docs: add site

.github/workflows/docs.yml

@@ -0,0 +1,29 @@
+name: Documentation
+on:
+  push:
+    branches:
+      - master
+      - main
+permissions:
+  contents: read
+  pages: write
+  id-token: write
+jobs:
+  deploy:
+    environment:
+      name: github-pages
+      url: ${{ steps.deployment.outputs.page_url }}
+    runs-on: ubuntu-latest
+    steps:
+      - uses: actions/configure-pages@v5
+      - uses: actions/checkout@v5
+      - uses: actions/setup-python@v5
+        with:
+          python-version: 3.x
+      - run: pip install zensical
+      - run: zensical build --clean
+      - uses: actions/upload-pages-artifact@v4
+        with:
+          path: site
+      - uses: actions/deploy-pages@v4
+        id: deployment

.gitignore

@@ -54,4 +54,6 @@ test-results/
 AGENTS.md
 claudedocs/
 /.claude
-/.serena
+
+# Zensical
+site/

README.md

@@ -1,7 +1,5 @@
 # Koharu
 
-[日本語](./docs/README.ja.md) | [简体中文](./docs/README.zh-CN.md) | [Русский](./docs/README.ru.md)
-
 ML-powered manga translator, written in **Rust**.
 
 Koharu introduces a new workflow for manga translation, utilizing the power of ML to automate the process. It combines the capabilities of object detection, OCR, inpainting, and LLMs to create a seamless translation experience.
@@ -13,7 +11,7 @@ Under the hood, Koharu uses [candle](https://github.com/huggingface/candle) for
 
 ---
 
-![screenshot](assets/koharu-screenshot-en.png)
+![screenshot](docs/assets/koharu-screenshot-en.png)
 
 > [!NOTE]
 > For help and support, please join our [Discord server](https://discord.gg/mHvHkxGnUY).

