Traduction PDF avec Ollama

Ce projet permet de traduire un document PDF page par page en utilisant un modèle LLM local (Ollama) optimisé pour la traduction.

---

Prérequis

• Python (version 3.8 ou supérieure)
• Ollama installé et en cours d’exécution sur ta machine (en mode “serveur”)
• Un document PDF à traduire

Installation

Étapes d’installation

1. Cloner ou télécharger le projet

   cd chemin/vers/votre/projet
   git pull https://git.alex-design.fr/Alex/python.traduction
   

2. Installer les dépendances Python

   pip install -r requirements.txt
   

Puis faire :

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

1. Placer votre fichier PDF dans le répertoire Traduction du projet avec le nom configuré dans main.py (par défaut : TaniaBorecMemoir(Ukr).pdf)

---

Mode opératoire

Préparation

1. Démarrer Ollama en mode serveur sur votre machine (port 11434 par défaut) bash ollama serve

Exécution

1. Lancer le script de traduction

   python main.py
   

2. Le programme va :

   • Extraire le texte de toutes les pages du PDF
   • Supprimer les numéros de pages
   • Regrouper les paragraphes qui s’étendent sur plusieurs pages
   • Diviser le texte en chunks raisonnables (environ 1500 caractères)
   • Envoyer chaque chunk au LLM pour traduction
   • Afficher la progression dans le terminal

3. Le résultat final sera généré dans un fichier PDF nommé [nom_original](FR).pdf

   • Exemple : TaniaBorecMemoir(Ukr)(FR).pdf

Fichier de sortie

Le PDF généré contient :

• Titre : “Traduction - Ukrainien vers Français”
• Contenu : Les traductions de tous les chunks, préservant la mise en page (sauts de ligne, paragraphes)
• Police : Support complet du cyrilique (déjà testé avec l’ukrainien)

---

Configuration

Vous pouvez modifier les paramètres suivants dans main.py :

• PDF_PATH : Chemin du fichier PDF à traduire
• OLLAMA_MODEL : Nom du modèle Ollama à utiliser
• OLLAMA_URL : URL du serveur Ollama (par défaut : http://localhost:11434/api/generate)
• OUTPUT_PDF_PATH : Chemin et nom du fichier PDF de sortie (généré autoamtiquement)

---

Finnetunning

Le finne-tunning permet d’avoir une meilleur traduction. C’est un processus long en temps de calcul, mais permet une traduction plus précise.

Le principe est le suivant :

1️⃣ Dataset d’entraînement (pairs.json)
      ↓
2️⃣ Fine-tuning LoRA (finetuning.py)
      ↓
3️⃣ Validation / Évaluation (validation.py)
      ↓
4️⃣ Merge LoRA + modèle de base (mergeLora.py)
      ↓
5️⃣ Conversion en GGUF
      ↓
6️⃣ Ollama (inférence finale)

validation

e script tests plusieurs prompt et renvoie celui avec le meilleur score BLEU.

Il faut ensuite copier ce prompt dans le fichier modelFile.