Transform your Android TV into a powerful PDF viewing station. View, navigate, and manage PDF documents with web import, WiFi transfer, and FTP support.

Read, search, zoom, and navigate PDF documents on Roku with a remote-friendly TV viewer.

Read, search, zoom, and navigate PDF documents on Roku with a remote-friendly TV viewer.

KOReader es una potente aplicación de lectura de ebooks, ideal para quienes quieren una experiencia de lectura fluida, personalizable y multiplataforma.

Sumatra PDF reader and viewer for Windows

Avec sa mise à jour de février 2026, Chrome intègre un lecteur PDF capable d'annoter, signer et faire de l'OCR local sans connexion.

A "bring your own TTS api" web interface for reading documents with high quality text-to-speech voices.

Someone on here recommended Skim as an open-source, AI-free pdf reader. Thank you, whoever made the rec and boosted it into my feed. It is fast, light, full of features I want, and easy to use. https://skim-app.sourceforge.io #pdf #FOSS #pdfreader #skim

I opened a PDF and didn’t get a pop-up asking for my wallet. Incredible.

Foxit PDF Reader has a memory corruption vulnerability that could allow an attacker to execute arbitrary code on the victim machine.

Researchers recently disclosed six new security vulnerabilities across various software, as one critical vulnerability was found in Foxit PDF

Hi, @MrTehIced ! I appreciate your activity. If you want to develop your own model using your own data you can use this style code. import PyPDF2 def extract_text_from_pdf(pdf_path): with open(pdf_path, 'rb') as file: reader = PyPDF2.PdfReader(file) text = ''.join(page.extract_text() for page in reader.pages) return text And the data type should be [ { "text": "Full text of the paper...", "summary": "Paper summary...", "label": "Topic label..." } ] You can load your data: from datasets import Dataset data = [ {"text": "Full text of the paper 1...", "summary": "Summary 1...", "label": "Label 1"}, {"text": "Full text of the paper 2...", "summary": "Summary 2...", "label": "Label 2"} ] dataset = Dataset.from_list(data) You can use pretrained models such as t5-small or bart-large-cnn. But if you want to get better result on research papers how about using arxiv summarize model? You can search that model in huggingface hub. I don’t remember the exact name but its model’s context size is more than 16800. And then if I were you, not fine tune the model. I will use openai api instead fine tuning. You can also openai and langchain to chat with your data and get summarization. This project will help you. huggingface.co ### Arxiv Pdf Summarization - a Hugging Face Space by Alanturner2 This is the project for arxiv pdf summarization

Welcome to Hugging Face Forums — **thanks for starting a new conversation!** I am building own summarization app using transformer huggingface. But I can’t run one line code. That is bellow part. summarizer = pipeline(“summarization”, model=“facebook/bart-large-cnn”) loader = PdfReader(pdf_file_path) text = “”" “”" for page in loader.pages: text += page.extract_text() –>summary = summarizer(text, min_length=130, max_length=50) The error is “return torch.embedding(weight, input, padding_idx, scale_grad_by_freq, sparse) IndexError: index out of range in self” Please help me!!!

Amazon Bedrockを使用したRAGシステムを構築します。ベクトルDBに情報を保存する際、事前に適切な形へチャンク分割を行い、回答精度を高めたいと思います。下記の記事ではHTMLファイルの前処理の検証について記載しましたが、今回はPDFファイルの前処理について記載をします。 まず、サンプル用のPDFファイルを準備します。このPDFファイルをPythonのPdfReaderでページ毎に読み込んでテキスト情報を取得します。取得したテキスト情報をAmazon Bedrockに送信後、整形処理の依頼を行います。この際、マークダウン形式での出力指示を行い、出力結果としてマークダウン形式のファイルを作成します。 まず、サンプル用のPDFファイルを準備します。下記のファイルをダウンロードしてsample.pdfという名前に変更後、下記プログラムと同じディレクトリに保存します。 下記が整形処理用のプログラムになります。まずsampl.pdfを読み込んで各ページのテキストを抽出します。 import json from pypdf import PdfReader import boto3 bedrock = boto3.client('bedrock-runtime') reader = PdfReader("sample.pdf") texts = [] for i, page in enumerate(reader.pages): page_text = page.extract_text(extraction_mode="layout", layout_mode_space_vertically=False) texts.append(page_text) Bedrockに問い合わせるためのプロンプトを定義します。 def create_qa_payload(text): return { "messages": [ { "role": "user", "content": ( "以下の入力テキストをMarkdown形式に整形してください。\n" "- 出力に```markdown```などのコードブロックの記述は含めないでください。\n" "- 整形されたMarkdown以外の出力（例: 承知しました、見出しの例など）は含めないでください。" ) }, {"role": "user", "content": text} ], "anthropic_version": "bedrock-2023-05-31", "max_tokens": 4096 } …

内容Amazon Bedrockを使用したRAGシステムを構築します。ベクトルDBに情報を保存する際、事前に適切な形へチャンク分割を行い、回答精度を高めたいと思います。下記の記事ではHTMLファイ…