Web Analytics Made Easy - Statcounter
Skip to content

Guide de configuration

Référence complète de toutes les options de configuration de Duckling.

Variables d'environnement

Créez un fichier .env dans le répertoire backend :

# Flask Configuration
FLASK_ENV=development          # development | production | testing
SECRET_KEY=your-secret-key     # Required for production
DEBUG=True                     # Enable debug mode

# File Handling
MAX_CONTENT_LENGTH=104857600   # Max upload size in bytes (100MB default)

# Database (optional - defaults to SQLite)
DATABASE_URL=sqlite:///history.db

Environnement de production

FLASK_ENV=production
SECRET_KEY=your-very-secure-random-key-here
DEBUG=False
MAX_CONTENT_LENGTH=209715200   # 200MB for production

Avertissement de sécurité

N'utilisez jamais la SECRET_KEY par défaut en production. Générez une clé aléatoire sécurisée.

Paramètres OCR

L'OCR (reconnaissance optique de caractères) extrait le texte des images et des documents numérisés.

Options de configuration

Paramètre Type Défaut Description
enabled boolean true Activer ou désactiver l'OCR
backend string "easyocr" Moteur OCR Ă  utiliser
language string "en" Langue principale de reconnaissance
force_full_page_ocr boolean false OCR sur toute la page ou zones détectées
use_gpu boolean false Accélération GPU (EasyOCR uniquement)
confidence_threshold float 0.5 Confiance minimale des résultats (0–1)
bitmap_area_threshold float 0.05 Ratio de surface minimal pour l'OCR bitmap (0–1)

Moteurs OCR

Idéal pour les documents multilingues exigeant la précision.

{
  "ocr": {
    "backend": "easyocr",
    "use_gpu": true,
    "language": "en"
  }
}
  • GPU : oui (CUDA)
  • Langues : 80+
  • Remarque : des problèmes d'initialisation peuvent survenir sur certains systèmes

Moteur OCR classique et fiable pour des documents simples.

{
  "ocr": {
    "backend": "tesseract",
    "language": "eng"
  }
}
  • GPU : non
  • Langues : 100+
  • PrĂ©requis : Tesseract installĂ© sur le système

OCR macOS native via le framework Vision d'Apple.

{
  "ocr": {
    "backend": "ocrmac",
    "language": "en"
  }
}
  • GPU : utilise l'Apple Neural Engine
  • PrĂ©requis : macOS 10.15+
  • Codes langue : Duckling accepte les codes courts (en, de, fr, etc.) et les normalise en balises de locale Vision (par ex. en-US) pendant la conversion.

OCR rapide et léger avec ONNX Runtime.

{
  "ocr": {
    "backend": "rapidocr",
    "language": "en"
  }
}
  • GPU : non
  • Langues : limitĂ©

Langues prises en charge

Code Langue Code Langue
en Anglais ja Japonais
de Allemand zh Chinois (simplifié)
fr Français zh-tw Chinois (traditionnel)
es Espagnol ko Coréen
it Italien ar Arabe
pt Portugais hi Hindi
nl NĂ©erlandais th ThaĂŻ
pl Polonais vi Vietnamien
ru Russe tr Turc

Paramètres des tableaux

Configurez la détection et l'extraction des tableaux dans les documents.

Options de configuration

Paramètre Type Défaut Description
enabled boolean true Activer la détection de tableaux
structure_extraction boolean true Conserver la structure du tableau
mode string "accurate" Mode de détection
do_cell_matching boolean true Associer le contenu des cellules Ă  la structure

Modes de détection

{
  "tables": {
    "enabled": true,
    "mode": "accurate",
    "do_cell_matching": true
  }
}
  • DĂ©tection de tableaux plus prĂ©cise
  • Meilleure reconnaissance des limites de cellules
  • Traitement plus lent
  • RecommandĂ© pour les tableaux complexes
{
  "tables": {
    "enabled": true,
    "mode": "fast",
    "do_cell_matching": false
  }
}
  • Traitement plus rapide
  • AdaptĂ© aux tableaux simples
  • Peut manquer des structures complexes

Paramètres des images

Configurez l'extraction et le traitement des images.

