# 有人想制作汉语(包括汉英)ocr词典吗？

**URL:** <https://forum.freemdict.com/t/topic/31097>\
**Category:** 词典及语言学习交流\
**Tags:** 汉语\
**Created:** [2024 年8 月 20 日 13:47 UTC](https://forum.freemdict.com/t/topic/31097 "2024-08-20T13:47:14Z")\
**Posts on this page:** 20\
**Page:** 1

<div class="post-metadata">

作者： ![shaoshi](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/shaoshi/32/14529_2.png) [@shaoshi](https://forum.freemdict.com/u/shaoshi)\
发布日期： [2024 年8 月 20 日 13:47 UTC](https://forum.freemdict.com/t/topic/31097/1 "2024-08-20T13:47:14Z")

</div>

有人想制作汉语(包括汉英)ocr词典吗？

我最近在校对iii\_1用百度高精度ocr做的《汉语成语源流大辞典》。

[汉语成语源流大辞典校对](https://forum.freemdict.com/t/topic/29903)

我感觉做汉语ocr文字版词典的时机已经成熟。用百度高精度ocr，汉语拼音几乎一个没错，除了一两个字头大写的汉语拼音。

仍然需要比较长时间的校对，但是中小型词典以一人之力是可以扫校完的，可以做到接近知网词典(许多应该也是ocr文字版)的水平。在某些方面胜于知网词典啊——我还改正原书错字和出校记呢。这是本坛的盛事。

所以有什么汉语词典适合这样做ocr呢？

我个人认为：

1.适合做内容质量高，参考价值大，图像非常清晰的中小型词典(词头在5万至8万之间)。

2.词头需要有括号【】。

假如有人有自己扫描的这类词典图像，可以提供，不妨说一声，看有没有人愿意去做百度高精度ocr，有没有人愿意校对。

我知道本坛的W兄用合合做《故训汇纂》，完全单干。

完全单干的另当别论，但是准备和人合作的不妨先提。各做各的，项目重复，没有效率啊。

今天才有人发私信给我，说用华为云做了《汉语成语源流大辞典》的ocr，没有耐心校对下去，问我想不想校对。我都已经把iii\_1的百度高精度ocr版校对得差不多了。现在才说，太晚了吧？哪可能另起炉灶，从头来过？

我也不想加入pdf帮或epub派啊，要做就直接做mdx。

建议此帖只讨论汉语或汉英词典，英文、英汉词典可以另外开帖。因为感兴趣的人不一样。

希望想求人做mdx词典的人别在本帖下求人做词典。这不是一个词典wish list啊。假如没人想讨论，我是无所谓的，但是别歪楼再歪楼。

---

<div class="post-metadata">

作者： ![last\_idol](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/last_idol/32/2205_2.png) [@last\_idol](https://forum.freemdict.com/u/last_idol)\
发布日期： [2024 年8 月 20 日 13:55 UTC](https://forum.freemdict.com/t/topic/31097/2 "2024-08-20T13:55:38Z")

</div>

主要是现在没有免费的 OCR 服务了。百度开源的可识别字符是 6600 个，百度收费的生僻字识别，7月31号之前是 11000 个字符，8 月后高精度识别扩充到 20000 个字符，生僻字的识别率应该更好了。

---

<div class="post-metadata">

作者： ![白石晧晧](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/%E7%99%BD%E7%9F%B3%E6%99%A7%E6%99%A7/32/61199_2.png) [@白石晧晧](https://forum.freemdict.com/u/%E7%99%BD%E7%9F%B3%E6%99%A7%E6%99%A7)\
发布日期： [2024 年8 月 20 日 13:58 UTC](https://forum.freemdict.com/t/topic/31097/3 "2024-08-20T13:58:52Z")

</div>

> [@shaoshi](#):
>
> 所以有什么汉语词典适合这样做ocr呢？

我推荐一本，这是我所用过最好的中型汉语字典  
（某些字的释义比《汉语大字典》更好）

> **[汉字古今义合解字典 - 安娜的档案](https://zh.annas-archive.org/md5/138e124eba682df0754ee1ac982f9694)**
>
> 许威汉,陈秋祥主编
> 
> 1 (p0-1): 凡例
> 1 (p0-2): 序言
> 17 (p0-3): 笔画索引
> 25 (p0-4): 汉语拼音索引
> 1152 (p0-5): 正文
> 1475 (p0-6): 附编
> 
> 上海:上海教育出版社

