Upload 85 files

MM_tools/app/blueprints/ledger/routes.py

@@ -18,7 +18,7 @@ from PIL import Image
 
 from . import ledger_bp
 from app.shared.models import get_qwen_model
-from app.shared.utils import sse_event
+from app.shared.utils import sse_event, open_image_or_pdf
 
 # 出力先ディレクトリ（プロジェクトルートの output/）
 OUTPUT_DIR = Path(__file__).parent.parent.parent.parent / "output"
@@ -28,29 +28,19 @@ OUTPUT_DIR.mkdir(exist_ok=True)
 _model_lock = threading.Lock()
 
 # 表データ抽出プロンプト
-OCR_PROMPT = """この画像は帳簿・表をカメラで撮影したものです。
-画像内の表形式データをすべて読み取り、以下のJSON形式のみで出力してください。
-
-```json
-{
-  "title": "帳簿のタイトル（ある場合。なければ null）",
-  "tables": [
-    {
-      "headers": ["列名1", "列名2", "列名3"],
-      "rows": [
-        ["セル1", "セル2", "セル3"]
-      ]
-    }
-  ]
-}
-```
-
-注意事項：
-- 数字は半角で出力してください
-- 日付は記載通りに出力してください
-- 判読できない箇所は「???」と記載してください
-- 表が複数ある場合は tables 配列に複数のオブジェクトを含めてください
-- JSONのみを出力してください（前後の説明文は不要です）"""
+OCR_PROMPT = """You are a table OCR assistant. Extract all tabular data from this image and output ONLY valid JSON. No explanation, no markdown, no code fences — just raw JSON starting with { and ending with }.
+
+Output format:
+{"title": "table title or null", "tables": [{"headers": ["col1", "col2"], "rows": [["val1", "val2"]]}]}
+
+Rules:
+- Output ONLY the JSON object. Do not write anything before or after it.
+- Use half-width digits for numbers.
+- Keep dates exactly as written.
+- Use "???" for unreadable characters.
+- If multiple tables exist, include all in the "tables" array.
+- If no title is visible, set "title" to null.
+- Every row must have the same number of cells as headers."""
 
 
 @ledger_bp.route("/")
@@ -80,25 +70,27 @@ def process():
     # SSEジェネレータの遅延実行時にリクエストストリームが閉じられる問題を防ぐため、
     # ここでバイト列として先読みしておく
     image_bytes: bytes | None = None
+    image_filename: str = ""
     if image_file and image_file.filename:
         image_bytes = image_file.read()
+        image_filename = image_file.filename  # PDF 判定用
 
     def generate():
         with _model_lock:
             try:
-                # ── 画像読み込み ──
-                yield sse_event({"progress": "画像を読み込み中...", "step": 1})
+                # ── 画像読み込み（PDF は1ページ目を変換）──
+                yield sse_event({"progress": "ファイルを読み込み中...", "step": 1})
 
                 if image_bytes:
-                    image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
+                    image = open_image_or_pdf(image_bytes, image_filename)
                 elif image_path_str:
                     p = Path(image_path_str)
                     if not p.exists():
                         yield sse_event({"error": f"ファイルが見つかりません: {image_path_str}"})
                         return
-                    image = Image.open(p).convert("RGB")
+                    image = open_image_or_pdf(p.read_bytes(), p.name)
                 else:
-                    yield sse_event({"error": "画像をアップロードするか、パスを入力してください。"})
+                    yield sse_event({"error": "画像または PDF をアップロードするか、パスを入力してください。"})
                     return
 
                 # ── モデルロード ──
@@ -257,6 +249,7 @@ def _try_numeric(value: str):
 def _save_to_excel(data: dict, output_path: Path) -> None:
     """
     JSON データを整形した Excel ファイルに書き出す。
+    複数テーブルがある場合は 1 シートに縦に並べ、テーブル間に 1 行空白を入れる。
 
     Args:
         data: 抽出済み JSON 辞書 (title, tables キーを持つ)
@@ -269,25 +262,35 @@ def _save_to_excel(data: dict, output_path: Path) -> None:
     ROW_FILL_ODD = PatternFill(start_color="DCE6F1", end_color="DCE6F1", fill_type="solid")
 
     wb = openpyxl.Workbook()
+    ws = wb.active
+    ws.title = "帳簿"
+
     book_title = data.get("title")
     tables = data.get("tables", [])
 
     if not tables:
         raise ValueError("tables キーが空です。")
 
