Vantalens · Vantalens · May 31, 2026 · May 29, 2026 · May 29, 2026 · May 29, 2026
diff --git a/.gitignore b/.gitignore
@@ -58,6 +58,18 @@ Thumbs.db
 /releases/
 /artifacts/
 
+# Generated sample corpus (programmatically regenerable; `npm run samples:generate`)
+/samples/generated/
+
+# Heavy OCR runtime + model vendors (reproducible via vendor scripts + local download;
+# bundled into the app build from disk, not committed):
+#   onnxruntime-web: `npm i onnxruntime-web && npm run vendor:onnx`
+#   tesseract.js:    `npm i tesseract.js && npm run vendor:tesseract`
+#   PP-OCRv5 ONNX models: `npm run vendor:paddle` (pinned source + SHA-256, scripts/paddleocr-models.manifest.json)
+/public/vendor/onnxruntime/
+/public/vendor/paddleocr/
+/public/vendor/tesseract/
+
 # Test screenshots / debug captures
 /test-results/
 /playwright-report/

diff --git a/CHANGELOG.md b/CHANGELOG.md
@@ -4,12 +4,30 @@
 
 ## [Unreleased]
 
+## [2.3.0] - 2026-05-30
+
+### 新增
+
+- **本地 OCR（PP-OCRv5）**：图片 / 扫描 PDF 经 ONNX Runtime + WebGPU（WASM 回退）在本机识别。完整管线含图像预处理（ImageNet 归一化 + limit_side_len + 32 倍数）、DB 检测后处理（连通域 + unclip 外扩）、CTC 贪心解码 + 字典对齐、cls 方向校正（180°）、竖排/侧向 90° 试转、任意角倾斜自动纠偏（错切投影估角）、自适应中值去噪（仅噪图去噪、净图不损）、版面结构识别（按字号/间距归并为标题+段落）与识别质量评分（grade / 置信度 / 低置信行 / 纠偏 / 去噪）。应用内置一套 PP-OCRv5 mobile 模型，启动时自动载入本地缓存，开箱即用；可在安全中心导入/替换。用真实模型实测验证（rec 解词图为 "PAIN"、产品标签 0.978、倒置 0.976、+10° 倾斜 8→16 行恢复）。
+- **轻量 OCR（Tesseract.js）**：可选轻量 OCR engine，按需在安全中心导入 tessdata；与 PP-OCRv5 经优先级感知 `pickForTask` 路由（paddle 优先）。
+- **转换后检验三层**：规则 diff（字段级结构对比）+ SSIM 视觉回环 + OCR 回读，统一写入 `qualityReport.{ruleDiff,ssim,ocrReadback}` + `verification` envelope；工作台「转换检验报告」可视，含 OCR 识别质量行。SSIM 核心、文本相似度、规则 diff 均为零依赖纯函数，Node 全覆盖。
+- **LaTeX 数学渲染**：`$...$` / `$$...$$` 受保护 tokenization（反斜杠 / 下划线逐字保留，货币不误判），预览用本地 KaTeX 排版，零联网。
+- **Repair Engine 与按需模型缓存**：RepairAction 契约 + 规则驱动 validator/handler + 复核循环；model-cache manifest / SHA-256 / 状态机 / 安全中心导入 UI。
+- **优质测试样例生成器**：`npm run samples:generate` 程序化产出覆盖全格式、复杂排版、大小不一（large ≥ 3MB）的样例语料（gitignore）。
+
 ### 修复
 
