Indra多页TIFF：逐帧计页并保留帧身份，避免只读首张扫描

素材身份：作者原创输入/可编辑参考。目标工具未在本轮执行。
先打开 index.html；input.csv 是原始字段，reference.csv 是验收基准，negative.csv 是故意构造的坏样例。
actual-results.csv 保留未测状态，实际执行后再填写。

前置条件：
Python环境与本地CPU；Indra使用ONNX，不需要PyTorch或GPU，首次运行需下载约76MB默认模型，math模型另计。
代码Apache2.0；权重modified OpenRAIL-M，有企业规模与竞争用途限制，不能宣传无限制免费商用。
本课原生材料可离线免费检查；目标识别未执行，实际page.source/conf/坐标只能运行后填写。

操作步骤：
1. 制作三帧样本
三张图分别写SCAN-A、SCAN-B和SCAN-C，并在图内印相同序号。
保留单帧PNG便于逐一回看。

2. 封装TIFF
用支持多帧的工具保存TIFF，独立检查n_frames=3。
不要只改扩展名，也不要把三图拼成一张长图冒充多帧。

3. 读取文件
通过conv.convert或CLI处理TIFF，保存每页结果。
官方图片接口支持每TIFF frame一页，不应只取第一帧。

4. 建立帧页映射
将frameIndex与输出pageIndex、图内ID连接。
索引0或1起算要写清，不用显示页码推断数组索引。

5. 核对页数和顺序
确认三帧都出现且A、B、C顺序保持。
只识别到A时即使exit0也不通过覆盖检查。

6. 检查坏封装负例
准备单帧版本和错序B-A-C版本，要求清单发现差异。
不以文件字节大小代替帧数检查。

7. 交付容器清单
保存TIFF、单帧源图、帧台账和实际结果。
未执行时输出映射留待填，帧身份来自原稿而非OCR。

验收：
原生TIFF实际有3帧。
结果覆盖A/B/C且顺序一致。
frameIndex和pageIndex起算写清。

官方资料：
https://huggingface.co/datalab-to/indra-ocr

图片身份：assets/ 为内置image_gen生成的原创练习输入缩略版，原始文件保留在网站图片来源地址。可编辑SVG为作者原生排版。