-    for idx, table in enumerate(tables):
-        ws = wb.active if idx == 0 else wb.create_sheet()
-        ws.title = f"帳簿{idx + 1}"
-        row_ptr = 1
+    row_ptr = 1
+    first_header_row = None  # freeze_panes 用に最初のヘッダ行を記録
 
-        if book_title and idx == 0:
-            title_cell = ws.cell(row=row_ptr, column=1, value=book_title)
-            title_cell.font = Font(bold=True, size=14)
-            row_ptr += 2
+    # タイトル行（あれば）
+    if book_title:
+        title_cell = ws.cell(row=row_ptr, column=1, value=book_title)
+        title_cell.font = Font(bold=True, size=14)
+        row_ptr += 2
+
+    for idx, table in enumerate(tables):
+        # テーブル間の空白行（2つ目以降）
+        if idx > 0:
+            row_ptr += 1  # 1行空ける
 
         headers = table.get("headers", [])
         rows    = table.get("rows", [])
 
+        # ヘッダ行
+        if first_header_row is None:
+            first_header_row = row_ptr
         for col_idx, header in enumerate(headers, start=1):
             cell = ws.cell(row=row_ptr, column=col_idx, value=header)
             cell.font      = Font(bold=True, color="FFFFFF")
@@ -295,6 +298,7 @@ def _save_to_excel(data: dict, output_path: Path) -> None:
             cell.alignment = Alignment(horizontal="center", vertical="center", wrap_text=True)
         row_ptr += 1
 
+        # データ行
         for row_num, row_data in enumerate(rows):
             fill = ROW_FILL_ODD if row_num % 2 == 0 else None
             for col_idx, raw_value in enumerate(row_data, start=1):
@@ -307,20 +311,22 @@ def _save_to_excel(data: dict, output_path: Path) -> None:
                     cell.alignment = Alignment(horizontal="right", vertical="center")
             row_ptr += 1
 
-        for row in ws.iter_rows():
-            ws.row_dimensions[row[0].row].height = 18
-
-        for col in ws.columns:
-            max_len = 0
-            col_letter = col[0].column_letter
-            for cell in col:
-                if cell.value:
-                    w = sum(2 if ord(c) > 127 else 1 for c in str(cell.value))
-                    max_len = max(max_len, w)
-            ws.column_dimensions[col_letter].width = min(max_len + 4, 50)
-
-        header_row = 1 if not book_title else 3
-        ws.freeze_panes = ws.cell(row=header_row + 1, column=1)
+    # 行高・列幅の自動調整
+    for row in ws.iter_rows():
+        ws.row_dimensions[row[0].row].height = 18
+
+    for col in ws.columns:
+        max_len = 0
+        col_letter = col[0].column_letter
+        for cell in col:
+            if cell.value:
+                w = sum(2 if ord(c) > 127 else 1 for c in str(cell.value))
+                max_len = max(max_len, w)
+        ws.column_dimensions[col_letter].width = min(max_len + 4, 50)
+
+    # 最初のヘッダ行の次行でフリーズ
+    if first_header_row is not None:
+        ws.freeze_panes = ws.cell(row=first_header_row + 1, column=1)
 
     wb.save(str(output_path))
 

MM_tools/app/blueprints/ledger/templates/ledger/index.html

@@ -46,7 +46,7 @@
           <div>
             <p class="text-sm font-semibold text-emerald-800 mb-1">使い方</p>
             <ol class="text-xs text-emerald-700 space-y-1 list-decimal list-inside">
-              <li>帳簿・表が写った画像をアップロード（またはパスを入力）</li>
+              <li>帳簿・表が写った画像または PDF をアップロード（またはパスを入力）</li>
               <li>「Excel を生成」ボタンをクリック</li>
               <li>解析完了後、Excel ファイルをダウンロード</li>
             </ol>
@@ -57,14 +57,14 @@
       <!-- 画像アップロードエリア -->
       <div>
         <label class="block text-sm font-semibold text-gray-600 mb-2">
-          画像のアップロード
+          画像 / PDF のアップロード
         </label>
         <div id="drop-zone"
           class="relative border-2 border-dashed border-emerald-300 rounded-xl bg-emerald-50
                  flex flex-col items-center justify-center min-h-[260px] cursor-pointer
                  transition-colors duration-200 hover:border-emerald-500 hover:bg-emerald-100">
 