-- **P7-A Windows 桌面发布基线**：统一 `package.json`、Tauri 配置与 Rust crate 版本为 `2.2.0`，声明已入库的 Windows ICO 图标；新增配置门禁并通过真实 `npm run desktop:build` 产出 MSI 与 NSIS 安装包。
-- **P8 路由损失可见性**：`RoutePlanner` 现在返回实际模型路径，跨模型转换将 `forcedWarnings` 和 `routeTemperature` 写入 QualityReport；工作台转换完成后展示带路径降级提示的转换模型。
-- **P8-B 可执行 mapper 与路径真值**：`SemanticDoc <-> WorkbookModel` 首批 mapper 已进入实际转换链并记录 `executedMappers`；`PPTX` 生成型输出和 `OFD -> PDF` 受限路径通过 `routeClass` 与 `PATH_NOT_RECOMMENDED` 明示质量边界。
-- **Markdown 导出原始 HTML 回归**：保留 task list 的 `[]` 字面语义，同时恢复文本节点 `<` / `>` 转义，避免纯文本输入导出 `.md` 时激活 HTML 标签。
+- **首页空白**：`browser-transformer.js` 漏 re-export `getKnownInputFormats` 导致 `landing-view.js` 浏览器加载失败、首页空白；补导出并加模块图加载守门。
+- **OCR 实际不触发**：转换走 Web Worker 同步路径绕过了 OCR；图片/PDF 改走主线程异步管线，OCR 真正执行。
+- **冻结引擎导入失败**：`paddleOcrEngine`/`tesseractOCREngine` 就绪状态存于冻结对象，`ensureProbe()` 赋值在严格模式抛错、令安全中心导入静默失败；改为模块级状态。
+- **OCR 质量数据被覆盖**：Repair Engine 的 `modelReview` 覆盖了 OCR stage 的，丢弃 `ocr/ocrQuality`；改为合并保留，识别质量得以在 UI 展示。
+- **P7-A Windows 桌面发布基线**：统一 `package.json`、Tauri 配置与 Rust crate 版本，声明 Windows ICO 图标；配置门禁 + 真实 `npm run desktop:build` 产出 MSI/NSIS。
+- **P8 路由损失可见性 / P8-B 可执行 mapper**：`RoutePlanner` 返回实际模型路径，`executedMappers` / `routeClass` / `PATH_NOT_RECOMMENDED` 写入 QualityReport。
+- **Markdown 导出原始 HTML 回归**：保留 task list `[]` 字面语义，恢复文本节点 `<` / `>` 转义。
+
+### 方向
+
+- **高级 OCR 目标调整**：调研确认 PaddleOCR-VL / MinerU（VLM）在浏览器/Tauri 本地 + 零云端 + 轻量默认包约束下不可内嵌，把高级 OCR 内置目标定为 **PP-OCRv5（ONNX/WebGPU）**，VLM 标注为远期/外部资源。
 
 ## [2.2.0] - 2026-05-26
 

diff --git a/DEVELOPMENT_TASKS.md b/DEVELOPMENT_TASKS.md
diff --git a/README.md b/README.md
@@ -5,8 +5,8 @@
 Trans2Former 是一个专业级的桌面文档转换工具，支持 12 种输入格式和 11 种输出格式的相互转换。所有转换在本地完成，零上传，保护您的数据隐私。
 
 [![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)
-[![Tests](https://img.shields.io/badge/smoke-46%20groups%20passing-brightgreen.svg)](#)
-[![Version](https://img.shields.io/badge/version-2.2.0-blue.svg)](#)
+[![Tests](https://img.shields.io/badge/tests-28%20scripts%20passing-brightgreen.svg)](#)
+[![Version](https://img.shields.io/badge/version-2.3.0-blue.svg)](#)
 
 ---
 
@@ -16,8 +16,9 @@ Trans2Former 是一个专业级的桌面文档转换工具，支持 12 种输入
 - 🚀 **高性能** - 基于 Web Worker 的并行处理
 - 📦 **零依赖** - 不需要安装 Office、LibreOffice 或 Pandoc
 - 🎨 **实时预览** - 转换前后实时预览文档
-- 📝 **结构化编辑** - 支持编辑转换后的文档结构
-- 🧩 **核心内置增强** - OFD、OCR、版面分析等能力代码核心内置；OCR 模型资源按需本地下载到 model-cache，不进入默认安装包
+- 🔤 **本地 OCR** - 图片 / 扫描 PDF 用内置 PP-OCRv5（ONNX Runtime + WebGPU）本地识别，含方向校正、倾斜纠偏、自适应去噪、版面结构（标题/段落）与质量评分
+- 🧮 **LaTeX 渲染** - 预览中用本地 KaTeX 排版 `$...$` / `$$...$$` 数学公式
+- ✅ **转换后检验** - 规则 diff + SSIM 视觉对比 + OCR 回读三层组合统一写入 QualityReport，工作台可视
 - 🌍 **多语言** - 支持中英文、RTL 文本等
 - ⚡ **无大小限制** - 不设置人为文件大小上限
 
@@ -120,23 +121,24 @@ Trans2Former/
 - **批量转换** - 同时转换多个文件
 - **编辑输出** - 直接编辑转换后的文本
 - **版本历史** - 查看和恢复历史版本
-- **质量报告** - 查看转换质量和警告
-- **质量报告** - 查看转换质量和警告
+- **转换检验报告** - 规则 diff / SSIM / OCR 回读 + OCR 识别质量评分
 
 ---
 
 ## 🧩 核心本地增强
 
-Trans2Former 不再提供插件安装模式，增强能力代码直接并入核心本地模块；默认安装包目标 30–80 MB，不内置 GB 级模型，相关模型资源按需本地下载到 model-cache：
+Trans2Former 不再提供插件安装模式，增强能力代码直接并入核心本地模块；模型资源不进入 git 仓库，由 vendor 脚本 + 本地下载重建，随应用打包：
 