docs/README.ja.md

@@ -1,205 +0,0 @@
-# Koharu
-
-**Rust**で書かれた、ML（機械学習）搭載のマンガ翻訳ツールです。
-
-Koharu は、ML の力を活用して翻訳工程を自動化する、新しいマンガ翻訳ワークフローを提供します。物体検出、OCR、インペインティング、LLM を組み合わせることで、シームレスな翻訳体験を実現します。
-
-内部では、高性能推論のために [candle](https://github.com/huggingface/candle) を使用し、GUI には [Tauri](https://github.com/tauri-apps/tauri) を採用しています。すべてのコンポーネントが Rust で書かれており、安全性と高速性を両立しています。
-
-> [!NOTE]
-> Koharu は既定で、ビジョンモデルとローカル LLM を **お使いの端末上** で実行します。リモート LLM プロバイダーを選択した場合、翻訳対象のテキストのみが設定したプロバイダーへ送信されます。Koharu 自体がユーザーデータを収集することはありません。
-
----
-
-![スクリーンショット](../assets/koharu-screenshot-ja.png)
-
-> [!NOTE]
-> ヘルプやサポートについては、[Discord サーバー](https://discord.gg/mHvHkxGnUY)に参加してください。
-
-## 特徴
-
-- セリフ（吹き出し）の自動検出とセグメンテーション
-- マンガ文字の認識のための OCR
-- 画像から元の文字を消すためのインペインティング
-- LLM による翻訳
-- CJK（中国語・日本語・韓国語）向けの縦書きレイアウト
-- 編集可能なテキスト付きのレイヤー PSD 書き出し
-- AI エージェントとの連携のための MCP サーバー
-
-## 使い方
-
-### ホットキー
-
-- <kbd>Ctrl</kbd> + マウスホイール: 拡大／縮小
-- <kbd>Ctrl</kbd> + ドラッグ: キャンバスのパン（移動）
-- <kbd>Del</kbd>: 選択したテキストブロックを削除
-
-### 書き出し
-
-Koharu は現在のページをレンダリング済み画像として書き出すだけでなく、レイヤー付きの Photoshop PSD としても書き出せます。PSD 書き出しでは補助レイヤーを保持しつつ、翻訳済みテキストを編集可能なテキストレイヤーとして保存できます。
-
-### MCP サーバー
-
-Koharu には MCP サーバーが内蔵されており、AI エージェントとの連携に使用できます。デフォルトでは、MCP サーバーはランダムなポートでリッスンしますが、`--port` フラグを使用してポートを指定できます。
-
-```bash
-# macOS / Linux
-koharu --port 9999
-# Windows
-koharu.exe --port 9999
-```
-
-AI エージェントの MCP サーバー URL フィールドに `http://localhost:9999/mcp` と入力してください。
-
-### ヘッドレスモード
-
-Koharu はコマンドラインからヘッドレスモードで実行できます。
-
-```bash
-# macOS / Linux
-koharu --port 4000 --headless
-# Windows
-koharu.exe --port 4000 --headless
-```
-
-これで、`http://localhost:4000` から Koharu Web UI にアクセスできます。
-
-### ファイルの関連付け
-
-Windows では、Koharu が自動的に `.khr` ファイルを関連付けるため、ダブルクリックで開けます。`.khr` ファイルは、内部に含まれる画像のサムネイルを表示するために、画像として開くこともできます。
-
-## GPU アクセラレーション
-
-CUDA と Metal による GPU アクセラレーションに対応しており、対応ハードウェアでは性能が大きく向上します。
-
-### CUDA
-
-Koharu は CUDA 対応ビルドが用意されており、NVIDIA GPU を活用してより高速に処理できます。
-
-Koharu には CUDA toolkit 13.1 と cuDNN 9.19 が同梱されており、dylib は初回起動時にアプリケーションデータディレクトリへ自動的に展開されます。
-
-> [!NOTE]
-> 最新の NVIDIA ドライバーがインストールされていることを確認してください。最新のドライバーは [NVIDIA App](https://www.nvidia.com/en-us/software/nvidia-app/) からダウンロードできます。
-
-#### 対応する NVIDIA GPU
-
-Koharu は、Compute Capability 7.5 以上の NVIDIA GPU に対応しています。
-
-お使いの GPU が対応しているかは、[CUDA GPU Compute Capability](https://developer.nvidia.com/cuda-gpus) と [cuDNN Support Matrix](https://docs.nvidia.com/deeplearning/cudnn/backend/latest/reference/support-matrix.html) を確認してください。
-
-### Metal
-
-Koharu は Apple Silicon（M1、M2 など）を搭載した macOS で Metal による GPU アクセラレーションに対応しています。これにより、幅広い Apple デバイスで効率的に動作します。
-
-### CPU フォールバック
-
-推論に CPU を使うよう強制することもできます。
-
-```bash
-# macOS / Linux
-koharu --cpu
-# Windows
-koharu.exe --cpu
-```
-
-## ML モデル
-
-Koharu は、コンピュータビジョンと自然言語処��のモデルを組み合わせて各処理を実行します。
-
-### コンピュータビジョンモデル
-
-Koharu は用途ごとに複数の学習済みモデルを使用します。
-
-- [PP-DocLayoutV3](https://huggingface.co/PaddlePaddle/PP-DocLayoutV3_safetensors) テキスト検出とレイアウト分析のため
-- [comic-text-detector](https://huggingface.co/mayocream/comic-text-detector) テキストセグメンテーションのため
-- [PaddleOCR-VL-1.5](https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.5) OCR テキスト認識のため
-- [lama-manga](https://huggingface.co/mayocream/lama-manga) インペインティングのため
-- [YuzuMarker.FontDetection](https://huggingface.co/fffonion/yuzumarker-font-detection)　フォントと色の検出のため
-
-モデルは Koharu を初めて実行した際に自動的にダウンロードされます。
-
-Koharu では、性能と Rust との互換性を高めるため、元のモデルを safetensors 形式へ変換しています。変換済みモデルは [Hugging Face](https://huggingface.co/mayocream) 上でホストしています。
-
-### 大規模言語モデル（LLM）
-
-Koharu はローカル LLM とリモート LLM の両方に対応しており、可能な場合はシステムのロケール設定に基づいてモデルを事前選択します。
-
-#### ローカル LLM
-
-Koharu は [candle](https://github.com/huggingface/candle) を通じて、GGUF 形式の量子化 LLM を利用できます。これらのモデルは端末上で動作し、設定で選択したタイミングで必要に応じて自動ダウンロードされます。対応モデルと推奨用途は以下の通りです。
-
-英語への翻訳:
-
-- [vntl-llama3-8b-v2](https://huggingface.co/lmg-anon/vntl-llama3-8b-v2-gguf): Q8_0 の重みサイズが約 8.5 GB。精度を最優先したい場合に最適で、VRAM 10 GB 以上、または CPU 推論なら十分なシステム RAM を推奨します。
-- [lfm2-350m-enjp-mt](https://huggingface.co/LiquidAI/LFM2-350M-ENJP-MT-GGUF): 超軽量（約 350M、Q8_0）。CPU や低メモリ GPU でも快適に動作し、クイックプレビューや低スペック環境に最適ですが、品質は低下します。
-
-中国語への翻訳:
-
-- [sakura-galtransl-7b-v3.7](https://huggingface.co/SakuraLLM/Sakura-GalTransl-7B-v3.7): 約 6.3 GB。VRAM 8 GB に収まり、品質と速度のバランスが良好です。
-- [sakura-1.5b-qwen2.5-v1.0](https://huggingface.co/shing3232/Sakura-1.5B-Qwen2.5-v1.0-GGUF-IMX): 軽量（約 1.5B、Q5KS）。ミドルレンジ GPU（VRAM 4〜6 GB）や CPU のみの環境でも、適度な RAM があれば動作します。7B/8B より高速で、Qwen 系トークナイザの挙動も維持します。
-
-その他の言語:
-
-- [hunyuan-7b-mt-v1.0](https://huggingface.co/Mungert/Hunyuan-MT-7B-GGUF): 約 6.3GB。VRAM 8 GB に収まり、マルチ言語の翻訳品質も良好です。
-
-LLM は、設定でモデルを選択したタイミングで必要に応じて自動ダウンロードされます。メモリが限られている場合は、品質要件を満たす範囲で最小のモデルを選んでください。十分な VRAM/RAM がある場合は、より良い翻訳のために 7B/8B 系を推奨します。
-
-#### リモート LLM
-
-Koharu は、ローカルモデルをダウンロードしなくても、リモートまたはセルフホストの API プロバイダー経由で翻訳できます。対応するリモートプロバイダーは以下の通りです。
-
-- OpenAI
-- Gemini
-- Claude
-- DeepSeek
-- OpenAI Compatible: LM Studio、OpenRouter、または OpenAI 形式の `/v1/models` と `/v1/chat/completions` API を提供する任意のエンドポイント
-
-リモートプロバイダーは **Settings > API Keys** で設定します。OpenAI Compatible ではカスタムの Base URL も指定します。LM Studio のようなローカルサーバーでは API キーが不要な場合がありますが、OpenRouter のようなホスト型サービスでは通常 API キーが必要です。
-
-ローカルモデルのダウンロードを避けたい場合、端末側の VRAM/RAM 使用量を抑えたい場合、またはホスト型モデルへ接続したい場合は、リモートプロバイダーを利用してください。翻訳対象として選択した OCR テキストは、設定したプロバイダーへ送信されます。
-
-## インストール
-
-最新のリリースは [releases ページ](https://github.com/mayocream/koharu/releases/latest) からダウンロードできます。
-
-Windows、macOS、Linux 向けにビルド済みバイナリを提供しています。その他のプラットフォームではソースからビルドが必要な場合があります。詳細は下記の [開発](#開発) セクションを参照してください。
-
-## 開発
-
-Koharu をソースからビルドするには、以下の手順に従ってください。
-
-### 前提条件
-
-- [Rust](https://www.rust-lang.org/tools/install)（1.92 以上）
-- [Bun](https://bun.sh/)（1.0 以上）
-
-### 依存関係のインストール
-
-```bash
-bun install
-```
-
-### ビルド
-
-```bash
-bun run build
-```
-
-ビルドされたバイナリは `target/release` ディレクトリに生成されます。
-
-## スポンサー
-
-Koharu が役に立った場合は、開発支援のためにスポンサーをご検討ください。
-
-- [GitHub Sponsors](https://github.com/sponsors/mayocream)
-- [Patreon](https://www.patreon.com/mayocream)
-
-## 貢献者
-
-<a href="https://github.com/mayocream/koharu/graphs/contributors">
-  <img src="https://contrib.rocks/image?repo=mayocream/koharu" />
-</a>
-
-## ライセンス
-
-Koharu は [GNU General Public License v3.0](../LICENSE) の下でライセンスされています。