---

<div class="post-metadata">

作者： ![白石晧晧](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/%E7%99%BD%E7%9F%B3%E6%99%A7%E6%99%A7/32/61199_2.png) [@白石晧晧](https://forum.freemdict.com/u/%E7%99%BD%E7%9F%B3%E6%99%A7%E6%99%A7)\
发布日期： [2024 年8 月 20 日 14:00 UTC](https://forum.freemdict.com/t/topic/31097/4 "2024-08-20T14:00:42Z")

</div>

> [@last\_idol](#):
>
> 主要是现在没有免费的 OCR 服务了。

「百度网盘」可以调用OCR功能，识别率还可以，大概是同一接口？

 ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/c/b/cbbc870d38e9d7268ce22c67196e9c6323101d5a.png)

---

<div class="post-metadata">

作者： ![last\_idol](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/last_idol/32/2205_2.png) [@last\_idol](https://forum.freemdict.com/u/last_idol)\
发布日期： [2024 年8 月 20 日 14:02 UTC](https://forum.freemdict.com/t/topic/31097/5 "2024-08-20T14:02:27Z")

</div>

这种接口超过限额很容易封。

---

<div class="post-metadata">

作者： ![白石晧晧](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/%E7%99%BD%E7%9F%B3%E6%99%A7%E6%99%A7/32/61199_2.png) [@白石晧晧](https://forum.freemdict.com/u/%E7%99%BD%E7%9F%B3%E6%99%A7%E6%99%A7)\
发布日期： [2024 年8 月 20 日 14:08 UTC](https://forum.freemdict.com/t/topic/31097/6 "2024-08-20T14:08:24Z")

</div>

> [@last\_idol](#):
>
> 这种接口超过限额很容易封。

这是百度网盘VIP功能，我识别上千页的档案无有问题。只是不能调节参数。

---

<div class="post-metadata">

作者： ![last\_idol](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/last_idol/32/2205_2.png) [@last\_idol](https://forum.freemdict.com/u/last_idol)\
发布日期： [2024 年8 月 20 日 14:10 UTC](https://forum.freemdict.com/t/topic/31097/7 "2024-08-20T14:10:29Z")

</div>

你可以识别后发出来看看效果。这个接口和 iii\_1 用的高精度可能不是同一个接口，可以先试试看。如果识别率够好，很多词典都可以做了。

---

<div class="post-metadata">

作者： ![aimdict](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/a/dbc845/32.png) [@aimdict](https://forum.freemdict.com/u/aimdict)\
发布日期： [2024 年8 月 21 日 03:40 UTC](https://forum.freemdict.com/t/topic/31097/9 "2024-08-21T03:40:30Z")

</div>

试了下百度网盘ocr，效果还可以，比一般的单机版ocr效果好，一键操作，比较省事。但文件稍大一点儿就会转换失败；图像不太清晰的pdf，一律转为图片版word。这东西如果再进化一下，应该是不错的选择。

---

<div class="post-metadata">

作者： ![last\_idol](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/last_idol/32/2205_2.png) [@last\_idol](https://forum.freemdict.com/u/last_idol)\
发布日期： [2024 年8 月 21 日 03:41 UTC](https://forum.freemdict.com/t/topic/31097/10 "2024-08-21T03:41:00Z")

</div>

错误有些多，估计不是高精度的接口。

---

<div class="post-metadata">

作者： ![say](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/b38774/32.png) [@say](https://forum.freemdict.com/u/say)\
发布日期： [2024 年8 月 21 日 05:29 UTC](https://forum.freemdict.com/t/topic/31097/11 "2024-08-21T05:29:05Z")

</div>

百度网盘ocr，不要用pdf转word，效果差好多，要用图片去ocr。我用合合，开始为了省力，用pdf去识别，错误好多，浪费200多页。  
百度网盘ocr，拼音无法正确识别，特别是音调。无法识别分栏，双栏要切图。无法识别竖排。

---

<div class="post-metadata">

作者： ![random](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/random/32/19006_2.png) [@random](https://forum.freemdict.com/u/random)\
发布日期： [2024 年8 月 21 日 06:07 UTC](https://forum.freemdict.com/t/topic/31097/12 "2024-08-21T06:07:06Z")