-- **OFD 支持** - 政务格式支持
-- **本地 OCR** - 扫描文档识别（首次启用时下载本地 OCR 模型到 model-cache，识别全程本机执行）
-- **版面分析** - 复杂布局识别
-- **表格恢复** - PDF 表格提取
-- **转换后检验** - 规则 diff + SSIM 视觉对比 + OCR 回读三层组合写入 QualityReport
-- **高级 OCR**（规划中）- PaddleOCR-VL / MinerU 等大模型作为独立本地资源按需获取
+- **本地 OCR（PP-OCRv5）** - 图片 / 扫描 PDF 经 ONNX Runtime + WebGPU（WASM 回退）在本机识别；含 cls 方向校正（180°，可选模型）、任意角倾斜自动纠偏、自适应中值去噪、版面结构识别（按字号/间距归并标题+段落）、识别质量评分（grade / 置信度 / 低置信行 / 纠偏 / 去噪），全程零联网、零上传
+- **轻量 OCR（Tesseract.js）** - 可选的轻量 OCR 引擎，按需在安全中心导入 tessdata
+- **转换后检验三层** - 规则 diff + SSIM 视觉对比 + OCR 回读统一写入 QualityReport，工作台「转换检验报告」可视
+- **LaTeX 数学渲染** - 本地 KaTeX，零联网
+- **OFD 支持 / 版面分析 / 表格恢复** - 核心内置，持续攻坚
+- **高级 OCR（远期）** - PaddleOCR-VL / MinerU 等 VLM 受浏览器/Tauri 本地运行时限制，作为远期/外部资源评估（详见 docs）
 
-这些能力不通过插件包分发；后续实现必须继续保持本地执行、无上传、可解释降级和资源预算约束。
+> 运行高级 OCR：`npm install onnxruntime-web && npm run vendor:onnx`。PP-OCRv5 mobile 检测/识别模型与字典由 `npm run vendor:paddle` 从钉定来源下载、SHA-256 校验（见 [scripts/paddleocr-models.manifest.json](scripts/paddleocr-models.manifest.json)）并随 `release:prepare` 打包，启动自动载入、开箱即用；方向分类（cls）为可选，可在安全中心导入/替换。详见 [docs/PP_OCRV5_BROWSER_VERIFICATION.md](docs/PP_OCRV5_BROWSER_VERIFICATION.md)。
+
+这些能力不通过插件包分发；实现继续保持本地执行、无上传、可解释降级和资源预算约束。
 