docs/README.ru.md

@@ -1,205 +0,0 @@
-# Koharu
-
-Переводчик манги на основе ML, написанный на **Rust**.
-
-Koharu предлагает новый рабочий процесс перевода манги, используя возможности машинного обучения для автоматизации. Он объединяет детекцию объектов, OCR, инпейнтинг и LLM для создания бесшовного процесса перевода.
-
-Под капотом Koharu использует [candle](https://github.com/huggingface/candle) для высокопроизводительного инференса и [Tauri](https://github.com/tauri-apps/tauri) для графического интерфейса. Все компоненты написаны на Rust, что обеспечивает безопасность и скорость.
-
-> [!NOTE]
-> По умолчанию Koharu запускает модели компьютерного зрения и локальные LLM **на вашем устройстве**. Если вы выберете удалённого LLM-провайдера, Koharu отправляет провайдеру только текст для перевода. Koharu не собирает пользовательские данные.
-
----
-
-![скриншот](../assets/koharu-screenshot-en.png)
-
-> [!NOTE]
-> Для помощи и поддержки присоединяйтесь к нашему [Discord-серверу](https://discord.gg/mHvHkxGnUY).
-
-## Возможности
-
-- Автоматическое обнаружение и сегментация речевых пузырей
-- OCR для распознавания текста в манге
-- Инпейнтинг для удаления исходного текста с изображений
-- Перевод с помощью LLM
-- Вертикальная вёрстка текста для CJK-языков
-- Экспорт в многослойный PSD с редактируемым текстом
-- MCP-сервер для интеграции с ИИ-агентами
-
-## Использование
-
-### Горячие клавиши
-
-- <kbd>Ctrl</kbd> + колесо мыши: масштабирование
-- <kbd>Ctrl</kbd> + перетаскивание: панорамирование холста
-- <kbd>Del</kbd>: удалить выбранный текстовый блок
-
-### Экспорт
-
-Koharu может экспортировать текущую страницу как отрендеренное изображение или как многослойный PSD для Photoshop. При экспорте в PSD сохраняются вспомогательные слои, а переведённый текст записывается как редактируемые текстовые слои для дальнейшей доработки в Photoshop.
-
-### MCP-сервер
-
-Koharu имеет встроенный MCP-сервер для интеграции с ИИ-агентами. По умолчанию MCP-сервер слушает на случайном порту, но порт можно указать с помощью флага `--port`.
-
-```bash
-# macOS / Linux
-koharu --port 9999
-# Windows
-koharu.exe --port 9999
-```
-
-Введите `http://localhost:9999/mcp` в поле URL MCP-сервера вашего ИИ-агента.
-
-### Безголовый режим
-
-Koharu можно запустить в безголовом режиме через командную строку.
-
-```bash
-# macOS / Linux
-koharu --port 4000 --headless
-# Windows
-koharu.exe --port 4000 --headless
-```
-
-Теперь вы можете открыть веб-интерфейс Koharu по адресу `http://localhost:4000`.
-
-### Ассоциация файлов
-
-В Windows Koharu автоматически ассоциируется с файлами `.khr`, так что их можно открывать двойным щелчком. Файлы `.khr` также можно открывать как изображения для просмотра миниатюр содержащихся в них изображений.
-
-## Ускорение на GPU
-
-Поддерживается ускорение на GPU через CUDA и Metal, что значительно повышает производительность на совместимом оборудовании.
-
-### CUDA
-
-Koharu собран с поддержкой CUDA, что позволяет использовать мощность GPU NVIDIA для ускорения обработки.
-
-Koharu включает CUDA toolkit 13.1 и cuDNN 9.19, динамические библиотеки автоматически извлекаются в каталог данных приложения при первом запуске.
-
-> [!NOTE]
-> Убедитесь, что у вас установлены последние драйверы NVIDIA. Скачать последние драйверы можно через [NVIDIA App](https://www.nvidia.com/en-us/software/nvidia-app/).
-
-#### Поддерживаемые GPU NVIDIA
-
-Koharu поддерживает GPU NVIDIA с Compute Capability 7.5 и выше.
-
-Проверьте совместимость вашего GPU: [CUDA GPU Compute Capability](https://developer.nvidia.com/cuda-gpus) и [cuDNN Support Matrix](https://docs.nvidia.com/deeplearning/cudnn/backend/latest/reference/support-matrix.html).
-
-### Metal
-
-Koharu поддерживает Metal для ускорения на GPU в macOS с Apple Silicon (M1, M2 и т.д.). Это позволяет эффективно работать на широком спектре устройств Apple.
-
-### Откат на CPU
-
-Вы всегда можете принудительно использовать CPU для инференса:
-
-```bash
-# macOS / Linux
-koharu --cpu
-# Windows
-koharu.exe --cpu
-```
-
-## ML-модели
-
-Koharu использует комбинацию моделей компьютерного зрения и обработки естественного языка.
-
-### Модели компьютерного зрения
-
-Koharu использует несколько предобученных моделей для различных задач:
-
-- [PP-DocLayoutV3](https://huggingface.co/PaddlePaddle/PP-DocLayoutV3_safetensors) для детекции текста и анализа макета
-- [comic-text-detector](https://huggingface.co/mayocream/comic-text-detector) для сегментации текста
-- [PaddleOCR-VL-1.5](https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.5) для распознавания текста (OCR)
-- [lama-manga](https://huggingface.co/mayocream/lama-manga) для инпейнтинга
-- [YuzuMarker.FontDetection](https://huggingface.co/fffonion/yuzumarker-font-detection) для определения шрифта и цвета
-
-Модели автоматически загружаются при первом запуске Koharu.
-
-Мы конвертируем оригинальные модели в формат safetensors для лучшей производительности и совместимости с Rust. Конвертированные модели размещены на [Hugging Face](https://huggingface.co/mayocream).
-
-### Большие языковые модели (LLM)
-
-Koharu поддерживает как локальные, так и удалённые LLM-бэкенды и по возможности предварительно выбирает модель на основе системной локали.
-
-#### Локальные LLM
-
-Koharu поддерживает различные квантизированные LLM в формате GGUF через [candle](https://github.com/huggingface/candle). Эти модели работают на вашем устройстве и загружаются по запросу при выборе в настройках. Поддерживаемые модели и рекомендации:
-
-Для перевода на английский:
-
-- [vntl-llama3-8b-v2](https://huggingface.co/lmg-anon/vntl-llama3-8b-v2-gguf): ~8.5 ГБ (Q8_0). Рекомендуется VRAM ≥10 ГБ или достаточно оперативной памяти для CPU-инференса. Лучший выбор, когда важна точность.
-- [lfm2-350m-enjp-mt](https://huggingface.co/LiquidAI/LFM2-350M-ENJP-MT-GGUF): сверхлёгкая (~350M, Q8_0). Комфортно работает на CPU и GPU с малым объёмом памяти. Идеальна для быстрого предпросмотра или слабых машин, но качество ниже.
-
-Для перевода на китайский:
-
-- [sakura-galtransl-7b-v3.7](https://huggingface.co/SakuraLLM/Sakura-GalTransl-7B-v3.7): ~6.3 ГБ, помещается в 8 ГБ VRAM. Хороший баланс качества и скорости.
-- [sakura-1.5b-qwen2.5-v1.0](https://huggingface.co/shing3232/Sakura-1.5B-Qwen2.5-v1.0-GGUF-IMX): лёгкая (~1.5B, Q5KS). Подходит для GPU среднего уровня (4–6 ГБ VRAM) или CPU с достаточным объёмом RAM. Быстрее 7B/8B моделей.
-
-Для других языков:
-
-- [hunyuan-7b-mt-v1.0](https://huggingface.co/Mungert/Hunyuan-MT-7B-GGUF): ~6.3 ГБ, помещается в 8 ГБ VRAM. Достойное качество мультиязычного перевода.
-
-LLM автоматически загружаются при выборе модели в настройках. Если память ограничена, выбирайте наименьшую модель, удовлетворяющую вашим требованиям к качеству. При достаточном объёме VRAM/RAM предпочтительны моде��и 7B/8B для лучшего перевода.
-
-#### Удалённые LLM
-
-Koharu также может переводить через удалённые или самостоятельно размещённые API-провайдеры вместо загруженной локальной модели. Поддерживаемые удалённые провайдеры:
-
-- OpenAI
-- Gemini
-- Claude
-- DeepSeek
-- OpenAI Compatible: LM Studio, OpenRouter или любой эндпоинт, предоставляющий API в стиле OpenAI (`/v1/models` и `/v1/chat/completions`)
-
-Удалённые провайдеры настраиваются в **Настройки > API-ключи**. Для OpenAI Compatible также указывается пользовательский Base URL. API-ключи необязательны для локальных серверов вроде LM Studio, но обычно требуются для размещённых сервисов вроде OpenRouter.
-
-Используйте удалённых провайдеров, если хотите избежать загрузки локальных моделей, снизить использование VRAM/RAM или подключить Koharu к размещённой модели. Учтите, что текст OCR, выбранный для перевода, отправляется настроенному провайдеру.
-
-## Установка
-
-Последнюю версию Koharu можно скачать со [страницы релизов](https://github.com/mayocream/koharu/releases/latest).
-
-Мы предоставляем готовые сборки для Windows, macOS и Linux. Для других платформ может потребоваться сборка из исходников — см. раздел [Разработка](#разработка) ниже.
-
-## Разработка
-
-Чтобы собрать Koharu из исходников, выполните следующие шаги.
-
-### Необходимые компоненты
-
-- [Rust](https://www.rust-lang.org/tools/install) (1.92 или новее)
-- [Bun](https://bun.sh/) (1.0 или новее)
-
-### Установка зависимостей
-
-```bash
-bun install
-```
-
-### Сборка
-
-```bash
-bun run build
-```
-
-Собранные бинарные файлы будут в каталоге `target/release`.
-
-## Спонсорство
-
-Если Koharu оказался полезен, рассмотрите возможность спонсировать проект для поддержки его развития!
-
-- [GitHub Sponsors](https://github.com/sponsors/mayocream)
-- [Patreon](https://www.patreon.com/mayocream)
-
-## Участники
-
-<a href="https://github.com/mayocream/koharu/graphs/contributors">
-  <img src="https://contrib.rocks/image?repo=mayocream/koharu" />
-</a>
-
-## Лицензия
-
-Koharu лицензирован под [GNU General Public License v3.0](../LICENSE).