</div>

> [@last\_idol](#):
>
> 现在没有免费的 OCR 服务

这是最大障碍。现在的OCR的确非常成熟了，价格是很大的阻碍因素。按理说AI训练好以后，随着边际成本的降低，价格应该越来越低才正常。

目前还没看到这个降价趋势。像谷歌OCR… 一些功能反而在涨价…

---

<div class="post-metadata">

作者： ![random](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/random/32/19006_2.png) [@random](https://forum.freemdict.com/u/random)\
发布日期： [2024 年8 月 21 日 06:28 UTC](https://forum.freemdict.com/t/topic/31097/13 "2024-08-21T06:28:19Z")

</div>

> [@白石晧晧](#):
>
> 汉字古今义合解字典（疑难字部分）.pdf

这本太模糊了，有高清版的话，很值得做

---

<div class="post-metadata">

作者： ![shaoshi](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/shaoshi/32/14529_2.png) [@shaoshi](https://forum.freemdict.com/u/shaoshi)\
发布日期： [2024 年8 月 21 日 23:14 UTC](https://forum.freemdict.com/t/topic/31097/14 "2024-08-21T23:14:06Z")

</div>

有兴趣卷起袖子大干的书友可以参考：

[汉语词典摘览——据“辞书事业终身成就奖”](https://forum.freemdict.com/t/topic/31136)  
书名和作者姓名都是可以使用的检索关键词。

---

<div class="post-metadata">

作者： ![将作大匠](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/%E5%B0%86/858c86/32.png) [@将作大匠](https://forum.freemdict.com/u/%E5%B0%86%E4%BD%9C%E5%A4%A7%E5%8C%A0)\
发布日期： [2025 年2 月 3 日 06:03 UTC](https://forum.freemdict.com/t/topic/31097/15 "2025-02-03T06:03:09Z")

</div>

你延揽了几个汉语词典OCR同好了？我也觉得现阶段OCR技术确实相当成熟了，关键是友朋难遇，很多人等着吃现成饭，真正起而行之的少之又少（愈觉有吾道孤，吾运屈之感）。我目前有汉语大词典OCR的想法，并且已经付诸实行了，一个礼拜时间初步完成第六卷双音节词条的六分之一的OCR文本初校。如果有十人同力合校的话，经过两三轮核勘订正，预计三个月即可完全功。以下是我初校的OCR文本及对照PDF文档：  
[汉大08a1（夸克）【20250122：1011】.docx](https://forum.freemdict.com/uploads/short-url/6lEEQoqapQrzf1c3rJ723pWGEtm.docx) (499.3 KB)  
[汉大08a2（夸克）【20250131：2036】.docx](https://forum.freemdict.com/uploads/short-url/sNaENa2rTpaozm5Nd4eYJajh2MM.docx) (504.6 KB)  
[文字文稿202501231022.docx](https://forum.freemdict.com/uploads/short-url/6oJDftcy5LDLj6uXCDZ34x7X1cI.docx) (683.4 KB)  
[文字文稿202501201715.docx](https://forum.freemdict.com/uploads/short-url/gGfgtVd8dy3QPmRHL5Y5DDGjYwH.docx) (666.2 KB)  
[汉大08（分割版·净版）\_1-100.pdf](https://forum.freemdict.com/uploads/short-url/wwfcKTudfQcWcyrWoBCt4Z89zGa.pdf) (8.3 MB)  
[汉大08（分割版·净版）\_101-200.pdf](https://forum.freemdict.com/uploads/short-url/jfw69hXio5TXwk6TRdcqBJqOqcR.pdf) (7.9 MB)  
[汉大08（分割版·净版）\_201-300.pdf](https://forum.freemdict.com/uploads/short-url/xoHKNo617vF4cXaK4BnRjatR7e.pdf) (8.3 MB)  
[汉大08（分割版·净版）\_301-400.pdf](https://forum.freemdict.com/uploads/short-url/2M9EE9ibywfzqFbVgfY8L8ezQp6.pdf) (8.3 MB)  
[汉大08（分割版·净版）\_401-500.pdf](https://forum.freemdict.com/uploads/short-url/kMVkVsdPrsnruUMADjWHfahopHf.pdf) (8.9 MB)

---

<div class="post-metadata">

作者： ![shaoshi](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/shaoshi/32/14529_2.png) [@shaoshi](https://forum.freemdict.com/u/shaoshi)\
发布日期： [2025 年2 月 3 日 06:32 UTC](https://forum.freemdict.com/t/topic/31097/16 "2025-02-03T06:32:43Z")

