fix: make OCR portable and reliable across AMD64 and ARM64 (#519)

* fix: make OCR portable and reliable

* fix: harden OCR installation portability

* fix: pin OCR partials across downloads

* fix: make OCR execution reliably asynchronous

* fix: harden OCR portability and docs routes

* fix: preserve decoder and docs safeguards

apps/docs/nl/tools/pdf/ocr-pdf.md

@@ -1,14 +1,20 @@
 ---
-description: "Extraheer tekst uit PDF-documenten met AI-gedreven OCR."
-i18n_source_hash: 1431fcba180b
+description: "Extraheer tekst lokaal uit gescande PDF's met de ingebouwde Tesseract of de optionele uiterst nauwkeurige RapidOCR-runtime."
+i18n_output_hash: eec0a577d772
+i18n_source_hash: a19ba25a1ca8
 i18n_provenance: human
-i18n_output_hash: 940e2e52bf37
 ---
 
 # PDF OCR {#pdf-ocr}
 
-Extraheer tekst uit PDF-documenten met AI-gedreven optische tekenherkenning. Ondersteunt meerdere kwaliteitsniveaus en talen. Vereist dat de OCR-functiebundel is geïnstalleerd.
+Extraheer tekst uit gescande PDF-documenten pagina voor pagina zonder de PDF naar een externe service te sturen. De ingebouwde `fast`-laag maakt gebruik van Tesseract. De optionele lagen `balanced` en `best` gebruiken RapidOCR met vastgezette PP-OCR ONNX-modellen.
 
+
+<!-- korean-ocr-contract:start -->
+::: info Compatibiliteit voor Koreaanse OCR
+Snelle OCR ondersteunt `auto`, `en`, `de`, `es`, `fr`, `zh` en `ja`, maar geen Koreaans (`ko`). Koreaans vereist het nauwkeurige OCR-pakket en `balanced` of `best`. Het pakket werkt in officiële Linux amd64- en arm64-containers, ook op NVIDIA-hosts waar OCR op de CPU blijft draaien. Niet-ondersteunde systemen krijgen een expliciete compatibiliteitsfout en vallen nooit stil terug op `fast`. Koreaans met `fast` of de oude alias `tesseract` wordt vóór het in de wachtrij plaatsen geweigerd met `FEATURE_INCOMPATIBLE` en `fast-korean-unsupported`.
+:::
+<!-- korean-ocr-contract:end -->
 ## API Endpoint {#api-endpoint}
 
 `POST /api/v1/tools/pdf/ocr-pdf`
@@ -19,9 +25,14 @@ Accepteert multipart-formuliergegevens met een PDF-bestand en een optioneel JSON
 
 | Parameter | Type | Vereist | Standaard | Beschrijving |
 |-----------|------|----------|---------|-------------|
-| quality | string | Nee | `"balanced"` | OCR-kwaliteitsniveau: `fast`, `balanced`, `best` |
+| file | file | Ja | - | PDF-bestand (meerdere delen), tot 512 MiB gecodeerd; er geldt nog steeds een lagere uploadlimiet voor operators |
+| quality | string | Nee | Dynamisch | OCR-kwaliteitsniveau: `fast`, `balanced` of `best` |
 | language | string | Nee | `"auto"` | Documenttaal: `auto`, `en`, `de`, `fr`, `es`, `zh`, `ja`, `ko` |
 | pages | string | Nee | `"all"` | Paginaselectie, bijv. `"all"`, `"1-3"`, `"1,3,5"` |
+| enhance | boolean | Nee | Niveau-afhankelijk | Verbeter het lokale contrast vóór herkenning. Snel past het direct toe; Gebalanceerd en Best behouden de variant alleen als gekalibreerde scores het resultaat verbeteren. Standaard ingesteld op `true` voor `best` en `false` voor `fast`/`balanced` |
+| engine | string | Nee | - | Verouderde compatibiliteitsalias. Gebruik in plaats daarvan `quality`. `tesseract` wordt toegewezen aan `fast`; de oude `paddleocr`-waarde wordt toegewezen aan `balanced` maar laadt PaddlePaddle niet |
+
+Als `quality` en `engine` zijn weggelaten, kiest SnapOtter de beste beschikbare laag in deze volgorde: `best`, `balanced`, `fast`. Voor Koreaans wordt `fast` nooit gekozen; het gebruikt `best`, daarna `balanced`, of geeft een installatie- of compatibiliteitsfout voor de nauwkeurige runtime terug.
 
 ## Example Request {#example-request}
 
@@ -29,7 +40,7 @@ Accepteert multipart-formuliergegevens met een PDF-bestand en een optioneel JSON
 curl -X POST http://localhost:1349/api/v1/tools/pdf/ocr-pdf \
   -H "Authorization: Bearer si_your-api-key" \
   -F "file=@scanned.pdf" \
-  -F 'settings={"quality": "best", "language": "en", "pages": "1-5"}'
+  -F 'settings={"quality": "best", "language": "en", "pages": "1-5", "enhance": true}'
 ```
 
 ## Example Response {#example-response}
@@ -46,8 +57,11 @@ Geeft `202 Accepted` terug. Volg de voortgang via SSE op `/api/v1/jobs/{jobId}/p
 ## Notes {#notes}
 
 - Geaccepteerd invoerformaat: `.pdf`.
-- Dit is een AI-hulpmiddel dat vereist dat de **OCR-functiebundel** is geïnstalleerd. Als de bundel niet is geïnstalleerd, geeft de API `501 Not Implemented` terug.
-- Het kwaliteitsniveau `fast` gebruikt een lichter model voor snellere verwerking; `best` gebruikt een nauwkeuriger model ten koste van snelheid.
-- De taalinstelling `auto` probeert de documenttaal automatisch te detecteren.
+- `fast` is ingebouwd en voegt ongeveer 25 MiB toe aan de officiële afbeelding. Voor `balanced` en `best` is het optionele, nauwkeurige OCR-pakket vereist (ongeveer 208-234 MiB om te downloaden en 409-488 MiB geïnstalleerd, afhankelijk van het doel).
+- Het nauwkeurige pakket ondersteunt Linux amd64 en arm64 en gebruikt ONNX Runtime op CPU, inclusief op NVIDIA-hosts.
+- Een expliciet aangevraagd niveau wordt nooit stilzwijgend gedegradeerd. Als `balanced` of `best` niet beschikbaar is, retourneert de API `501` met `FEATURE_NOT_INSTALLED` of `FEATURE_INCOMPATIBLE`.
+- PDF-pagina's worden vóór OCR met hoge resolutie gerasterd. `best` voert de PP-OCRv6-modellen met hogere nauwkeurigheid uit en scoort oriëntatie- en verbeteringsvarianten, waardoor de herkenning wordt verbeterd ten koste van de snelheid.
+- De taalinstelling `auto` maakt herkenning via de ondersteunde scriptset mogelijk; een expliciete hint kan de resultaten voor een bekende documenttaal verbeteren.
 - Je kunt specifieke pagina's aanwijzen met bereiken (`"1-3"`), door komma's gescheiden lijsten (`"1,3,5"`), of `"all"` voor elke pagina.
+- Een aanvraag kan maximaal 50 pagina's verwerken. Gerasterde scratch-gegevens zijn beperkt tot 512 MiB en de totale UTF-8 OCR-respons is beperkt tot 1.000.000 bytes; taken die te hoog zijn, mislukken in plaats van een gedeeltelijke tekst terug te geven.
 - Voor PDF's die al selecteerbare tekst bevatten, kun je beter het snellere hulpmiddel [PDF to Text](./pdf-to-text) gebruiken.