-          <input type="file" id="image-input" accept="image/*" class="hidden" />
+          <input type="file" id="image-input" accept="image/*,.pdf" class="hidden" />
           <img id="preview" class="hidden max-w-full max-h-52 object-contain rounded-lg shadow-sm" />
 
           <div id="upload-placeholder" class="text-center px-6 py-8 select-none">
@@ -75,7 +75,7 @@
               </svg>
             </div>
             <p class="text-emerald-800 font-medium text-sm">クリックまたはドラッグ＆ドロップ</p>
-            <p class="text-gray-400 text-xs mt-1">PNG, JPG, WEBP など</p>
+            <p class="text-gray-400 text-xs mt-1">PNG, JPG, WEBP, PDF など</p>
           </div>
 
           <button id="change-btn"
@@ -203,14 +203,16 @@
 
       <!-- 対応形式 -->
       <div class="bg-white border border-gray-100 rounded-xl p-4 shadow-sm">
-        <h3 class="text-xs font-semibold text-gray-500 uppercase tracking-wide mb-3">対応画像形式</h3>
+        <h3 class="text-xs font-semibold text-gray-500 uppercase tracking-wide mb-3">対応ファイル形式</h3>
         <div class="flex flex-wrap gap-2">
           <span class="text-xs bg-gray-100 text-gray-600 px-2 py-1 rounded-md font-mono">JPG</span>
           <span class="text-xs bg-gray-100 text-gray-600 px-2 py-1 rounded-md font-mono">PNG</span>
           <span class="text-xs bg-gray-100 text-gray-600 px-2 py-1 rounded-md font-mono">WEBP</span>
           <span class="text-xs bg-gray-100 text-gray-600 px-2 py-1 rounded-md font-mono">BMP</span>
           <span class="text-xs bg-gray-100 text-gray-600 px-2 py-1 rounded-md font-mono">TIFF</span>
+          <span class="text-xs bg-emerald-100 text-emerald-700 px-2 py-1 rounded-md font-mono">PDF</span>
         </div>
+        <p class="text-xs text-gray-400 mt-2">※ PDF は1ページ目のみ処理します</p>
         <h3 class="text-xs font-semibold text-gray-500 uppercase tracking-wide mt-3 mb-2">精度を上げるコツ</h3>
         <ul class="text-xs text-gray-500 space-y-1">
           <li>• 表全体が収まるように撮影</li>
@@ -266,7 +268,7 @@
     e.preventDefault();
     dropZone.classList.remove('drag-over');
     const file = e.dataTransfer.files[0];
-    if (file && file.type.startsWith('image/')) {
+    if (file && (file.type.startsWith('image/') || file.type === 'application/pdf' || file.name.toLowerCase().endsWith('.pdf'))) {
       showPreview(file);
       const dt = new DataTransfer();
       dt.items.add(file);
@@ -275,14 +277,37 @@
   });
 
   function showPreview(file) {
-    const reader = new FileReader();
-    reader.onload = (e) => {
-      preview.src = e.target.result;
-      preview.classList.remove('hidden');
+    const isPdf = file.type === 'application/pdf' || file.name.toLowerCase().endsWith('.pdf');
+    if (isPdf) {
+      preview.classList.add('hidden');
       uploadPh.classList.add('hidden');
       changeBtn.classList.remove('hidden');
-    };
-    reader.readAsDataURL(file);
+      let pdfLabel = dropZone.querySelector('#pdf-label');
+      if (!pdfLabel) {
+        pdfLabel = document.createElement('div');
+        pdfLabel.id = 'pdf-label';
+        pdfLabel.className = 'flex flex-col items-center gap-2 text-emerald-700 py-4';
+        dropZone.appendChild(pdfLabel);
+      }
+      pdfLabel.innerHTML = `
+        <svg class="w-12 h-12 text-emerald-400" fill="none" viewBox="0 0 24 24" stroke="currentColor" stroke-width="1.5">
+          <path stroke-linecap="round" stroke-linejoin="round"
+            d="M19.5 14.25v-2.625a3.375 3.375 0 00-3.375-3.375h-1.5A1.125 1.125 0 0113.5 7.125v-1.5a3.375 3.375 0 00-3.375-3.375H8.25m0 12.75h7.5m-7.5 3H12M10.5 2.25H5.625c-.621 0-1.125.504-1.125 1.125v17.25c0 .621.504 1.125 1.125 1.125h12.75c.621 0 1.125-.504 1.125-1.125V11.25a9 9 0 00-9-9z" />
+        </svg>
+        <p class="text-sm font-semibold">${file.name}</p>
+        <p class="text-xs text-gray-400">${(file.size / 1024).toFixed(1)} KB（1ページ目を処理）</p>`;
+    } else {
+      const existingLabel = dropZone.querySelector('#pdf-label');
+      if (existingLabel) existingLabel.remove();
+      const reader = new FileReader();
+      reader.onload = (e) => {
+        preview.src = e.target.result;
+        preview.classList.remove('hidden');
+        uploadPh.classList.add('hidden');
+        changeBtn.classList.remove('hidden');
+      };
+      reader.readAsDataURL(file);
+    }
   }
 