docs/README.zh-CN.md

@@ -1,205 +0,0 @@
-# Koharu
-
-基于机器学习（ML）的漫画翻译工具，使用 **Rust** 编写。
-
-Koharu 引入了一种新的漫画翻译工作流，利用机器学习能力自动化翻译流程。它将目标检测、OCR、图像修复（inpainting）和 LLM 结合起来，提供流畅的一体化翻译体验。
-
-在底层实现中，Koharu 使用 [candle](https://github.com/huggingface/candle) 进行高性能推理，使用 [Tauri](https://github.com/tauri-apps/tauri) 构建 GUI。所有组件均使用 Rust 编写，兼顾安全性与性能。
-
-> [!NOTE]
-> Koharu 默认会在你的本地设备上运行视觉模型和本地 LLM。如果你选择远程 LLM 提供商，只有待翻译的文本会发送到你配置的提供商。Koharu 本身不会收集任何用户数据。
-
----
-
-![screenshot](../assets/koharu-screenshot-zh-CN.png)
-
-> [!NOTE]
-> 如需帮助与支持，请加入我们的 [Discord 服务器](https://discord.gg/mHvHkxGnUY)。
-
-## 功能特性
-
-- 自动检测并分割对话气泡
-- 使用 OCR 识别漫画文字
-- 通过图像修复去除原图文字
-- 基于 LLM 的翻译
-- 面向 CJK 语言的竖排文本布局
-- 支持导出带可编辑文字图层的 PSD
-- 面向 AI Agent 的 MCP 服务器
-
-## 使用方法
-
-### 快捷键
-
-- <kbd>Ctrl</kbd> + 鼠标滚轮：缩放
-- <kbd>Ctrl</kbd> + 拖动：平移画布
-- <kbd>Del</kbd>：删除选中的文本块
-
-### 导出
-
-Koharu 既可以将当前页面导出为渲染后的图片，也可以导出为带图层的 Photoshop PSD。PSD 导出会保留辅助图层，并将翻译后的文字写成可编辑的文字图层，方便在 Photoshop 中继续调整。
-
-### MCP 服务器
-
-Koharu 内置 MCP 服务器，可用于与 AI Agent 集成。默认情况下，MCP 服务器会监听一个随机端口；你也可以通过 `--port` 参数指定端口。
-
-```bash
-# macOS / Linux
-koharu --port 9999
-# Windows
-koharu.exe --port 9999
-```
-
-然后在你的 AI Agent 的 MCP Server URL 字段中填写 `http://localhost:9999/mcp`。
-
-### 无界面模式（Headless Mode）
-
-Koharu 支持通过命令行以无界面模式运行。
-
-```bash
-# macOS / Linux
-koharu --port 4000 --headless
-# Windows
-koharu.exe --port 4000 --headless
-```
-
-现在你可以通过 `http://localhost:4000` 访问 Koharu Web UI。
-
-### 文件关联
-
-在 Windows 上，Koharu 会自动关联 `.khr` 文件，因此可以直接双击打开。`.khr` 文件也可以作为图片打开，以查看其中图像的缩略图。
-
-## GPU 加速
-
-Koharu 支持 CUDA 和 Metal GPU 加速，可在受支持硬件上显著提升性能。
-
-### CUDA
-
-Koharu 提供 CUDA 支持，可利用 NVIDIA GPU 实现更快处理。
-
-Koharu 内置 CUDA toolkit 13.1 和 cuDNN 9.19，相关动态库会在首次运行时自动解压到应用数据目录。
-
-> [!NOTE]
-> 请确保系统已安装最新 NVIDIA 驱动。你可以通过 [NVIDIA App](https://www.nvidia.com/en-us/software/nvidia-app/) 下载最新版驱动。
-
-#### 支持的 NVIDIA GPU
-
-Koharu 支持计算能力（Compute Capability）7.5 及以上的 NVIDIA GPU。
-
-请通过 [CUDA GPU Compute Capability](https://developer.nvidia.com/cuda-gpus) 和 [cuDNN Support Matrix](https://docs.nvidia.com/deeplearning/cudnn/backend/latest/reference/support-matrix.html) 确认你的 GPU 是否受支持。
-
-### Metal
-
-Koharu 支持在搭载 Apple Silicon（M1、M2 等）的 macOS 上使用 Metal 进行 GPU 加速，可在多种 Apple 设备上高效运行。
-
-### CPU 回退
-
-你也可以强制 Koharu 使用 CPU 进行推理：
-
-```bash
-# macOS / Linux
-koharu --cpu
-# Windows
-koharu.exe --cpu
-```
-
-## ML 模型
-
-Koharu 结合计算机视觉与自然语言处理模型来完成各项任务。
-
-### 计算机视觉模型
-
-Koharu 在不同任务中使用多个预训练模型：
-
-- [PP-DocLayoutV3](https://huggingface.co/PaddlePaddle/PP-DocLayoutV3_safetensors) 用于文本检测和布局分析
-- [comic-text-detector](https://huggingface.co/mayocream/comic-text-detector) 用于生成文本遮罩
-- [PaddleOCR-VL-1.5](https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.5) 用于 OCR 文本识别
-- [lama-manga](https://huggingface.co/mayocream/lama-manga) 用于图像修复
-- [YuzuMarker.FontDetection](https://huggingface.co/fffonion/yuzumarker-font-detection) 用于字体和颜色检测
-
-这些模型会在你首次运行 Koharu 时自动下载。
-
-为了提升性能并增强 Rust 生态兼容性，我们将原始模型转换为 safetensors 格式。转换后的模型托管在 [Hugging Face](https://huggingface.co/mayocream)。
-
-### 大语言模型（LLM）
-
-Koharu 同时支持本地和远程 LLM 后端，并会在可能时根据系统语言环境预选模型。
-
-#### 本地 LLM
-
-Koharu 通过 [candle](https://github.com/huggingface/candle) 支持 GGUF 格式的量化 LLM。这些模型在本机运行，并会在你于设置中选中它们时按需自动下载。支持模型与推荐使用场景如下：
-
-翻译为英文：
-
-- [vntl-llama3-8b-v2](https://huggingface.co/lmg-anon/vntl-llama3-8b-v2-gguf)：约 8.5 GB（Q8_0）权重，建议 >=10 GB VRAM，或在 CPU 推理时配备充足系统内存。更适合对准确度要求高的场景。
