Calibre frente a paper2epub: el mismo paper convertido con los dos

Calibre es lo primero que prueba casi todo el mundo para leer un paper en PDF en un Kindle o un Kobo. Es gratis, gestiona de maravilla una biblioteca de libros electrónicos y convierte casi cualquier cosa a EPUB. Así que cogí papers reales, los convertí con Calibre y con paper2epub, y puse los resultados lado a lado en la misma pantalla de seis pulgadas.

La prueba: Calibre 9.16 con sus opciones por defecto (ebook-convert paper.pdf paper.epub) y paper2epub en esta web. Los dos EPUB se ven con la misma fuente y el mismo tamaño.

Ecuaciones

Esta es la página 4 de Direct Preference Optimization, el pasaje en el que aparece su ecuación principal.

El EPUB de Calibre: la ecuación partida en tres líneas sueltas, «11», «πr(y | x) = πref(y | x) exp r(x, y), (4)» y «Z(x) β», y cada línea del PDF convertida en un párrafo — La página 4 de Direct Preference Optimization, convertida por cada herramienta. Rafailov et al., arXiv:2305.18290, CC BY 4.0.

El EPUB de paper2epub: el mismo pasaje como texto corrido, con la ecuación 4 compuesta como una fracción — La página 4 de Direct Preference Optimization, convertida por cada herramienta. Rafailov et al., arXiv:2305.18290, CC BY 4.0.

Calibre lee el PDF como líneas de texto, así que una fracción se deshace. Los dos 1 de los numeradores acaban en una línea propia, Z(x) y β, los denominadores, en otra, y lo que queda en medio ya no dice nada. paper2epub lee dónde está cada símbolo en la página y vuelve a escribir la ecuación en LaTeX, así que sale como la fracción que es.

Lo otro que se ve a la izquierda: cada línea del PDF se ha convertido en un párrafo. «under a», «general reward function r…»: en un lector eso es un salto cada pocas palabras.

Tablas

La tabla 1 del paper de LLaMA, una tabla sencilla de conjuntos de datos.

El EPUB de Calibre: la tabla entera aplastada en un párrafo, «CommonCrawl 67.0% 1.10 3.3 TB C4 15.0% 1.06 783 GB…» — La tabla 1 de LLaMA, convertida por cada herramienta. Touvron et al., arXiv:2302.13971, CC BY 4.0.

El EPUB de paper2epub: la misma tabla como tabla, con su pie, sus columnas y sus filas — La tabla 1 de LLaMA, convertida por cada herramienta. Touvron et al., arXiv:2302.13971, CC BY 4.0.

Calibre convierte la tabla entera en un solo párrafo: «CommonCrawl 67.0% 1.10 3.3 TB C4 15.0% 1.06 783 GB Github…». Los números están todos, pero no hay forma de saber cuál va con cuál. paper2epub reconstruye la tabla a partir de dónde está su texto en la página: filas, columnas, cabecera y el pie encima.

Figuras

La figura 1 de vLLM es un dibujo vectorial, como casi todas las gráficas de los papers.

El EPUB de paper2epub: la figura recortada entera, con su pie — La figura 1 de vLLM, convertida por cada herramienta. Kwon et al., arXiv:2309.06180, CC BY 4.0.

Calibre solo conserva las imágenes que son fotos dentro del PDF. Un dibujo hecho de líneas y texto se pierde: quedan sus etiquetas, una por línea («KV», «Others», «0.8k»). En el EPUB de vLLM, las 19 figuras del paper se quedaron en tres cuadrados negros. paper2epub recorta cada figura de la página con su pie, así que las gráficas se ven como en el paper.

Una tabla más difícil

La tabla 1 de Mamba está al lado de una gráfica, algo muy habitual.

El EPUB de Calibre: las filas de la tabla mezcladas con texto revuelto como -RHYGXMSR,IEHW y 1,%%FWSPYXI — La tabla 1 de Mamba, convertida por cada herramienta. Gu and Dao, arXiv:2312.00752, CC BY 4.0.

El EPUB de paper2epub: la tabla rehecha, con su pie encima — La tabla 1 de Mamba, convertida por cada herramienta. Gu and Dao, arXiv:2312.00752, CC BY 4.0.

Calibre mezcla la tabla con las etiquetas de la gráfica, y estas salen revueltas («-RHYGXMSR,IEHW» es «Induction Heads» con cada letra desplazada). El pie pierde sus negritas: «Table 1: ( .)». paper2epub mantiene separadas la tabla y la gráfica.

Citas

Las dos herramientas conservan los enlaces del paper, pero no llevan al mismo sitio. En el EPUB de Calibre, tocar [19] te lleva a la página donde empieza la bibliografía, y desde ahí buscas la entrada. En el de paper2epub, te lleva directamente a la entrada 19. Y las notas al pie se abren en una ventana emergente en Kindle y Kobo, en vez de mandarte al final del capítulo.

Cuándo Calibre es mejor opción

Para ser justos, Calibre no está hecho para papers. Antes que nada es un gestor de bibliotecas, y uno muy bueno: ordena tus libros, los pasa al lector por USB y convierte entre formatos sin conexión. Con una novela o un informe a una columna lo hace bien, y si ya lo usas, también es la forma más cómoda de copiar al lector los EPUB de paper2epub.

Con un paper científico, la diferencia está en aquello de lo que está hecho: ecuaciones, tablas y referencias. Para eso está pensado paper2epub. Si quieres ver más ejemplos, la portada enseña seis, y puedes leer un paper entero ya convertido en el navegador antes de probar con el tuyo.

Para las demás opciones (k2pdfopt, KOReader y el HTML de arXiv), mira las formas de leer un paper en PDF en un lector.