requests
beautifulsoup4
html2text
lxml

# 小红书 / 抖音等强反爬平台的无头渲染（T4 / T5）
playwright

# PDF 转 md（源规格 §3 文件上传）
pymupdf

# --- 图片 OCR 引擎：二选一，缺失时图片采集明确报错、不静默落库 ---
# 1) 纯 Python，内置中英文模型，离线可用（推荐）
rapidocr-onnxruntime
# 2) 或改用系统 Tesseract 引擎 + 中文包 chi_sim，取消下行注释
# pytesseract

# 视频 ASR（本地 whisper 语音转写，不联网）：本机已装 openai-whisper + torch，模型已缓存
# 提取音轨依赖 ffmpeg（本机由 winget 安装，video_asr.py 运行时自动补 PATH）
openai-whisper