-- [lfm2-350m-enjp-mt](https://huggingface.co/LiquidAI/LFM2-350M-ENJP-MT-GGUF)：超轻量（约 350M，Q8_0）；在 CPU 和低显存 GPU 上也能流畅运行，适合快速预览或低配设备，但质量会有所下降。
-
-翻译为中文：
-
-- [sakura-galtransl-7b-v3.7](https://huggingface.co/SakuraLLM/Sakura-GalTransl-7B-v3.7)：约 6.3 GB，可在 8 GB VRAM 上运行，质量与速度平衡良好。
-- [sakura-1.5b-qwen2.5-v1.0](https://huggingface.co/shing3232/Sakura-1.5B-Qwen2.5-v1.0-GGUF-IMX)：轻量（约 1.5B，Q5KS）；适合中端 GPU（4-6 GB VRAM）或纯 CPU 环境（需中等内存），速度快于 7B/8B，同时保留 Qwen 系 tokenizer 行为。
-
-翻译为其他语言：
-
-- [hunyuan-7b-mt-v1.0](https://huggingface.co/Mungert/Hunyuan-MT-7B-GGUF)：约 6.3 GB，可在 8 GB VRAM 上运行，具备较好的多语言翻译能力。
-
-当你在设置中选择模型时，LLM 会按需自动下载。如果内存受限，建议优先选择满足质量要求的最小模型；若 VRAM/RAM 充足，优先选择 7B/8B 模型以获得更佳翻译效果。
-
-#### 远程 LLM
-
-Koharu 也可以通过远程或自托管 API 提供商进行翻译，而无需下载本地模型。支持的远程提供商如下：
-
-- OpenAI
-- Gemini
-- Claude
-- DeepSeek
-- OpenAI Compatible，包括 LM Studio、OpenRouter，或任何提供 OpenAI 风格 `/v1/models` 和 `/v1/chat/completions` API 的服务
-
-远程提供商在 **Settings > API Keys** 中配置。对于 OpenAI Compatible，你还需要设置自定义 Base URL。像 LM Studio 这样的本地服务通常可以不填 API Key，而 OpenRouter 这类托管服务通常需要 API Key。
-
-如果你希望避免下载本地模型、减少本地 VRAM/RAM 占用，或者希望接入托管模型，可以选择远程提供商。需要注意的是，被选中用于翻译的 OCR 文本会发送到所配置的提供商。
-
-## 安装
-
-你可以在 [releases 页面](https://github.com/mayocream/koharu/releases/latest) 下载 Koharu 的最新版本。
-
-我们提供 Windows、macOS 和 Linux 的预构建二进制包。其他平台可能需要从源码构建，详见下方 [开发](#开发) 部分。
-
-## 开发
-
-按以下步骤从源码构建 Koharu。
-
-### 前置要求
-
-- [Rust](https://www.rust-lang.org/tools/install)（1.92 或更高）
-- [Bun](https://bun.sh/)（1.0 或更高）
-
-### 安装依赖
-
-```bash
-bun install
-```
-
-### 构建
-
-```bash
-bun run build
-```
-
-构建产物位于 `target/release` 目录。
-
-## 赞助
-
-如果 Koharu 对你有帮助，欢迎赞助项目以支持持续开发。
-
-- [GitHub Sponsors](https://github.com/sponsors/mayocream)
-- [Patreon](https://www.patreon.com/mayocream)
-
-## 贡献者
-
-<a href="https://github.com/mayocream/koharu/graphs/contributors">
-  <img src="https://contrib.rocks/image?repo=mayocream/koharu" />
-</a>
-
-## 许可证
-
-Koharu 使用 [GNU General Public License v3.0](../LICENSE) 授权。

docs/explanation/acceleration-and-runtime.md

@@ -0,0 +1,47 @@
+---
+title: Acceleration and Runtime
+---
+
+# Acceleration and Runtime
+
+Koharu supports multiple runtime paths so it can run well on a wide range of hardware.
+
+## CUDA on NVIDIA GPUs
+
+CUDA is the main GPU acceleration path on systems with supported NVIDIA hardware.
+
+- Koharu supports NVIDIA GPUs with compute capability 7.5 or higher
+- Koharu bundles CUDA toolkit 13.1
+- Koharu bundles cuDNN 9.19
+
+On first run, the required dynamic libraries are extracted to the application data directory.
+
+!!! note
+
+    CUDA acceleration depends on a recent NVIDIA driver. If the driver does not support CUDA 13.1, Koharu falls back to CPU.
+
+## Metal on Apple Silicon
+
+On macOS, Koharu supports Metal acceleration for Apple Silicon devices such as M1 and M2 systems.
+
+## CPU fallback
+
+Koharu can always run on CPU when GPU acceleration is unavailable or when you force CPU mode explicitly.
+
+```bash
+# macOS / Linux
+koharu --cpu
+
+# Windows
+koharu.exe --cpu
+```
+
+## Why fallback matters
+
+Fallback behavior makes Koharu usable on more machines, but it changes the experience:
+
+- GPU inference is much faster when supported
+- CPU mode is more compatible but can be substantially slower
+- Smaller local LLMs are often the best choice on CPU-only systems
+
+For exact model choices, see [Models and Providers](models-and-providers.md).