   // ── ステップ表示 ────────────────────────────────────────────────

MM_tools/app/blueprints/ocr/routes.py

@@ -15,7 +15,7 @@ from PIL import Image
 
 from . import ocr_bp
 from app.shared.models import get_glm_model, get_lfm, is_glm_loaded, is_lfm_loaded, get_lfm_lock
-from app.shared.utils import sse_event, resize_image_to_base64
+from app.shared.utils import sse_event, resize_image_to_base64, open_image_or_pdf
 
 
 @ocr_bp.route("/")
@@ -46,10 +46,11 @@ def run_ocr():
 
     if "image" not in request.files or request.files["image"].filename == "":
         def _err():
-            yield sse_event({"error": "画像をアップロードしてください。"})
+            yield sse_event({"error": "画像または PDF をアップロードしてください。"})
         return Response(stream_with_context(_err()), mimetype="text/event-stream")
 
     image_file = request.files["image"]
+    image_filename = image_file.filename  # PDF 判定用（ジェネレータ内で使用）
     prompt = request.form.get("prompt", "").strip()
     if not prompt:
         prompt = "画像内のテキストをすべて読み取ってHTMLとして出力してください。"
@@ -59,17 +60,17 @@ def run_ocr():
         image_bytes = image_file.read()
     except Exception as exc:
         def _err():
-            yield sse_event({"error": f"画像の読み込みに失敗しました: {exc}"})
+            yield sse_event({"error": f"ファイルの読み込みに失敗しました: {exc}"})
         return Response(stream_with_context(_err()), mimetype="text/event-stream")
 
     def generate():
         """モデルロード → OCR → SSE ストリーミングを行うジェネレータ。"""
-        # ── 画像を開く ──────────────────────────────────────────────
+        # ── 画像を開く（PDF は1ページ目を変換）──────────────────────
         try:
-            image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
+            image = open_image_or_pdf(image_bytes, image_filename)
             image_base64 = resize_image_to_base64(image)
         except Exception as exc:
-            yield sse_event({"error": f"画像の読み込みに失敗しました: {exc}"})
+            yield sse_event({"error": f"ファイルの読み込みに失敗しました: {exc}"})
             return
 
         # ── モデルロード状態を通知 ──────────────────────────────────

MM_tools/app/blueprints/ocr/templates/ocr/index.html

@@ -47,7 +47,7 @@
                  flex flex-col items-center justify-center min-h-[360px] cursor-pointer
                  transition-colors duration-200 hover:border-indigo-500 hover:bg-indigo-100">
 
-          <input type="file" id="image-input" accept="image/*" class="hidden" />
+          <input type="file" id="image-input" accept="image/*,.pdf" class="hidden" />
           <img id="preview" class="hidden max-w-full max-h-80 object-contain rounded-lg shadow-sm" />
 
           <div id="upload-placeholder" class="text-center px-6 py-8 select-none">
@@ -58,7 +58,7 @@
               </svg>
             </div>
             <p class="text-indigo-800 font-medium text-sm">クリックまたはドラッグ＆ドロップ</p>
-            <p class="text-gray-400 text-xs mt-1">PNG, JPG, WEBP など</p>
+            <p class="text-gray-400 text-xs mt-1">PNG, JPG, WEBP, PDF など</p>
           </div>
 