 ---
 
@@ -160,14 +162,14 @@ Trans2Former 严格遵守本地优先原则：
 npm test
 ```
 
-测试覆盖：
-- ✅ 核心转换测试（44/44 通过）
-- ✅ 快照测试
-- ✅ 格式能力审计
-- ✅ 安全测试
-- ✅ 资源预算测试
-- ✅ 本地安全测试
-- ✅ 发布就绪测试
+测试覆盖（28 个脚本全量通过）：
+- ✅ 核心转换 / 快照 / 格式能力审计
+- ✅ 转换检验三层（规则 diff / SSIM / OCR 回读）
+- ✅ OCR 管线（预处理 / DB 后处理 / CTC 解码 / 方向 / 倾斜 / 去噪 / 结构）+ 真实模型集成（onnxruntime-node，缺依赖优雅跳过）
+- ✅ LaTeX 数学 tokenization
+- ✅ 安全 / 资源预算 / 方向门禁 / 发布就绪
+
+> 复杂/大体积样例语料：`npm run samples:generate` 程序化产出覆盖全格式、大小不一（large ≥ 3MB）的测试样例到 `samples/generated/`（gitignore）。
 
 ---
 
@@ -221,7 +223,7 @@ npm test
 
 1. **复杂样式** - 部分复杂样式可能无法完全保留
 2. **图表动画** - PPTX 动画和图表需要后续核心增强
-3. **扫描 PDF** - 扫描文档需要后续核心 OCR 能力
+3. **OCR 难例** - 强斜体 / 复杂艺术字识别仍受限（常规、倾斜、倒置、带噪文档已支持）；真实 ONNX 推理在浏览器 / Tauri（WebGPU/WASM）执行
 4. **ZIP64** - 暂不支持超大 ZIP 文件
 
 这些限制将在后续版本中通过核心本地模块逐步解决。
@@ -231,20 +233,19 @@ npm test
 ## 🗺️ 路线图
 
 ### 已完成 ✅
-- [x] P0-P8 核心功能
-- [x] 12 种输入格式
-- [x] 11 种输出格式
-- [x] 核心本地能力路线
-- [x] 桌面发布准备
+- [x] P0-P8 核心功能 + 12 种输入 / 11 种输出格式
+- [x] 转换后检验三层（规则 diff + SSIM + OCR 回读）+ 工作台可视
+- [x] 本地 OCR（PP-OCRv5：识别 + 方向校正 + 倾斜纠偏 + 去噪 + 版面结构 + 质量评分）
+- [x] LaTeX 数学渲染（KaTeX）
+- [x] Windows 桌面发布（MSI / NSIS）
 
 ### 进行中 🚧
-- [ ] 平台安装包构建
-- [ ] SSIM 视觉对比
-- [ ] 性能优化
+- [ ] 跨平台安装包（macOS / Linux）+ 签名公证
+- [ ] OCR 表格结构识别 → Markdown 表格
 
 ### 计划中 📋
-- [ ] 本地 OCR 核心增强
-- [ ] 版面分析核心增强
+- [ ] 强斜体 / 艺术字识别增强
+- [ ] 高级 OCR（PaddleOCR-VL / MinerU）本地运行时评估
 - [ ] 更多格式支持
 
 ---

diff --git a/RELEASE_NOTES_v2.3.0.md b/RELEASE_NOTES_v2.3.0.md
@@ -0,0 +1,47 @@
+# Trans2Former v2.3.0
+
+本地优先的多格式文档转换器。本版把**本地 OCR**从骨架做到真机可用，新增 **LaTeX 数学渲染**与**转换后检验三层可视化**，全程零上传、零联网。
+
+## 新增
+
+### 本地 OCR（PP-OCRv5）
+图片 / 扫描 PDF 经 **ONNX Runtime + WebGPU**（WASM 回退）在本机识别，应用内置一套 PP-OCRv5 mobile 模型，启动自动载入、开箱即用，可在安全中心导入/替换。完整管线：
+
+- 图像预处理 + **DB 检测后处理（连通域 + unclip 外扩）** + **CTC 解码 + 字典对齐**
+- **方向校正**（cls 180°）、**竖排/侧向 90° 试转**
+- **任意角倾斜自动纠偏**（错切投影估角 → 旋正重检）
+- **自适应去噪**（仅噪图去噪，干净图不受影响）
+- **版面结构识别**（按字号/间距归并为标题 + 段落 + 阅读顺序）
+- **识别质量评分**（grade / 置信度 / 低置信行 / 纠偏 / 去噪），工作台「转换检验报告」可视
+
+> 真机实测：rec 解词图为 "PAIN"；产品标签 0.978；倒置文档 0.976；+10° 倾斜 8→16 行恢复至 0.970；15% 椒盐噪点 4→16 行恢复。
+
+### LaTeX 数学渲染
+`$...$` / `$$...$$` 受保护识别（反斜杠 / 下划线逐字保留，货币不误判），预览用本地 **KaTeX** 排版，零联网。
+
+### 转换后检验三层
+规则 diff + SSIM 视觉对比 + OCR 回读，统一写入 `qualityReport` 并在工作台可视；核心算法零依赖、纯函数。
+
+### 其他
+- 轻量 OCR（Tesseract.js）可选引擎 + 优先级路由
+- Repair Engine + 按需模型缓存（manifest / SHA-256 / 安全中心导入）
+- `npm run samples:generate`：全格式、大小不一（≥3MB）测试样例语料生成器
+
+## 修复
+
+- 首页空白（缺 `getKnownInputFormats` re-export）
+- OCR 实际不触发（转换绕过 OCR 异步管线）
+- 冻结引擎导致安全中心模型导入静默失败
+- OCR 识别质量被 Repair Engine 覆盖丢失
+
+## 方向调整
+
+高级 OCR 内置目标从 **PaddleOCR-VL / MinerU（VLM）** 调整为 **PP-OCRv5（ONNX/WebGPU）**——VLM 在浏览器/Tauri 本地 + 零云端 + 轻量默认包约束下不可内嵌，标注为远期/外部资源。
