用gemini和夸克识别了一遍。因为gemini 2.5 pro关闭了免费等级的原因，部分内容用2.5 flash的结果，flash整体错误率是高于pro的，不过快很多。 另外缺页检查补了部分数据用的是 gemini 3，没有检查幻觉问题，如果有大量幻觉还需要补数据。
另外我已经从app中提取了数据，但是本地的数据不全，只有索引，第一个解释和例句。html需要从网站抓取，但需要账号而且抓取11万条数据容易被封号，所以我准备还是用ocr方法来做这本词典，但音标这种ocr容易错的可以直接用app数据。另外app有等级标注，这部分数据不知道是哪里来的。
新世纪法汉大词典_gemini.txt (20.0 MB)
新世纪法汉大词典_quark (2).7z.002 (1.1 MB)
新世纪法汉大词典_quark (2).7z.001 (20 MB)
而且官方app也不代表数据就是对的，就算只用音标都可能反而把识别结果改错，举例：
用 Gemini CLI，实际还有相当的免费额度，但它不容易准确控制。
这个我也听说了，不过还没试，不知道能不能传文件。
可以传文件，可是怎么传，怎么处理，就看模型的心情了，自己不容易精准把握。等于托人办事，加了一个代理，但这个代理具体怎么来，并不由你掌控。
我曾经在文件夹里放了一些图片，让它批量ocr，存为同名txt，gemini cli照办了。但有时是乱来一气，没有结果。稍微尝试之后，我就没怎么用过了。
这里应该是修改了，achanti 英文是 ashanti，肯定不会读 [k]，所以 app 算是把错误的音标改正了。
官方app里面截图就是下面那个，只有[ʃ]说明他们提取数据有误，把整个读音部分都丢了。
啊因为有些词典只会在读音可能有争议的地方标音，比如只标词尾，所以我一开始以为没有问题。要是这本词典里其他单词的音标都是标完整的，那这里就确实应该是提取错了。
补充paddleocr识别的文本
xsjfh_paddleocr.7z (19.1 MB)
