《牛津现代英汉双解大词典(第12版)》OCR文本数据

英汉
1

现在有了新版校对工具，之前很多比较麻烦的大型词典也比较容易处理了。用gemini，quark和paddleocr分别识别了3个版本，可以直接导入校对工具使用，paddleocr的数据是带文本位置的原始数据。

image
image2001×1165 845 KB

设置如图：

image
image1002×790 29.4 KB

pdf是这个版本：

COECD_gemini.txt (16.6 MB)
COECD_quark.txt (15.9 MB)
COECD_paddleocr.7z (15.6 MB)
Concise Oxford English-Chinese.docx (15.2 MB)

app的词头数据：
oxford_concisedict.dict.zip (7.4 MB)

9 Likes
2

请问哪一个识别准确率更高呢?

3

文本本身错误很少，主要是格式，标点，音标和特殊标记。gemini的版本是可以识别粗体的，但是有很多地方不准确，音标和特殊符号paddleocr更好，中文夸克好一点。

4

迟到的礼物。网上流出的cod12 PDF部分字迹模糊，ocr效果差，模糊部分直接被无视了（合合），造成缺漏很多。前面求助未得回应。后面用者应感谢兄台的付出。

5

加个配置导出功能么，你弄的项目别人直接一键导入用

6

可以，不过现在没要求文件都在一个目录，可能需要复制一份文件然后转换成相对路径。