看典古籍：https://www.kandianguji.com/
功能比较多，免费开放了OCR、数字化功能
古籍数量也比较多，筛选起来比较方便
最好用的还是全文检索功能，可以在古籍中搜想看的关键词，精确到页
9月7日新增功能，单图在线智能辅助校对功能初版上线了，欢迎体验：《使用文档》收集需求和反馈中…
13 个赞
谢谢仁兄的网站
不过搜索
麻黄
癫痫
这样的条目
结果还是偏少
希望有条件能进一步
优化
总之
很不错
感恩感激感谢
个人是以
博览医书的这个收费数据库
做比较。有失公允。还是非常不错的。继续优化就可以。目前是个人研究中医的主力
嘉惠後學！感謝！
全文检索功能
希望搜索以后
条目数量越来越多
越来越精细
感谢您的使用和反馈，网站主要还是收集多方面的古籍，目前并没有明确侧重点（比如中医方面的），我有大量的古籍资源在做数字化并展示出来，还是需要一些时间的，您可以持续关注！
针对搜索一块的优化还在进行中，当数据量起来之后检索功能的好处就会体现出来，后续还会加入精确检索模式和模糊检索模式等功能，我会尽最大努力去优化和完善！
1 个赞
感谢您的使用！
功德无量
啊
广种福田，一定持续关注
2 个赞
中华书局带有书名线和人名线可以OCR?
这个您最好直接在网站OCR版块上传一张图像试一下识别效果，写法样式很多样，具体还得已识别效果为准，在这里我也没法明确回答！
我上传几张杨伯峻春秋左传注，书名线和人名线不受干扰，文字识别率很高，标点识别率很差。不过免费能达到这样已经很好了，谢谢看典古籍。
2 个赞
假如只拿现代的电脑打字排印本测试，和finereader相比，可能看不出特色。
用古代刻本图像测试，不知效果如何？
ctext的刻本图像ocr，一般会弄得一塌糊涂。
我还没时间测试，但注意到这个网站和刻本图像放在一起的文本很准确。也许是校对过的。
直接ocr出来，完全没校对的，能有多准确？这是看点。
假如拿手写字的古籍(如《四库全书》)的图像来ocr，又如何？这个难度又更高了，finereader会完全翻车。但是《四库全书》电子版是ocr出来的，出版方用的特制ocr软件就能够准确识别手写字。
感谢使用和反馈，OCR还在不断更新迭代中，我相信会越来越好的，符号问题在后续版本中会解决的！
1 个赞
您好，刻本图像是可以识别的，网站上现在展示的内容都是完全无校对的，直接通过OCR识别转换后展示出来的，网站上识别的效果代表了OCR的识别效果，OCR还在不断优化迭代，我相信识别效果会越来越好的！
1 个赞
有书名线和人名线，finereader识别不了。
1 个赞
其后台应该是人工智能的 pytorch 模型，逐个字识别模式下可以看每个字符OCR的置信度，识别手写字符是人工智能的老课题了，并不像 Abbyy 那样依赖印刷体。
很好的网站。对OCR这块，建议站长考虑：
一、不知道能否加上用户的 Human Feedback？尤其是那些置信度低的字符识别结果，允许用户在线输入该字正确的结果。古籍的OCR与普通文档不一样，有很多生僻字、异体字，置信度在0.9以下很可能就不正确了（手写体置信度可以低一些）。
二、古籍的OCR图片往往扫描得不太规范，页面四周各种大小不等的黑边，在OCR之前如果能预处理一下，自动判断页面内容的四周范围（不知能否从 Human Feedback 学习），把不需要识别的书耳（标注卷数页码的）、版心（中间装订的鱼尾等部分）排除，效果会更好。
1 个赞
更进一步的，借鉴早期AI OCR识别名片的方法，即将识别结果与网络收集的人名、电话号码等数据匹配，可以大大提升准确性。
回到古籍OCR的场景，比如现在要OCR《史记会注考证》的刻本，那如果能先给模型输入《史记》《汉书》等繁体字文本，应该也有助于提升OCR《史记会注考证》的识别准确度。
是的，感谢您的使用反馈。关于您说的两点建议非常棒
一、Human Feedback。目前我已经做了用户修改内容的相关功能，但是网站目前是刚上线的一个状态，用户量较少。在我看来，首先，一套完备的与用户关联的校对模式比较复杂，我要确定没有问题才会推出来；其次就是让用户参与进来会消耗用户的时间和精力，但是又没有回报，让用户形成一种“白打工”的心理状态，要让用户“为爱发电”，在目前我看来是不可行的。
二、预处理。这一点我已经考虑到并已经实现了初版应用：只关注需要关注的信息，去除杂余信息。在古籍中，版式、风格等等属性很多，比较复杂，在通用性上要差一些，我还在不断进行完善，力求完美（起码要能在90%的图像上通过验证）。
三、模板预匹配。这一点我是没有考虑到的，我将在后续进行尝试，看效果如何，如果可以，我将会采纳您的宝贵建议。
最后，表达对您的感谢！
2 个赞
上面的建议不一定马上就要着手实现。不过，问题和痛点是实实在在的。
个人觉得目前优先级高的，可能首先是改进单个用户的体验。
比如单页OCR后，校对的页面布局（不考虑适配手机屏幕），如何设置一个置信度门槛，只显示低于门槛的疑难字，以方便反馈；如何方便用户导出整个识别结果，或者允许用户一次性上传多张图片；如何保存用户的反馈，并动态用于训练模型提升后续的OCR准确度（是否允许用户对不同书籍的处理设置编号、以便将反馈分开保存、这本书的反馈数据只用于训练同本书后面的OCR）。等等。
用户的获得感增加了，自然也就愿意提供Feedback了，因为自己的Feedback有助于获得后续页面更准确的OCR结果。
总之，功能的增强什么时候去实现，孰先孰后，是需要与整个网站的发展方向、时间硬件资源等通盘考虑的。祝成功~
1 个赞