</div>

《汉语大词典》我用finereader做过ocr了，但是效果不能尽如人意。我认为这种大书是没办法弄的。

即使单弄三十几万的词头，都校对不了了，别说全文了。

夸克，我没用过，对其ocr的结果没有信心。

知难而进，给你拍拍掌。

---

<div class="post-metadata">

作者： ![将作大匠](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/%E5%B0%86/858c86/32.png) [@将作大匠](https://forum.freemdict.com/u/%E5%B0%86%E4%BD%9C%E5%A4%A7%E5%8C%A0)\
发布日期： [2025 年2 月 3 日 06:45 UTC](https://forum.freemdict.com/t/topic/31097/17 "2025-02-03T06:45:28Z")

</div>

你仔细看看我的文本就知道校对精度有多高了，我用的是夸克、合合，经过一轮初校后再对比光盘版数据进行二轮汇校。

---

<div class="post-metadata">

作者： ![sxingbai](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/919ad9/32.png) [@sxingbai](https://forum.freemdict.com/u/sxingbai)\
发布日期： [2025 年2 月 4 日 02:57 UTC](https://forum.freemdict.com/t/topic/31097/19 "2025-02-04T02:57:32Z")

</div>

这个精度确实够高，值得坚持搞完。  
拉了一下，词头的中括号标识基本正确，至少可以与已有的版本对照。  
如果能全部校对完成，应该比现有所有的版本都接近纸书。  
至于校对，如果想精校，那不要说三个月，一年也完不成。我觉得倒不妨换一种心态，把阅读学习放在第一位，校对只是副产品，慢慢来，能读多少是多少，能改多少是多少，改不完拉倒。这比只为校对强，如果只为校对，即使校完，收获也很小。  
如果粗校，可以借助AI，也可以与光盘版比对。我只比较了DeepSeek与Kimi，Kimi的校对比较靠谱。  
原文及校对：

> 《【百王】历代帝王。《荀子·不苟》：“百王之道，後王是也。”汉书·董仲舒传》：“蓋聞五帝三王之道，改制作樂而天下洽和，百王同之。”南朝梁沈约＜光宅寺刹下铭》：“濡足萬古，援手百王。”唐广宣《禁中法会应制》诗：“道場三教會，心地百王期。”明何景明《郊观》诗：“神祇二后配，禮樂百王殊。”请继续校对

> **百王**  
> 历代帝王。《荀子·不苟》：“百王之道，后王是也。”《汉书·董仲舒传》：“盖闻五帝三王之道，改制作乐而天下洽和，百王同之。”南朝梁沈约《光宅寺刹下铭》：“濡足万古，援手百王。”唐广宣《禁中法会应制》诗：“道场三教会，心地百王期。”明何景明《郊观》诗：“神祇二后配，礼乐百王殊。”

**说明：**

1. **“《汉书·董仲舒传》”** ：原文中“汉书·董仲舒传”未加书名号，已补充。同时，“盖闻”中的“蓋”是繁体字，现代一般使用简化字“盖”，但此处是引用古籍，保留原字。

2. **“南朝梁沈约＜光宅寺刹下铭》”** ：书名号使用错误，已修正为“《光宅寺刹下铭》”。

3. **“唐广宣《禁中法会应制》诗”** ：原文中“禁中法会应制”未加书名号，已补充。

4. **“明何景明《郊观》诗”** ：原文中“郊观”未加书名号，已补充。

5. **“神祇二后配”** ：此处“神祇”是正确的，指神灵，未发现错误。

6. **“礼乐百王殊”** ：此处“礼乐”是正确的，指礼仪和音乐，未发现错误。

整体内容在引用古籍和古诗的部分格式上进行了规范，其他内容暂未发现明显错误。

上面的校对修改了繁简体，追加了要求后，校对结果：

> **百王**  
> 历代帝王。《荀子·不苟》：“百王之道，後王是也。”《漢書·董仲舒傳》：“蓋聞五帝三王之道，改制作樂而天下洽和，百王同之。”南朝梁沈约《光宅寺刹下铭》：“濡足萬古，援手百王。”唐广宣《禁中法會應制》詩：“道場三教會，心地百王期。”明何景明《郊觀》詩：“神祇二后配，禮樂百王殊。”

