PyQt6 PDF阅读器与语音助手：功能强大的PDF工具

PyQt6 PDF阅读器与语音助手是一个集成了PDF阅读、OCR文字识别和TTS语音朗读功能的多功能应用程序，基于 PyQt6 和 PyMuPDF 构建。它不仅提供了简洁直观的用户界面，还通过 OCR 和 TTS 技术为用户带来了更智能的文档处理体验。

核心功能

1. 打开PDF文件
   用户可以通过点击“打开”按钮选择并加载本地PDF文件。
2. 页面浏览
   • 使用“上一页”和“下一页”按钮或键盘快捷键（左箭头/右箭头、Page Up/Page Down）轻松翻页。
3. 缩放功能
   • 通过“放大”和“缩小”按钮或键盘快捷键（Ctrl++ / Ctrl+-）调整PDF页面的显示比例。
4. OCR文字识别
   • 基于 PaddleOCR 的文字识别功能，能够从PDF页面中提取文本内容。
   • 首次运行时会自动下载中文识别模型，确保高效准确的识别效果。
5. TTS语音朗读
   • 使用 pyttsx3 实现文本转语音功能，支持将识别出的文本内容实时朗读。
   • 点击“停止朗读”按钮可随时中断语音播放。
6. 自动保存会话
   • 应用程序会自动保存上次打开的PDF文件路径和当前页码，下次启动时自动恢复到上次的状态。
7. 简洁的用户界面
   • 设计简约，操作直观，适合各类用户使用。
8. 完善的键盘快捷键支持
   • 提供丰富的快捷键，提升用户的操作效率。

安装依赖

在使用此应用程序之前，请确保已安装所有必要的依赖项。运行以下命令安装：

pip install -r requirements.txt

主要依赖库

• PyQt6: 用于构建图形用户界面 (GUI)。
• PyMuPDF (fitz): 处理PDF文件，包括打开、渲染和页面操作。
• PaddleOCR: 提供高效的OCR文字识别功能。
• pyttsx3: 实现文本转语音 (TTS) 功能。
• OpenCV (cv2): 图像处理，辅助OCR识别。
• Pillow (PIL): 图像处理，用于渲染和显示PDF页面。

使用方法

1、 运行主程序：

python main.py

2、操作说明：

• 点击“打开”按钮选择PDF文件。
• 使用“上一页”和“下一页”按钮浏览PDF页面。
• 使用“放大”和“缩小”按钮调整视图大小。
• 点击“识别并朗读”按钮，对当前页面进行OCR识别并朗读内容。
• 点击“停止朗读”按钮，随时中断语音播放。

键盘快捷键

系统要求

• Python 3.7+
• 操作系统: Windows、macOS 或 Linux
• 硬件要求: 至少 2GB 内存（推荐 4GB 或更高）

特别说明

1. 首次运行：PaddleOCR 会在首次运行时自动下载中文识别模型，确保高精度的文字识别能力。
2. 会话恢复：应用程序会自动保存上次打开的文件路径和当前页码，方便用户快速恢复阅读进度。
3. 后台线程处理：OCR 识别和 TTS 朗读均在后台线程中运行，避免阻塞主界面，确保流畅的操作体验。

应用场景

1. 学习与研究：学生和研究人员可以利用 OCR 功能提取 PDF 中的关键信息，并通过语音朗读功能加深理解。
2. 无障碍阅读：视力障碍用户可以通过语音朗读功能轻松获取 PDF 内容。
3. 文档管理：商务人士可以快速浏览和处理 PDF 文件，提升工作效率。

未来改进方向

1. 多语言支持：扩展 OCR 和 TTS 的语言支持范围，满足国际用户需求。
2. 批量处理：支持批量 OCR 识别和导出功能，便于处理多页文档。
3. 高级搜索:在 PDF 文件中实现全文搜索功能，方便快速定位关键内容。
4. 云同步：增加云存储支持，允许用户跨设备同步阅读进度和标注。