《杜登德汉大词典》OCR 文本数据

[wynick27]

这个是最大的德汉词典，原版是《 Duden Deutsches Universalworterbuch》，我把它用夸克和Gemini各识别了一遍，Gemini识别版本已经检查过没有缺页，但是没有检查是不是有幻觉错误，识别的时候让它把词头标记了，同时用markdown表示法处理粗体词组。这个德语是有电子版文本的，可以对比修正问题。

夸克版：
杜登德汉大词典 上册.docx (8.8 MB)
杜登德汉大词典 下册.docx (8.9 MB)

Gemini版：
杜登德汉大词典 上册_gemini.txt (9.7 MB)
杜登德汉大词典 下册_gemini.txt (9.8 MB)

[mixivivo]

用Gemini 3 Pro似乎识别效果更好，但成本有点高。

[mixivivo]

词典算1000万字，粗估1000万token，按照Gemini 3 Pro输入2美金，输出12美金计算，2m输入（3000页x600），10M输出，识别下来124美金，880元人民币。

[wynick27]

思考也要算Token吧，实际应该更贵，而且感觉差别不是很大。3能正确区分全角半角逗号了，不错。

[mixivivo]

3 Pro现在只有low和high两个thinking level选项，就OCR而言，其实都不合适，据说未来会添加medium的选项。一次送25页，thinking token占比应该比较低。

[Hailey_Taylor]

pdf哪里可以下载

[wynick27]

zlib和anna都有啊