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。
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 (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……
1 Like
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
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。
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……
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。
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
1 Like
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
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？
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
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
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
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
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。
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。
1 Like
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 (657.3 KB)
这是校稿，你们对照着看看
给你发好友申请了，我QQ不太常用
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
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。
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
1 Like