+
+## 升级指南
+
+从 v2.2.x 升级：直接覆盖部署即可，无破坏性 API 变更。运行高级 OCR 需 `npm install onnxruntime-web && npm run vendor:onnx`（应用已内置 PP-OCRv5 模型，开箱即用）。
+
+## 全部测试通过
+
+`npm test` 全套 **28 个脚本**通过；`git diff --check`、`npm run release:prepare` 通过。Windows MSI / NSIS 安装包经真实 `npm run desktop:build` 产出。
diff --git a/docs/CONVERSION_ROUTING.md b/docs/CONVERSION_ROUTING.md
@@ -150,6 +150,6 @@ P8-B 的首批执行链已闭环。后续按 2026-05-28 [lightweight-default-bun
 - **P9-A OCR 基线**：PNG 与扫描 PDF 接入轻量 OCR（Tesseract.js / 轻量 PaddleOCR），OCR 模型资源按需下载到 model-cache，不进入默认安装包。
 - **P9-B OCR → FixedLayoutModel**：OCRResult → FixedLayoutModel → SemanticDoc，保留 bbox / confidence / page index / reading order，让 Repair Engine 的 `fixedLayoutToSemantic` 路径获得真实证据。
 - **P9-C 转换后检验**：规则 diff + SSIM 视觉对比 + OCR 回读三层组合统一写入 QualityReport，作为核心差异化能力提升。
-- **P9-D 高级 OCR**：PaddleOCR-VL / MinerU 等大模型作为独立本地资源按需下载，明确体积、运行内存、降级路径。
+- **P9-D 高级 OCR**：内置目标为 PP-OCRv5（ONNX Runtime + WebGPU，WASM 回退），作为比 Tesseract 更高精度的本地 OCR engine 按需下载 ONNX 模型；PaddleOCR-VL / MinerU 等 VLM 为远期/外部资源（浏览器/Tauri 本地暂不可内嵌）。
 
 在 P9-A 启动前必须先完成 **S3 按需下载与本地缓存治理**：定义 model-cache 目录结构、manifest、checksum、可清理入口、断网降级提示和首次启用下载提示流程。`slide` / `fixedLayout` 路径的 writer 能力和视觉质量证据在 P9-B/C 推进过程中补齐；在证据成立前不将规划边提升为实际 mapper 执行。
diff --git a/docs/DESKTOP_APP_ARCHITECTURE.md b/docs/DESKTOP_APP_ARCHITECTURE.md
@@ -133,7 +133,8 @@ Tauri + Web-GUI 是当前最合理的桌面路线。
 | 重格式 | 核心本地按需加载 |
 | 默认安装包 | 30–80 MB，不打包 GB 级模型 |
 | OCR 模型 | 不进入默认安装包；首次启用时本地下载到 model-cache，可清理、可禁用 |
-| 高级 OCR（PaddleOCR-VL / MinerU 等） | 独立本地资源，按需获取，明确体积与硬件要求 |
+| 高级 OCR（PP-OCRv5 ONNX/WebGPU） | 内置目标：比 Tesseract 更高精度的本地 OCR engine，按需下载 ONNX 模型到 model-cache |
+| VLM（PaddleOCR-VL / MinerU 等） | 远期/外部资源；浏览器/Tauri 本地暂不可内嵌，明确体积与硬件要求 |
 
 ## 当前实现
 

diff --git a/docs/DESKTOP_RELEASE_PLAN.md b/docs/DESKTOP_RELEASE_PLAN.md
@@ -76,7 +76,7 @@ Trans2Former_<version>_checksums.sha256
 - OCR 模型资源不进入默认安装包；首次启用时本地下载到 model-cache，必须提供 manifest、checksum、缓存路径、可清理入口、体积报告、断网降级提示和失败 fallback，处理过程不上传任何文档内容。
 - `release:prepare` 必须依次执行 `sync-pdfjs-vendor` 与 `sync-tesseract-vendor`；后者在 `tesseract.js` optionalDependency 缺失时退出 0，不阻塞 CI/发布流程。
 - Tauri CSP 必须保留 `'wasm-unsafe-eval'`（让本地 tesseract.js wasm 在 WebView 中可实例化），且 `connect-src 'self'` 不可放开 —— 模型资源仅同源 vendor 与本地 IndexedDB，禁止任何远程 URL。
-- 高级 OCR 资源（PaddleOCR-VL / MinerU 等大模型）作为独立本地资源按需获取，启用前展示体积、运行内存、降级路径和失败提示。
+- 高级 OCR 内置目标为 PP-OCRv5（ONNX Runtime + WebGPU，WASM 回退），ONNX 模型按需下载到 model-cache，启用前展示体积、运行内存、降级路径和失败提示；PaddleOCR-VL / MinerU 等 VLM 为远期/外部资源（浏览器/Tauri 本地暂不可内嵌）。
 - 转换后检验三层（规则 diff、SSIM 视觉对比、OCR 回读）必须可在断网状态运行，验证 Repair Engine 修复后的输出质量并写入 QualityReport。
 - 文档处理模式始终禁止网络访问。