Options de configuration

Paramètre Type Défaut Description
extract boolean true Extraire les images intégrées
classify boolean true Classifier et Ă©tiqueter les images
generate_page_images boolean false Créer une image par page
generate_picture_images boolean true Extraire les illustrations en fichiers
generate_table_images boolean true Extraire les tableaux sous forme d'images
images_scale float 1.0 Facteur d'Ă©chelle des images (0,1 Ă  4,0)

Exemples de configuration

{
  "images": {
    "extract": true,
    "classify": true,
    "generate_page_images": true,
    "generate_picture_images": true,
    "generate_table_images": true,
    "images_scale": 2.0
  }
}

{
  "images": {
    "extract": false,
    "classify": false,
    "generate_page_images": false,
    "generate_picture_images": false,
    "generate_table_images": false
  }
}

Paramètres de performances

Optimisez la vitesse de traitement et l'utilisation des ressources.

Options de configuration

Paramètre Type Défaut Description
device string "auto" Périphérique de traitement
num_threads int 4 Fils CPU (1–32)
document_timeout int/null null Durée maximale de traitement en secondes

Options des périphériques

Périphérique Description Idéal pour
auto Choisit automatiquement le meilleur périphérique Usage général
cpu Force le traitement CPU Serveurs sans GPU
cuda Accélération GPU NVIDIA Linux/Windows avec GPU NVIDIA
mps Apple Metal Performance Shaders macOS avec Apple Silicon

Exemples de configuration

{
  "performance": {
    "device": "cuda",
    "num_threads": 8,
    "document_timeout": null
  }
}

{
  "performance": {
    "device": "cpu",
    "num_threads": 2,
    "document_timeout": 60
  }
}

{
  "performance": {
    "device": "mps",
    "num_threads": 4,
    "document_timeout": null
  }
}

Paramètres de découpage (chunking)

Configurez le découpage de document pour les applications RAG.

Options de configuration

Paramètre Type Défaut Description
enabled boolean false Activer le découpage
max_tokens int 512 Nombre maximal de jetons par segment
merge_peers boolean true Fusionner les petits segments

Exemples de configuration

{
  "chunking": {
    "enabled": true,
    "max_tokens": 512,
    "merge_peers": true
  }
}

{
  "chunking": {
    "enabled": true,
    "max_tokens": 2048,
    "merge_peers": false
  }
}

Paramètres de sortie

Définissez le format de sortie par défaut.

Paramètre Type Défaut Description
default_format string "markdown" Format d'export par défaut

Exemple de configuration complet

{
  "ocr": {
    "enabled": true,
    "backend": "easyocr",
    "language": "en",
    "force_full_page_ocr": false,
    "use_gpu": false,
    "confidence_threshold": 0.5,
    "bitmap_area_threshold": 0.05
  },
  "tables": {
    "enabled": true,
    "structure_extraction": true,
    "mode": "accurate",
    "do_cell_matching": true
  },
  "images": {
    "extract": true,
    "classify": true,
    "generate_page_images": false,
    "generate_picture_images": true,
    "generate_table_images": true,
    "images_scale": 1.0
  },
  "performance": {
    "device": "auto",
    "num_threads": 4,
    "document_timeout": null
  },
  "chunking": {
    "enabled": false,
    "max_tokens": 512,
    "merge_peers": true
  },
  "output": {
    "default_format": "markdown"
  }
}

Configuration via l'API

Obtenir les paramètres actuels

curl http://localhost:5001/api/settings

Mettre à jour les paramètres

curl -X PUT http://localhost:5001/api/settings \
  -H "Content-Type: application/json" \
  -d '{
    "ocr": {"backend": "tesseract"},
    "performance": {"num_threads": 8}
  }'

Réinitialiser aux valeurs par défaut

curl -X POST http://localhost:5001/api/settings/reset

DĂ©pannage

L'OCR ne fonctionne pas

  1. Erreur d'initialisation EasyOCR : passez Ă  ocrmac (macOS) ou tesseract
  2. Erreurs GPU : définissez use_gpu: false
  3. RĂ©sultats peu confiants : baissez confidence_threshold

Traitement lent

  1. RĂ©duisez images_scale Ă  0,5
  2. Utilisez mode: "fast" pour les tableaux
  3. DĂ©sactivez generate_page_images
  4. Augmentez num_threads

Problèmes de mémoire

  1. Activez document_timeout (par ex. 120 secondes)
  2. Traitez moins de fichiers par lot
  3. RĂ©duisez images_scale
  4. DĂ©sactivez le chunking si inutile