori/DN_SuperBook_PDF_Converter.git
cd DN_SuperBook_PDF_Converter
Step 2: 外部ツールのダウンロード
以下の6つをダウンロードします：
Step 3: 外部ツールの配置
配置先ベースパス:
DN_SuperBook_PDF_Converter\external_tools\external_tools\image_tools\
3-1. ExifTool
mkdir exiftool-13.30_64
# ZIPを解凍して exiftool.exe と exiftool_files\ を配置
3-2. pdfcpu
mkdir pdfcpu
# ZIPを解凍して pdfcpu.exe を配置
3-3. qpdf
mkdir qpdf
# ZIPを解凍して bin\ フォルダごと配置（qpdf\bin\qpdf.exe となるように）
3-4. ImageMagick + Ghostscript
mkdir ImageMagick-portable-Q16-HDRI-x64
# ImageMagickのZIPを解凍して中身を配置
# Ghostscriptをインストール後、以下の4ファイルをImageMagickフォルダにコピー
# C:\Program Files\gs\gs10.05.1\bin\ から:
# - gsdll64.dll
# - gsdll64.lib
# - gswin64.exe
# - gswin64c.exe
3-5. Tesseract学習データ
Tesseractは補助的なOCRとして使われます（YomiTokuがメインのAI-OCR）。英語と日本語の学習データを配置します。
mkdir TesseractOCR_Data
# ZIPから eng.traineddata と jpn.traineddata の2ファイルを配置
備考: 縦書き対応が必要な場合は jpn_vert.traineddata も追加できますが、YomiTokuが縦書きに対応しているため通常は不要です。
Step 4: RealEsrgan環境構築（uv使用）
cd external_tools\external_tools\image_tools\RealEsrgan
mkdir RealEsrgan_Repo
cd RealEsrgan_Repo
# 仮想環境作成（venvという名前で作成することが重要）
uv venv --python 3.11 venv
# Real-ESRGANをクローン
git clone https://github.com/xinntao/Real-ESRGAN.git
cd Real-ESRGAN
git checkout a4abfb2979a7bbff3f69f58f58ae324608821e27
cd ..
# パッケージインストール
uv pip install --python venv torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
uv pip install --python venv -r Real-ESRGAN/requirements.txt
uv pip install --python venv opencv-python
重要な修正1: degradations.py
最新の torchvision では functional_tensor モジュールが削除されたため、手動でパッチを当てる必要があります。
注意: venvを再作成した場合、この修正も再度適用する必要があります。
ファイルパス:
venv\Lib\site-packages\basicsr\data\degradations.py
以下を修正:
# 旧
from torchvision.transforms.functional_tensor import rgb_to_grayscale
# 新
from torchvision.transforms.functional import rgb_to_grayscale
重要な修正2: version.py作成
New-Item -Path "Real-ESRGAN\realesrgan\version.py" -ItemType File
モデルのダウンロード
以下からダウンロードして Real-ESRGAN\weights\ に配置:
https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth
Step 5: YomiToku環境構築
cd external_tools\external_tools\image_tools\yomitoku
# 仮想環境作成（venvという名前で）
uv venv --python 3.11 venv
# パッケージインストール
uv pip install --python venv torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
uv pip install --python venv "yomitoku==0.10.3"
Step 6: NuGetパッケージの復元
cd DN_SuperBook_PDF_Converter
# nuget.orgをソースに追加（初回のみ）
dotnet nuget add source https://api.nuget.org/v3/index.json -n nuget.org
# パッケージ復元
dotnet restore
Step 7: .NET 6.0 SDK / ランタイムのインストール
ビルドには .NET 6.0 SDK が必要です（ランタイムだけでは dotnet restore や dotnet build が実行できません）。
