Paper Burner X

Paper Burner X官网

Paper Burner X 是一款面向研究生、科研人员与知识工作者的开源 AI 文献处理工作站，在浏览器中即开即用，通过并发 OCR 识别、批量翻译与前端 Agent 智能分析，解决海量外文文献读不完、复杂公式与排版翻译后错乱、跨语言检索效率低这三类长期存在的痛点。项目采用 BYOK（自带模型密钥）模式，所有数据默认保存在浏览器本地，既可一键部署到 Vercel 个人使用，也支持 Docker 完整部署供团队协作。

Paper Burner X官网首页界面截图

Paper Burner X的主要功能

1. 多格式文档引擎：支持 PDF、DOCX、PPTX、EPUB、Markdown、TXT、HTML 等多种输入格式，并可导出为 DOCX、Markdown 等常用格式；除本地上传外，还能从 GitHub 仓库或任意 URL 一键导入内容并自动完成解析；
2. 并发 OCR 与批量翻译：可接入 mineru、doc2x 等 OCR 引擎完成扫描件识别，多份文档并行处理，长篇论文的翻译耗时被压缩到数十秒量级，适合一次性消化整批参考文献；
3. 术语库一致性控制：支持一次性导入数万条术语并进行快速匹配，保证同一专业名词在全文乃至跨文档翻译中保持统一，避免同一个概念在不同段落被译成三四种说法；
4. 前端 Agent 智能分析：在纯浏览器环境中实现 Agentic RAG 架构，为 AI 构建分层的全文结构地图，并配备 grep 精确匹配、向量搜索、内容抓取等工具，由 AI 自主判断调用哪种组合来完成多步推理与深度信息提取；
5. 沉浸式对照阅读：提供段落级原文译文智能对齐、文档目录导航、高亮与批注功能，并针对学术场景优化了复杂 LaTeX 公式渲染，先保证读得顺畅，再交给 AI 做总结；
6. 结构化信息提取：内置”文献矩阵”等工具，把非结构化的论文内容整理为清晰的结构化数据，便于多篇文献横向对比；同时支持思维导图与流程图生成，辅助梳理研究脉络；
7. 灵活部署与自定义模型：支持接入自定义 AI 模型端点，具备多密钥管理与可用性检测机制，配套可自托管的 OCR Server，目标是让用户在完全离线的环境中也能使用全部能力。

如何使用Paper Burner X

使用流程如下：

1. 浏览器直接访问在线体验站点，或将开源仓库 Fork 后导入 Vercel 完成个人部署，团队使用则按官方文档走 Docker 完整部署方案；
2. 首次进入时在设置中填入自己的模型 API 端点与密钥，按需配置 OCR 引擎，并导入本学科的术语库文件；
3. 上传本地 PDF、DOCX、EPUB 等文档，或粘贴 GitHub 仓库地址与网页链接批量导入，选择目标语言后启动并发翻译；
4. 在对照阅读界面按目录跳转，逐段核对原文与译文，对关键结论做高亮与批注，公式部分直接查看渲染后的效果；
5. 切换到 AI 分析面板向文档提问，由前端 Agent 调用检索工具定位证据段落；需要横向比较时用文献矩阵提取结构化字段，最后导出 DOCX 或 Markdown 归档。

Paper Burner X的使用场景

1. 课题组文献速览：开题或综述阶段一次性导入几十篇外文论文批量翻译，先用对照阅读快速筛掉不相关的，再对留下的做精读；
2. 扫描版资料数字化：老旧扫描件、会议讲义与图表密集的技术报告，通过 OCR 转为可检索文本后再进入翻译与分析流程；
3. 跨语言技术调研：工程与产品团队阅读外文标准、白皮书与专利文档，用术语库锁定行业名词译法，保证团队内部表述统一；
4. 论文深度问答：针对单篇长文提出关于方法、数据集与实验结论的具体问题，由 Agent 检索定位到原文段落，减少凭印象引用带来的偏差；
5. 隐私敏感场景：涉及未公开数据的内部文档，可采用本地部署加自有模型端点的组合，数据不经第三方文献平台中转。

如果你正在搭建一套完整的资料处理流程，可以把它与 PDFCraft 搭配处理 PDF 的合并拆分与压缩加密，用 Texo 应对公式与图片文字的快速识别，借助 EvoLink.ai 统一管理多个大模型端点与密钥，再参考 学习方 与 Hyperlink 优化知识整理与检索习惯，让文献从收集到沉淀形成闭环。

Paper Burner X的产品价格与版本

1. 开源免费：项目基于 AGPL 3.0 协议开源，软件本身不收取任何授权或订阅费用，个人与团队均可自行部署使用；
2. BYOK 成本说明：工具采用自带密钥模式，翻译与分析所需的模型调用、OCR 服务费用由用户按自己接入的服务商计费标准承担，官方不提供统一售卖的算力套餐；
3. 部署方式：纯前端模式部署到 Vercel 无需服务器成本，数据存于浏览器本地；Docker 完整部署包含后端服务与数据库，支持多用户、权限管理与管理员面板，适合团队协作场景。

Paper Burner X的常见问题解答

上传的论文会被传到第三方服务器吗？

纯前端模式下不会。文档解析、阅读记录与标注数据都存放在浏览器的 localStorage 与 IndexedDB 中，不经过项目方的服务器；只有调用你自己配置的模型端点与 OCR 服务时才会产生外部请求。对保密要求更高的资料，可选择自托管 OCR Server 与本地模型进一步收敛数据流向。

必须自己准备模型密钥吗？

是的。项目采用 BYOK 模式，需要在设置中填入自有的模型 API 端点与密钥才能启用翻译和 AI 分析，工具本身支持多密钥管理与可用性检测。好处是模型选择完全，也不必为用不上的套餐额度付费。

翻译后公式和图表会乱掉吗？

项目针对学术排版做了专门优化，通过 OCR 引擎识别版面结构并渲染 LaTeX 公式，保留原文的公式、图表与段落层级。保留原格式翻译能力仍在持续优化中，遇到极端复杂的版式时，建议对照原文再核对一遍关键数据。

Paper Burner X官网网址

Paper Burner X官网入口网址：https://paperburner.viwoplus.site/views/landing/landing-page.html

OpenI AI时代点评

在一众”上传 PDF 问答”的文献工具里，Paper Burner X 的差异化相当清晰：它把 Agentic RAG 做进了纯前端，让 AI 拥有全文结构地图并能自主调用 grep 与向量检索，这比单纯依赖向量召回的方案在长文档场景下更可靠；术语库支持数万词条快速匹配，也切中了学术翻译最在意的一致性问题。开源加 BYOK 的组合，则把数据与成本控制权交回到使用者手里，对涉及未发表数据的课题组尤其友好。代价是有一定上手门槛——需要自备模型密钥、理解 OCR 引擎的差异，Docker 完整部署方案与多文档综述 Agent 也仍在迭代中。建议先用 Vercel 部署跑通单篇论文的翻译与问答，确认模型选型和费用水平后，再决定是否推进到团队级部署。官网入口：https://paperburner.viwoplus.site/views/landing/landing-page.html