docs/explanation/how-koharu-works.md

@@ -0,0 +1,37 @@
+---
+title: How Koharu Works
+---
+
+# How Koharu Works
+
+Koharu is built around a translation pipeline for manga pages.
+
+## The core workflow
+
+For a typical page, Koharu combines several stages:
+
+1. Text detection and layout analysis
+2. Text region segmentation
+3. OCR text recognition
+4. Inpainting to remove original text
+5. LLM-based translation
+6. Text rendering and export
+
+This lets one application handle both the language work and much of the visual cleanup.
+
+## Why the stack matters
+
+Koharu uses:
+
+- [candle](https://github.com/huggingface/candle) for high-performance inference
+- [Tauri](https://github.com/tauri-apps/tauri) for the desktop app shell
+- Rust across the stack for performance and memory safety
+
+## Local-first design
+
+By default, Koharu runs:
+
+- vision models locally
+- local LLMs locally
+
+If you configure a remote LLM provider, Koharu sends only the text selected for translation to that provider.

docs/explanation/index.md

@@ -0,0 +1,13 @@
+---
+title: Explanation
+---
+
+# Explanation
+
+Explanation pages describe how Koharu is put together and why it behaves the way it does.
+
+## Topics
+
+- [How Koharu Works](how-koharu-works.md)
+- [Acceleration and Runtime](acceleration-and-runtime.md)
+- [Models and Providers](models-and-providers.md)

docs/explanation/models-and-providers.md

@@ -0,0 +1,71 @@
+---
+title: Models and Providers
+---
+
+# Models and Providers
+
+Koharu uses both vision models and language models. The vision stack prepares the page; the language stack handles translation.
+
+## Vision models
+
+Koharu automatically downloads the required vision models when you use them for the first time.
+
+The default stack includes:
+
+- [PP-DocLayoutV3](https://huggingface.co/PaddlePaddle/PP-DocLayoutV3_safetensors) for text detection and layout analysis
+- [comic-text-detector](https://huggingface.co/mayocream/comic-text-detector) for text segmentation
+- [PaddleOCR-VL-1.5](https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.5) for OCR text recognition
+- [lama-manga](https://huggingface.co/mayocream/lama-manga) for inpainting
+- [YuzuMarker.FontDetection](https://huggingface.co/fffonion/yuzumarker-font-detection) for font and color detection
+
+Converted model weights are hosted on [Hugging Face](https://huggingface.co/mayocream) in safetensors format for Rust compatibility and performance.
+
+## Local LLMs
+
+Koharu supports local GGUF models through [candle](https://github.com/huggingface/candle). These models run on your machine and are downloaded on demand when you select them in Settings.
+
+### Suggested local models for English output
+
+- [vntl-llama3-8b-v2](https://huggingface.co/lmg-anon/vntl-llama3-8b-v2-gguf): around 8.5 GB in Q8_0 form, best when translation quality matters most
+- [lfm2-350m-enjp-mt](https://huggingface.co/LiquidAI/LFM2-350M-ENJP-MT-GGUF): very small and useful for low-memory systems or quick previews
+
+### Suggested local models for Chinese output
+
+- [sakura-galtransl-7b-v3.7](https://huggingface.co/SakuraLLM/Sakura-GalTransl-7B-v3.7): a balanced choice for quality and speed on 8 GB class GPUs
+- [sakura-1.5b-qwen2.5-v1.0](https://huggingface.co/shing3232/Sakura-1.5B-Qwen2.5-v1.0-GGUF-IMX): a lighter option for mid-range or CPU-heavy setups
+
+### Suggested local model for broader language coverage
+
+- [hunyuan-7b-mt-v1.0](https://huggingface.co/Mungert/Hunyuan-MT-7B-GGUF): a multi-language option with moderate hardware requirements
+
+## Remote providers
+
+Koharu can translate through remote or self-hosted APIs instead of downloading a local model.
+
+Supported providers include:
+
+- OpenAI
+- Gemini
+- Claude
+- DeepSeek
+- OpenAI-compatible APIs such as LM Studio, OpenRouter, or any endpoint that exposes `/v1/models` and `/v1/chat/completions`
+
+Remote providers are configured in **Settings > API Keys**.
+
+## Choosing between local and remote
+
+Use local models when you want:
+
+- the most private setup
+- offline operation after downloads complete
+- tighter control over hardware usage
+
+Use remote providers when you want:
+
+- to avoid large local model downloads
+- to reduce local VRAM or RAM usage
+- to connect to a hosted or self-managed model service
+
+!!! note
+
+    When you use a remote provider, Koharu sends OCR text selected for translation to the provider you configured.

docs/how-to/build-from-source.md

@@ -0,0 +1,26 @@
+---
+title: Build From Source
+---
+
+# Build From Source
+
+If you do not want to use a release build, you can compile Koharu locally.
+
+## Prerequisites
+
+- [Rust](https://www.rust-lang.org/tools/install) 1.92 or later
+- [Bun](https://bun.sh/) 1.0 or later
+
+## Install dependencies
+
+```bash
+bun install
+```
+
+## Build the project
+
+```bash
+bun run build
+```
+
+The built binaries will be placed in `target/release`.