           <button id="change-btn"
@@ -365,7 +365,7 @@
     e.preventDefault();
     dropZone.classList.remove('drag-over');
     const file = e.dataTransfer.files[0];
-    if (file && file.type.startsWith('image/')) {
+    if (file && (file.type.startsWith('image/') || file.type === 'application/pdf' || file.name.toLowerCase().endsWith('.pdf'))) {
       showPreview(file);
       const dt = new DataTransfer();
       dt.items.add(file);
@@ -374,14 +374,38 @@
   });
 
   function showPreview(file) {
-    const reader = new FileReader();
-    reader.onload = (e) => {
-      preview.src = e.target.result;
-      preview.classList.remove('hidden');
+    const isPdf = file.type === 'application/pdf' || file.name.toLowerCase().endsWith('.pdf');
+    if (isPdf) {
+      preview.classList.add('hidden');
       placeholder.classList.add('hidden');
       changeBtn.classList.remove('hidden');
-    };
-    reader.readAsDataURL(file);
+      // PDF の場合はファイル名を表示
+      let pdfLabel = dropZone.querySelector('#pdf-label');
+      if (!pdfLabel) {
+        pdfLabel = document.createElement('div');
+        pdfLabel.id = 'pdf-label';
+        pdfLabel.className = 'flex flex-col items-center gap-2 text-indigo-700 py-4';
+        dropZone.appendChild(pdfLabel);
+      }
+      pdfLabel.innerHTML = `
+        <svg class="w-12 h-12 text-indigo-400" fill="none" viewBox="0 0 24 24" stroke="currentColor" stroke-width="1.5">
+          <path stroke-linecap="round" stroke-linejoin="round"
+            d="M19.5 14.25v-2.625a3.375 3.375 0 00-3.375-3.375h-1.5A1.125 1.125 0 0113.5 7.125v-1.5a3.375 3.375 0 00-3.375-3.375H8.25m0 12.75h7.5m-7.5 3H12M10.5 2.25H5.625c-.621 0-1.125.504-1.125 1.125v17.25c0 .621.504 1.125 1.125 1.125h12.75c.621 0 1.125-.504 1.125-1.125V11.25a9 9 0 00-9-9z" />
+        </svg>
+        <p class="text-sm font-semibold">${file.name}</p>
+        <p class="text-xs text-gray-400">${(file.size / 1024).toFixed(1)} KB（1ページ目を処理）</p>`;
+    } else {
+      const existingLabel = dropZone.querySelector('#pdf-label');
+      if (existingLabel) existingLabel.remove();
+      const reader = new FileReader();
+      reader.onload = (e) => {
+        preview.src = e.target.result;
+        preview.classList.remove('hidden');
+        placeholder.classList.add('hidden');
+        changeBtn.classList.remove('hidden');
+      };
+      reader.readAsDataURL(file);
+    }
   }
 
   // ── SSE 共通パーサー ────────────────────────────────────────────

MM_tools/app/blueprints/vlm/routes.py

@@ -20,6 +20,7 @@ from PIL import Image
 
 from . import vlm_bp
 from app.shared.models import get_qwen_model
+from app.shared.utils import open_image_or_pdf
 
 # Qwen モデルは ledger と共用するため排他ロック
 _model_lock = threading.Lock()
@@ -54,7 +55,7 @@ def process():
 
     if not image_file or not image_file.filename:
         def _err():
-            yield _sse({"error": "画像をアップロードしてください。"})
+            yield _sse({"error": "画像または PDF をアップロードしてください。"})
         return Response(stream_with_context(_err()), mimetype="text/event-stream")
 
     if not prompt:
@@ -64,18 +65,19 @@ def process():
 
     # SSE ジェネレータの遅延実行でリクエストストリームが閉じられる問題を防ぐため先読み
     image_bytes = image_file.read()
+    image_filename = image_file.filename  # PDF 判定用
 
     def generate():
         from transformers import TextIteratorStreamer
         with _model_lock:
             try:
-                # ── 画像読み込み ──
+                # ── 画像読み込み（PDF は1ページ目を変換）──
                 yield _sse({
                     "status": "processing",
-                    "message": "画像を読み込み中...",
+                    "message": "ファイルを読み込み中...",
                     "detail": "",
                 })
-                image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
+                image = open_image_or_pdf(image_bytes, image_filename)
 