以下からダウンロードしてインストール: https://dotnet.microsoft.com/download/dotnet/6.0
- SDK 6.0.x（Windows x64）: ビルド用（必須）
- ASP.NET Core Runtime 6.0.x（Windows x64）: 実行用（SDKに含まれるため別途インストールは不要）
Step 8: ビルドと実行
- Visual Studioで
DN_SuperBook_PDF_Converter_VS2022.slnを開く - ビルド → ソリューションのビルド（Ctrl+Shift+B）
- デバッグ → デバッグなしで開始（Ctrl+F5）
SuperBookTools> プロンプトが表示されれば成功です。
使用方法
基本的な使い方
SuperBookTools> ConvertPdf
Source directory path: C:\path\to\source\folder
Destination directory path: C:\path\to\destination\folder
Perform Japanese High-Quality OCR? (Y/N): y
注意点:
- ソース/宛先にはフォルダを指定（ファイルではない）
- パスは引用符なしで入力
- ソースと宛先は別のフォルダにする
OCRオプション
| オプション | 説明 |
|---|---|
| Y (Yes) | AI-OCR処理を実行。検索可能PDF + Markdown/HTML/JSON出力 |
| N (No) | OCRスキップ。画像鮮明化のみ。処理時間短い |
処理時間の目安
- 1冊あたり 20〜40分 程度（目安）
- GPUがフル稼働するため、夜間バッチ処理がおすすめ
備考: 処理時間はページ数、解像度、OCRの有無、GPU性能によって大きく変動します。上記は200〜300ページ程度の書籍をRTX 3060でOCRありで処理した場合の参考値です。
つまずきやすいポイントと対処法
1. 仮想環境のフォルダ名
問題: uvのデフォルトは .venv だが、プログラムは venv を探す
対処: 最初から venv という名前で作成する
uv venv --python 3.11 venv
2. NuGetパッケージが見つからない
問題: Microsoft Visual Studio Offline Packages からパッケージが見つからないエラー
対処: nuget.orgをソースに追加
dotnet nuget add source https://api.nuget.org/v3/index.json -n nuget.org
dotnet restore
3. basicsr モジュールが見つからない
問題: ModuleNotFoundError: No module named 'basicsr'
対処: 仮想環境を作り直す
Remove-Item -Recurse -Force venv
uv venv --python 3.11 venv
uv pip install --python venv torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
uv pip install --python venv -r Real-ESRGAN/requirements.txt
uv pip install --python venv opencv-python
4. cv2 モジュールが見つからない
問題: ModuleNotFoundError: No module named 'cv2'
対処: OpenCVを追加インストール
uv pip install --python venv opencv-python
5. torchvision.transforms.functional_tensor エラー
問題: from torchvision.transforms.functional_tensor import rgb_to_grayscale でエラー
対処: degradations.pyを修正（Step 4参照）
GPU使用状況の確認
タスクマネージャー
タスクマネージャー → パフォーマンス → GPU で確認できます。
nvidia-smi コマンド
nvidia-smi
確認ポイント（目安）:
- GPU使用率: 高負荷時は80〜100%程度（処理フェーズによって変動）
- 温度: 80〜85℃以下なら問題なし（カードによって異なる）
- メモリ: 大半が使用されていればOK
GPUの長時間稼働について
GPUは長時間稼働を想定して設計されています。6時間以上の連続稼働でも問題ありません。
- AI学習: 数日〜数週間連続稼働
- マイニング: 24時間365日稼働
- 映像レンダリング: 数時間〜数日
重要なのは温度管理です。90℃を超えると心配ですが、通常は自動でクロックダウンし保護されます。
アンインストール方法
プロジェクト全体の削除
Remove-Item -Recurse -Force "C:\path\to\DN_SuperBook_PDF_Converter"
別途インストールしたもの
| 項目 | 対処 |
|---|---|
| Ghostscript | 「プログラムの追加と削除」からアンインストール |
| .NET 6.0 ランタイム | 残しておいてもOK |
| nuget.org ソース | 残しておいてもOK |
参考リンク
ライセンス
- DN_SuperBook_PDF_Converter: AGPL v3
- YomiToku: 非商用での個人利用・研究目的は無料。商用利用はライセンス購入が必要