docs/how-to/export-and-manage-projects.md

@@ -0,0 +1,29 @@
+---
+title: Export Pages and Manage Projects
+---
+
+# Export Pages and Manage Projects
+
+## Export rendered output
+
+Koharu can export the current page as a rendered image.
+
+Use this when you want a final flattened result for reading, sharing, or publishing.
+
+## Export layered PSD files
+
+Koharu can also export a layered Photoshop PSD.
+
+PSD export preserves helper layers and writes translated text as editable text layers, which makes final cleanup in Photoshop much easier.
+
+## Work with `.khr` project files
+
+Koharu stores project data in `.khr` files.
+
+On Windows, Koharu automatically associates `.khr` files so they can be opened by double-clicking. These files can also be viewed in ways that expose the thumbnails of their contained images.
+
+## When to use each format
+
+- Rendered image: best for final delivery
+- PSD: best for manual cleanup and touch-up work
+- `.khr`: best for saving in-progress Koharu projects

docs/how-to/index.md

@@ -0,0 +1,14 @@
+---
+title: How-To Guides
+---
+
+# How-To Guides
+
+How-to guides focus on specific jobs you may want to complete with Koharu.
+
+## Common tasks
+
+- [Install Koharu](install-koharu.md)
+- [Run GUI, Headless, and MCP Modes](run-gui-headless-and-mcp.md)
+- [Export Pages and Manage Projects](export-and-manage-projects.md)
+- [Build From Source](build-from-source.md)

docs/how-to/install-koharu.md

@@ -0,0 +1,45 @@
+---
+title: Install Koharu
+---
+
+# Install Koharu
+
+## Download a release build
+
+Download the latest release from the [Koharu releases page](https://github.com/mayocream/koharu/releases/latest).
+
+Koharu provides prebuilt binaries for:
+
+- Windows
+- macOS
+- Linux
+
+If your platform is not covered by a release build, use [Build From Source](build-from-source.md).
+
+## First launch expectations
+
+On first run, Koharu may:
+
+- extract bundled runtime libraries
+- download required vision models
+- download local LLMs later when you select them in Settings
+
+This is normal and can take time depending on your connection and hardware.
+
+## GPU acceleration notes
+
+Koharu supports:
+
+- CUDA on supported NVIDIA GPUs
+- Metal on Apple Silicon Macs
+- CPU fallback on all platforms
+
+For CUDA, Koharu bundles CUDA toolkit 13.1 and cuDNN 9.19, then extracts the required dynamic libraries into the app data directory on first run.
+
+!!! note
+
+    Keep your NVIDIA driver up to date. Koharu checks for CUDA 13.1 support and falls back to CPU if the driver is too old.
+
+## Need help?
+
+For support, join the [Discord server](https://discord.gg/mHvHkxGnUY).

docs/how-to/run-gui-headless-and-mcp.md

@@ -0,0 +1,71 @@
+---
+title: Run GUI, Headless, and MCP Modes
+---
+
+# Run GUI, Headless, and MCP Modes
+
+Koharu can run as a normal desktop app, a headless local server with a Web UI, or an MCP server for AI agents.
+
+## Run the desktop app
+
+Launch Koharu normally from your installed application.
+
+This is the default mode and is the best choice for most users.
+
+## Run headless mode
+
+Headless mode starts the local HTTP server without opening the desktop GUI.
+
+```bash
+# macOS / Linux
+koharu --port 4000 --headless
+
+# Windows
+koharu.exe --port 4000 --headless
+```
+
+After startup, open the Web UI at `http://localhost:4000`.
+
+## Run with a fixed port
+
+By default, Koharu uses a random local port. Use `--port` when you need a stable address.
+
+```bash
+# macOS / Linux
+koharu --port 9999
+
+# Windows
+koharu.exe --port 9999
+```
+
+## Connect to the MCP server
+
+Koharu includes a built-in MCP server. When you run Koharu on a fixed port, point your AI agent at:
+
+`http://localhost:9999/mcp`
+
+Replace `9999` with the port you chose.
+
+## Force CPU mode
+
+Use `--cpu` when you want to disable GPU inference explicitly.
+
+```bash
+# macOS / Linux
+koharu --cpu
+
+# Windows
+koharu.exe --cpu
+```
+
+## Download runtime dependencies only
+
+Use `--download` if you want Koharu to fetch runtime packages and exit without starting the app.
+
+```bash
+# macOS / Linux
+koharu --download
+
+# Windows
+koharu.exe --download
+```

docs/index.md

@@ -0,0 +1,52 @@
+---
+title: Overview
+---
+
+# Koharu
+
+ML-powered manga translator, written in **Rust**.
+
+Koharu introduces a practical workflow for manga translation. It combines object detection, OCR, inpainting, and LLM-assisted translation so you can move from raw page to cleaned export in one tool.
+
+Under the hood, Koharu uses [candle](https://github.com/huggingface/candle) for high-performance inference and [Tauri](https://github.com/tauri-apps/tauri) for the desktop app. All major components are written in Rust.
+
+!!! note
+
+    Koharu runs its vision models and local LLMs **locally** on your machine by default. If you choose a remote LLM provider, Koharu sends translation text only to the provider you configured. Koharu itself does not collect user data.
+
+---
+
+![screenshot](assets/koharu-screenshot-en.png)
+
+!!! note
+
+    For help and support, please join our [Discord server](https://discord.gg/mHvHkxGnUY).
+
+## Start here
+
+- New to Koharu: [Translate Your First Page](tutorials/translate-your-first-page.md)
+- Installing a release build: [Install Koharu](how-to/install-koharu.md)
+- Running the desktop app, Web UI, or MCP server: [Run GUI, Headless, and MCP Modes](how-to/run-gui-headless-and-mcp.md)
+- Exporting images, PSDs, and project files: [Export Pages and Manage Projects](how-to/export-and-manage-projects.md)
+- Building from source: [Build From Source](how-to/build-from-source.md)
+
+## What Koharu can do
+
+- Detect and segment manga text regions automatically
+- Run OCR on manga pages
+- Inpaint original text from the artwork
+- Translate with local or remote LLMs
+- Render vertical text for CJK languages
+- Export layered PSD files with editable text
+- Expose an MCP server for AI-agent workflows
+
+## Learn the system
+
+- Workflow overview: [How Koharu Works](explanation/how-koharu-works.md)
+- GPU and fallback behavior: [Acceleration and Runtime](explanation/acceleration-and-runtime.md)
+- Vision models and LLM backends: [Models and Providers](explanation/models-and-providers.md)
+
+## Look up details
+
+- Command-line options: [CLI Reference](reference/cli.md)
+- Default controls: [Keyboard Shortcuts](reference/keyboard-shortcuts.md)

docs/reference/cli.md

@@ -0,0 +1,47 @@
+---
+title: CLI Reference
+---
+
+# CLI Reference
+
+This page covers the command-line options exposed by Koharu's desktop binary.
+
+## Common usage
+
+```bash
+# macOS / Linux
+koharu [OPTIONS]
+
+# Windows
+koharu.exe [OPTIONS]
+```
+
+## Options
+
+| Option | Meaning |
+| --- | --- |
+| `-d`, `--download` | Download runtime libraries and exit |
+| `--cpu` | Force CPU mode even when a GPU is available |
+| `-p`, `--port <PORT>` | Bind the local HTTP server to a specific port |
+| `--headless` | Run without starting the desktop GUI |
+| `--debug` | Enable debug mode with console output |
+
+## Common patterns
+
+Start headless Web UI on a stable port:
+
+```bash
+koharu --port 4000 --headless
+```
+
+Start with CPU-only inference:
+
+```bash
+koharu --cpu
+```
+
+Download runtime packages ahead of time:
+
+```bash
+koharu --download
+```