---

<div class="post-metadata">

作者： ![sxingbai](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/919ad9/32.png) [@sxingbai](https://forum.freemdict.com/u/sxingbai)\
发布日期： [2025 年2 月 4 日 03:45 UTC](https://forum.freemdict.com/t/topic/31097/20 "2025-02-04T03:45:48Z")

</div>

他总忍不住要修改为简体，哈哈，再一个例子，它修改了序号，但没指出。

> 【百尺】0十丈。喻高、长或深。汉枚乘《七发》：“龍門之桐，高百尺而無枝。”晋左思咏史》之二：“以彼徑寸莖，蔭此百尺條。”《文选·鲍照苦热行＞》：“丹蛇踰百尺，玄蜂盈十圍。”李善注：“百尺、十圍，言其長大也。”宋苏轼《惠州李氏潜珍阁铭》：“眩古潭之百尺，涵萬象於瑶琨。”②桅杆。《文选·木华＜海赋＞＞：“於是候勁風，揭百尺，維長綃，挂帆席。”李善注：“百尺，帆樯也。”

> **百尺**  
> ①十丈。喻高、长或深。汉枚乘《七发》：“龙门之桐，高百尺而无枝。”晋左思《咏史》之二：“以彼径寸茎，荫此百尺条。”《文选·鲍照〈苦热行〉》：“丹蛇踰百尺，玄蜂盈十围。”李善注：“百尺、十围，言其长大也。”宋苏轼《惠州李氏潜珍阁铭》：“眩古潭之百尺，涵万象于瑶琨。”  
> ②桅杆。《文选·木华〈海赋〉》：“于是候劲风，揭百尺，维长綃，挂帆席。”李善注：“百尺，帆樯也。”

---

<div class="post-metadata">

作者： ![shaoshi](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/shaoshi/32/14529_2.png) [@shaoshi](https://forum.freemdict.com/u/shaoshi)\
发布日期： [2025 年2 月 4 日 04:15 UTC](https://forum.freemdict.com/t/topic/31097/21 "2025-02-04T04:15:52Z")

</div>

> [@sxingbai](#):
>
> 至于校对，如果想精校，那不要说三个月，一年也完不成。我觉得倒不妨换一种心态，把阅读学习放在第一位，校对只是副产品，慢慢来，能读多少是多少，能改多少是多少，改不完拉倒

我赞同这个看法。我就是这样校改2.0光盘版的。目标不是做个完美本，只是要求文本慢慢有点改进，学问增加了一些，电脑技术也进步了一点。

目标是学习，不是做出完美的版本。

现在哪有完美的版本？总汇的版本只是相对完善的第1版。第2版的文本根本还没上网。全书未做完，已经做完的也还没上网。

但是这样顺其自然地慢慢做，可能做十年也未必能做完。

所以我不看好有人能做出一个完美的版本。

有些旁观的人不管，只是想得到别人改进的版本，不管到底改了多少。就是执着。

其实没改多少，可能就改了千分之几的内容。

---

<div class="post-metadata">

作者： ![将作大匠](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/%E5%B0%86/858c86/32.png) [@将作大匠](https://forum.freemdict.com/u/%E5%B0%86%E4%BD%9C%E5%A4%A7%E5%8C%A0)\
发布日期： [2025 年2 月 4 日 04:34 UTC](https://forum.freemdict.com/t/topic/31097/22 "2025-02-04T04:34:11Z")

</div>

我现在优化了下思路，直接用光盘版复音节词词条文本与夸克OCR文本对勘，就着WPS审校界面现核现改，预计一个人一天八小时全力输出的话，八天左右可以完成一卷。不过我明天春节复工返岗，接下来只有周末可以抽出一天来，工作日每天晚上半小时到一小时可以利用，蛮试试看完成一卷审校的工作量有多大吧 😅  
以下是第六卷刚起步，校改到第六页：  
[文字文稿=汉大06a1【20250204：1135】.docx](https://forum.freemdict.com/uploads/short-url/iilsOuNtjKVTRmkfTIQA6xZLYMG.docx) (904.1 KB)  
AI助校短时间内还没办法成为校对主用工具，哈哈，我是这么看的，之前看别人Deepseek演示联网搜索AI都能正儿八经的报出一些似是而非的书名，跟作者根本对不上，还是难堪大用……

[下一页](https://forum.freemdict.com/t/topic/31097.md?page=2)