                 # ── モデルロード ──
                 yield _sse({

MM_tools/app/blueprints/vlm/templates/vlm/index.html

@@ -67,7 +67,7 @@
         <div id="drop-zone"
              class="relative rounded-xl bg-amber-50/50 cursor-pointer flex flex-col items-center justify-center gap-3 p-6 min-h-[200px]"
              onclick="document.getElementById('file-input').click()">
-          <input id="file-input" type="file" accept="image/*" class="hidden" />
+          <input id="file-input" type="file" accept="image/*,.pdf" class="hidden" />
           <!-- プレビュー（非表示時） -->
           <div id="upload-placeholder" class="flex flex-col items-center gap-2 text-amber-600 pointer-events-none">
             <svg class="w-12 h-12 opacity-60" fill="none" viewBox="0 0 24 24" stroke="currentColor" stroke-width="1.5">
@@ -75,7 +75,7 @@
                 d="M2.25 15.75l5.159-5.159a2.25 2.25 0 013.182 0l5.159 5.159m-1.5-1.5l1.409-1.409a2.25 2.25 0 013.182 0l2.909 2.909M3 16.5V18a2.25 2.25 0 002.25 2.25h13.5A2.25 2.25 0 0021 18v-1.5M16.5 6.75a2.25 2.25 0 11-4.5 0 2.25 2.25 0 014.5 0z" />
             </svg>
             <p class="text-sm font-medium">クリックまたはドラッグ&ドロップ</p>
-            <p class="text-xs text-gray-400">PNG / JPG / WEBP など</p>
+            <p class="text-xs text-gray-400">PNG / JPG / WEBP / PDF など</p>
           </div>
           <!-- 画像プレビュー -->
           <img id="preview-img" src="" alt="プレビュー"
@@ -161,15 +161,40 @@
   const fileInfo       = document.getElementById('file-info');
 
   function showPreview(file) {
-    const reader = new FileReader();
-    reader.onload = e => {
-      previewImg.src = e.target.result;
-      previewImg.classList.remove('hidden');
+    const isPdf = file.type === 'application/pdf' || file.name.toLowerCase().endsWith('.pdf');
+    if (isPdf) {
+      previewImg.classList.add('hidden');
       uploadPlaceholder.classList.add('hidden');
+      // PDF アイコン表示
+      let pdfLabel = dropZone.querySelector('#pdf-label');
+      if (!pdfLabel) {
+        pdfLabel = document.createElement('div');
+        pdfLabel.id = 'pdf-label';
+        pdfLabel.className = 'flex flex-col items-center gap-2 text-amber-600 pointer-events-none';
+        dropZone.appendChild(pdfLabel);
+      }
+      pdfLabel.innerHTML = `
+        <svg class="w-12 h-12 opacity-80" fill="none" viewBox="0 0 24 24" stroke="currentColor" stroke-width="1.5">
+          <path stroke-linecap="round" stroke-linejoin="round"
+            d="M19.5 14.25v-2.625a3.375 3.375 0 00-3.375-3.375h-1.5A1.125 1.125 0 0113.5 7.125v-1.5a3.375 3.375 0 00-3.375-3.375H8.25m0 12.75h7.5m-7.5 3H12M10.5 2.25H5.625c-.621 0-1.125.504-1.125 1.125v17.25c0 .621.504 1.125 1.125 1.125h12.75c.621 0 1.125-.504 1.125-1.125V11.25a9 9 0 00-9-9z" />
+        </svg>
+        <p class="text-sm font-semibold">${file.name}</p>
+        <p class="text-xs text-gray-400">1ページ目を処理します</p>`;
       fileInfo.textContent = `${file.name}  (${(file.size / 1024).toFixed(1)} KB)`;
       fileInfo.classList.remove('hidden');
-    };
-    reader.readAsDataURL(file);
+    } else {
+      const existingLabel = dropZone.querySelector('#pdf-label');
+      if (existingLabel) existingLabel.remove();
+      const reader = new FileReader();
+      reader.onload = e => {
+        previewImg.src = e.target.result;
+        previewImg.classList.remove('hidden');
+        uploadPlaceholder.classList.add('hidden');
+        fileInfo.textContent = `${file.name}  (${(file.size / 1024).toFixed(1)} KB)`;
+        fileInfo.classList.remove('hidden');
+      };
+      reader.readAsDataURL(file);
+    }
   }
 