docs/reference/index.md

@@ -0,0 +1,12 @@
+---
+title: Reference
+---
+
+# Reference
+
+Reference pages collect factual details you may want to look up quickly.
+
+## Available references
+
+- [CLI Reference](cli.md)
+- [Keyboard Shortcuts](keyboard-shortcuts.md)

docs/reference/keyboard-shortcuts.md

@@ -0,0 +1,13 @@
+---
+title: Keyboard Shortcuts
+---
+
+# Keyboard Shortcuts
+
+These are the default controls documented for the editor.
+
+| Shortcut | Action |
+| --- | --- |
+| `Ctrl` + mouse wheel | Zoom in or out |
+| `Ctrl` + drag | Pan the canvas |
+| `Del` | Delete the selected text block |

docs/tutorials/index.md

@@ -0,0 +1,11 @@
+---
+title: Tutorials
+---
+
+# Tutorials
+
+Tutorials walk through complete tasks from start to finish.
+
+## Available tutorials
+
+- [Translate Your First Page](translate-your-first-page.md)

docs/tutorials/translate-your-first-page.md

@@ -0,0 +1,72 @@
+---
+title: Translate Your First Page
+---
+
+# Translate Your First Page
+
+This tutorial covers the normal Koharu workflow for a single manga page: import, detect, recognize, translate, review, and export.
+
+## Before you begin
+
+- Install Koharu from the latest GitHub release
+- Start with a clear manga page image
+- Make sure you have enough local VRAM/RAM for your preferred model, or plan to use a remote provider
+
+If you have not installed Koharu yet, start with [Install Koharu](../how-to/install-koharu.md).
+
+## 1. Launch Koharu
+
+Open the desktop application normally.
+
+On the first run, Koharu may download required runtime packages and ML models. This is expected.
+
+## 2. Import a page
+
+Load your manga page into the app.
+
+Koharu keeps your work inside a project, and on Windows it can associate `.khr` project files so you can reopen them by double-clicking.
+
+## 3. Detect text and run OCR
+
+Use Koharu's built-in vision pipeline to:
+
+- detect speech bubbles and text regions
+- segment text areas
+- recognize the original text with OCR
+
+At this point, review the detected blocks and clean up anything obvious before translation.
+
+## 4. Choose a translation backend
+
+Pick either:
+
+- a local GGUF model if you want everything to stay on your machine
+- a remote provider if you want to avoid local model downloads or heavy local inference
+
+Koharu can use OpenAI, Gemini, Claude, DeepSeek, and OpenAI-compatible endpoints such as LM Studio or OpenRouter.
+
+## 5. Translate and review
+
+Run translation on the page, then inspect the result carefully.
+
+Koharu helps with text layout and vertical CJK rendering, but you should still review:
+
+- names and terminology
+- line breaks
+- font choices
+- bubble fit
+
+## 6. Export the result
+
+When the page looks right, export it as either:
+
+- a rendered image
+- a layered Photoshop PSD with editable text layers
+
+PSD export is useful when you want to do final cleanup in Photoshop without rebuilding the page structure by hand.
+
+## Next steps
+
+- Learn export options: [Export Pages and Manage Projects](../how-to/export-and-manage-projects.md)
+- Compare runtime choices: [Acceleration and Runtime](../explanation/acceleration-and-runtime.md)
+- Choose a model: [Models and Providers](../explanation/models-and-providers.md)

zensical.toml

@@ -0,0 +1,111 @@
+[project]
+site_name = "koharu"
+site_description = "ML-powered manga translator, written in Rust."
+site_author = "Mayo"
+site_url = "https://koharu.rs/"
+repo_url = "https://github.com/mayocream/koharu"
+repo_name = "mayocream/koharu"
+edit_uri = "edit/main/docs/"
+docs_dir = "docs"
+nav = [
+  {"Overview" = "index.md"},
+  {"Tutorials" = [
+    "tutorials/index.md",
+    "tutorials/translate-your-first-page.md",
+  ]},
+  {"How-To Guides" = [
+    "how-to/index.md",
+    "how-to/install-koharu.md",
+    "how-to/run-gui-headless-and-mcp.md",
+    "how-to/export-and-manage-projects.md",
+    "how-to/build-from-source.md",
+  ]},
+  {"Explanation" = [
+    "explanation/index.md",
+    "explanation/how-koharu-works.md",
+    "explanation/acceleration-and-runtime.md",
+    "explanation/models-and-providers.md",
+  ]},
+  {"Reference" = [
+    "reference/index.md",
+    "reference/cli.md",
+    "reference/keyboard-shortcuts.md",
+  ]},
+]
+
+[project.extra]
+generator = false
+
+[[project.extra.social]]
+icon = "fontawesome/brands/x-twitter"
+link = "https://x.com/mayo_irl"
+
+[[project.extra.social]]
+icon = "fontawesome/brands/discord"
+link = "https://discord.gg/mHvHkxGnUY"
+
+[project.theme]
+language = "en"
+logo = "assets/Koharu_Halo.png"
+favicon = "assets/Koharu_Halo.png"
+font.text = "Nunito"
+font.code = "Fira Code"
+features = [
+  "navigation.sections",
+  "navigation.indexes",
+  "navigation.instant",
+  "navigation.tracking",
+  "navigation.tabs",
+  "navigation.tabs.sticky",
+  "navigation.expand",
+  "navigation.footer",
+  "toc.follow",
+  "content.code.copy",
+  "content.action.edit",
+  "content.action.view",
+  "content.tabs.link",
+]
+
+[project.theme.icon]
+repo = "fontawesome/brands/github"
+
+[project.theme.icon.admonition]
+question = "fontawesome/solid/paper-plane"
+user = "lucide/user-round"
+
+[[project.theme.palette]]
+scheme = "default"
+primary = "pink"
+accent = "teal"
+toggle.icon = "lucide/sun"
+toggle.name = "Switch to dark mode"
+
+[[project.theme.palette]]
+scheme = "slate"
+primary = "pink"
+accent = "teal"
+toggle.icon = "lucide/moon"
+toggle.name = "Switch to light mode"
+
+[project.markdown_extensions.admonition]
+[project.markdown_extensions.attr_list]
+[project.markdown_extensions.md_in_html]
+[project.markdown_extensions.tables]
+
+[project.markdown_extensions.pymdownx.emoji]
+emoji_index = "zensical.extensions.emoji.twemoji"
+emoji_generator = "zensical.extensions.emoji.to_svg"
+
+[project.markdown_extensions.pymdownx.tabbed]
+alternate_style = true
+
+[project.markdown_extensions.pymdownx.tasklist]
+custom_checkbox = true
+
+[project.markdown_extensions.toc]
+permalink = true
+
+[project.markdown_extensions.pymdownx.superfences]
+custom_fences = [
+  { name = "mermaid", class = "mermaid", format = "pymdownx.superfences.fence_code_format" },
+]