# 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:** 2

<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 05:26 UTC](https://forum.freemdict.com/t/topic/31097/23 "2025-02-04T05:26:37Z")

</div>

老兄的精神实在让人感佩，能不能先加进我建的一个群从长计议，群里的几个大咖也可能会给出更好的建议。加群时请注明论坛ID。  
点击链接加入群聊【中文辞典交流群】：[正在跳转](https://qm.qq.com/q/dLUIK6G3mg)

---

<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： [2025 年2 月 4 日 05:30 UTC](https://forum.freemdict.com/t/topic/31097/24 "2025-02-04T05:30:30Z")

</div>

最好拿单页试一下，一页多少个字符，文本识别错误率多少，校对完成要多少时间，一卷多少页，这样方便估算工时。

---

<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 05:35 UTC](https://forum.freemdict.com/t/topic/31097/25 "2025-02-04T05:35:35Z")

</div>

这个不好用单页去估，因为有的根本不需要改。都是跳着改的，各页面需要改动的地方多寡不均……

---

<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： [2025 年2 月 4 日 05:36 UTC](https://forum.freemdict.com/t/topic/31097/26 "2025-02-04T05:36:35Z")

</div>

测试个三页平均下，这种书一页超过五处错误就可以考虑放弃了。

---

<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 05:37 UTC](https://forum.freemdict.com/t/topic/31097/27 "2025-02-04T05:37:55Z")

</div>

我把第六卷对校文本分割成较为平均的八等份，看我一天能不能完成一份，就好估量了

---

<div class="post-metadata">

作者： ![haoshu](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/h/90db22/32.png) [@haoshu](https://forum.freemdict.com/u/haoshu)\
发布日期： [2025 年2 月 4 日 09:57 UTC](https://forum.freemdict.com/t/topic/31097/28 "2025-02-04T09:57:02Z")

</div>

校对《汉大》这工作量也太大了点 😨OCR的精度也就那样，标点和序号要改起来也很头疼啊

---

<div class="post-metadata">

作者： ![demo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/d/e47774/32.png) [@demo](https://forum.freemdict.com/u/demo)\
发布日期： [2025 年2 月 4 日 10:45 UTC](https://forum.freemdict.com/t/topic/31097/29 "2025-02-04T10:45:41Z")

</div>

觉得可以这样，同一页图片，同时用一家以上OCR供应商进行识别，再比对识别结果，重校对有差异问地方，是不是可以减轻工作量？

---

<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 11:07 UTC](https://forum.freemdict.com/t/topic/31097/30 "2025-02-04T11:07:24Z")

</div>

不然，工作量是挺大，实际校改起来主要费眼、费腰、费颈椎，消耗不了多少脑力 😅

---

<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 11:08 UTC](https://forum.freemdict.com/t/topic/31097/31 "2025-02-04T11:08:26Z")

</div>

选用光盘本作为底本，一校用夸克OCR文本，二校用扫描王OCR文本，也就差不多了

---

<div class="post-metadata">

作者： ![demo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/d/e47774/32.png) [@demo](https://forum.freemdict.com/u/demo)\
发布日期： [2025 年2 月 4 日 11:27 UTC](https://forum.freemdict.com/t/topic/31097/32 "2025-02-04T11:27:10Z")

</div>

身有体会。在网上找了五千多字体合成数据来训练OCR模型，正在校对字体中的错误字符，第一轮筛选出十五万张问题图片，这两天才校对了几个字，看的眼睛疼

---

<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 11:33 UTC](https://forum.freemdict.com/t/topic/31097/33 "2025-02-04T11:33:33Z")

</div>

这个校对就是孟夫子所谓的“为长者折枝”之类的事，不难，难的是有心 😅汉大我感觉真没大家想的那么难，我想要的是一个趋近于第一版纸书的版本，并适当根据使用习惯略作修改

---

<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 13:06 UTC](https://forum.freemdict.com/t/topic/31097/34 "2025-02-04T13:06:05Z")

</div>

> [@将作大匠](#):
>
> 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……

你找一个有文字错误的让kimi试试，我能找到的都是格式错误的。Deepseek我试了确实不行，可能各有所长。

---

<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： [2025 年2 月 4 日 13:39 UTC](https://forum.freemdict.com/t/topic/31097/35 "2025-02-04T13:39:57Z")

</div>

汉语大词典词条编号是黑底，基本上很难准确识别，校对基本上就是处理这些编号，一小时弄不了几页。

---

<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 14:10 UTC](https://forum.freemdict.com/t/topic/31097/36 "2025-02-04T14:10:15Z")

</div>

不试了，意义不大。你看下我今天一天（10小时）的成果吧，校改进度到《汉语大词典》原书第六卷180页“涛”字条了，还算ok，没遇到什么太大的阻碍，主要我有辞典总汇账号，可以现截缺失词条书证，效率快很多  
[校稿净本=汉大06a1【20250204：2038】.docx](https://forum.freemdict.com/uploads/short-url/UEolngKGQekqzGCFqEEO3gg0uc.docx) (657.3 KB)  
这是校稿，你们对照着看看

---

<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 14:12 UTC](https://forum.freemdict.com/t/topic/31097/37 "2025-02-04T14:12:06Z")

</div>

给你发好友申请了，我QQ不太常用

---

<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 14:13 UTC](https://forum.freemdict.com/t/topic/31097/38 "2025-02-04T14:13:41Z")

</div>

我是直接在光盘版上进行核校的，而且夸克对于黑底数字序号识别10以下准确率还是很高的。这块改也就是点点鼠标的事

---

<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： [2025 年2 月 4 日 19:46 UTC](https://forum.freemdict.com/t/topic/31097/39 "2025-02-04T19:46:12Z")

</div>

符号编号拼音字符生僻字格式对齐都很麻烦，还要录入补齐就更难搞了，很难快起来。

汉语大词典总共 5000 多万字 15400 页，每页平均下来是 3200 字，一页录入完算你 5 分钟，这是快还是慢？15400 页就是 1284 小时，每天 8 小时就是 160 个工作日，算上双休就是 32 周 7.5 个月。

---

<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 5 日 11:24 UTC](https://forum.freemdict.com/t/topic/31097/40 "2025-02-05T11:24:44Z")

</div>

没事，等集齐20人再来开搞，不着急。20个人每周花个10小时，两个半月差不多能搞定

---

<div class="post-metadata">

作者： ![sculiuchang](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/d2c977/32.png) [@sculiuchang](https://forum.freemdict.com/u/sculiuchang)\
发布日期： [2025 年2 月 5 日 16:06 UTC](https://forum.freemdict.com/t/topic/31097/41 "2025-02-05T16:06:28Z")

</div>

真的假的呀？那太期待了。如果文字版？  
我知道本坛的四兄用会合做《故训汇纂》,完全单干。

---

<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 6 日 13:08 UTC](https://forum.freemdict.com/t/topic/31097/42 "2025-02-06T13:08:12Z")

</div>

众力所加，事无不举。你如果想要文字版数据的话就参与其中吧，这是个大工程，没人可办不成。我的计划是成果不直接对外公布，只在参与者之间进行共享，必要时我可以每年奉助五到八百在类似在线检索平台的展示上，以便大众实时查索

[上一页](https://forum.freemdict.com/t/topic/31097.md?page=1)