   fileInput.addEventListener('change', () => {
@@ -185,7 +210,7 @@
     e.preventDefault();
     dropZone.classList.remove('drag-over');
     const file = e.dataTransfer.files[0];
-    if (file && file.type.startsWith('image/')) {
+    if (file && (file.type.startsWith('image/') || file.type === 'application/pdf' || file.name.toLowerCase().endsWith('.pdf'))) {
       const dt = new DataTransfer();
       dt.items.add(file);
       fileInput.files = dt.files;
@@ -230,7 +255,7 @@
 
   runBtn.addEventListener('click', async () => {
     if (!fileInput.files[0]) {
-      alert('画像をアップロードしてください。');
+      alert('画像または PDF をアップロードしてください。');
       return;
     }
     const prompt = document.getElementById('prompt-input').value.trim();

MM_tools/app/shared/utils.py

@@ -20,6 +20,66 @@ def sse_event(data: dict) -> str:
     return f"data: {json.dumps(data, ensure_ascii=False)}\n\n"
 
 
+def open_image_or_pdf(file_bytes: bytes, filename: str = "") -> Image.Image:
+    """
+    画像バイト列または PDF バイト列から PIL Image (RGB) を返す。
+    PDF の場合は1ページ目を 2x 解像度でレンダリングして返す。
+
+    Args:
+        file_bytes: 画像または PDF のバイト列
+        filename: 元ファイル名（拡張子で PDF を判別する際に使用）
+
+    Returns:
+        PIL.Image: RGB 形式の画像
+
+    Raises:
+        ImportError: PDF 処理に pymupdf が必要なのにインストールされていない場合
+        ValueError: PDF にページが存在しない場合
+    """
+    is_pdf = (
+        filename.lower().endswith(".pdf")
+        or file_bytes[:4] == b"%PDF"
+    )
+    if is_pdf:
+        return _pdf_first_page_to_image(file_bytes)
+    return Image.open(io.BytesIO(file_bytes)).convert("RGB")
+
+
+def _pdf_first_page_to_image(pdf_bytes: bytes) -> Image.Image:
+    """
+    PDF バイト列の1ページ目を PIL Image に変換する（内部用）。
+
+    Args:
+        pdf_bytes: PDF ファイルのバイト列
+
+    Returns:
+        PIL.Image: 1ページ目を 2x 解像度でレンダリングした RGB 画像
+
+    Raises:
+        ImportError: pymupdf がインストールされていない場合
+        ValueError: PDF にページが存在しない場合
+    """
+    try:
+        import fitz  # pymupdf
+    except ImportError as exc:
+        raise ImportError(
+            "PDF の処理には pymupdf が必要です: pip install pymupdf"
+        ) from exc
+
+    doc = fitz.open(stream=pdf_bytes, filetype="pdf")
+    if doc.page_count == 0:
+        doc.close()
+        raise ValueError("PDF にページが存在しません。")
+
+    page = doc[0]
+    mat = fitz.Matrix(2.0, 2.0)  # 2x 解像度でレンダリング
+    pix = page.get_pixmap(matrix=mat)
+    img_bytes = pix.tobytes("png")
+    doc.close()
+
+    return Image.open(io.BytesIO(img_bytes)).convert("RGB")
+
+
 def resize_image_to_base64(image: Image.Image, max_size: int = 512) -> str:
     """
     PIL 画像をリサイズして Base64 エンコード済み JPEG 文字列を返す。

MM_tools/app/static/exports/whisper_text_time.txt

@@ -1 +1 @@
-[1s → 26s] サーチングカット切削油は、非作成の悪いステンレス、シタン、コバール、インコネル、銅といった難作材加工油としてユーザー様にご指示をいただき、精度を重視する自動車部品、医療機器部品、衛生関連部品、航空機部品、弱電部品などの金属加工油として実績がございます。
+[1s → 26s] 搜索切削油是不制造好的不良钢材、锯齿、铸铁、铬、铜等难加工材料的润滑油，作为精密加工的汽车零部件、医疗设备、卫生相关零部件、航空机零部件及弱电部件的金属加工油，拥有丰富的经验。  （原文: サーチングカット切削油は、非作成の悪いステンレス、シタン、コバール、インコネル、銅といった難作材加工油としてユーザー様にご指示をいただき、精度を重視する自動車部品、医療機器部品、衛生関連部品、航空機部品、弱電部品などの金属加工油として実績がございます。）