我再下载一下。如果图书馆还有书，我会帮忙把缺页补上。
1 个赞
大家一起努力，将这部辞典的图片整理出来，等到将来有人能够制作电子辞典的时候，就会有比较好的基础。
目前所知道的是，第231页拍得模糊不清。我手头没有更清楚的图片了。
我整合了一个不缺页的而且都用最清楚的版本的，下载链接还是在2楼。
已经开始ocr了，目前识别了400多页，不清楚的可能还得替换，但是这种小假名还是问题，gemini和paddleocr都没识别对，只能人工校对。
2 个赞
其实仍然是图片拍摄不清晰的缘故，很多浊音也看不清。用OCR会出现许多识别错误，需要人工审校。
刚开始拍照片时，我是处理成黑白的二值图像的，二值化后发给朋友，朋友说字太小了，浊音看不清楚。在使用“扫描全能王”进行智能优化后，软件会把模糊的两个点自动连成一个块；在原图模式下可以分辨出来的内容，在看起来更洁净的二值图中就可能会丢失掉部分细节。后来直接采用照片原图不作处理，实在是无奈之举。也是为了方便后面修改。
后面进行校对的话，在没有获得更清晰图源的情况下，应该还是要参考照相原图的。
这本的文本化难度比新明解和日汉双解都高，最好还是等等看会不会出电子版文本。
1 个赞
ネットアドバンス会社的工作人员在一次讲座上明确说春季会有的，问题只是在于japanknowledge太花钱，爬虫又难，部分词典都是几十条弹一次验证码，一天爬多了直接封号的。要是能上别的平台和app就好了。
1 个赞
我想，我们现在所做的努力都是为以后的《日本语新辞典》读者和电子辞典的制作者铺路、提供一份比较完整的材料；更有一点好胜心，我们能够比他们本国人完成得更好。
要推广不如先把翻译版ocr了去校对，日文原版先观望能不能拿到电子文本
你们说的确实有道理。电子版这个季度能够出来最好了。
中文版我都ocr了
日文版估计这两天就能ocr完，主要是校对问题。
这个因为格式是目前日语词典最复杂的，竖排表格，unicode没有的特殊符号，小假名，图片混排，再加上文本本身有歪斜模糊，这些现在ocr容易出问题的情况全部出现了，所以可能一小时只能校对二三十页，全做一遍要几十上百小时。我准备先做简单的。另外论坛之前大型词典逐字校对的项目到现在基本没有完成的。
2 个赞
你说的对。目前比较实际的是先将图片版中歪斜模糊的部分整理出来，预备替换；我也回去翻翻手机相册、软件什么的，看有没有库存。
我之前拍辞典的时候发现，日文版的插图都放在单数页，词语辨析表格单双页都有，而以双数页居多。不知是什么原因？
如果版面偏斜扭曲的页数过多还是建议买本书拆页扫描吧，我可以出个份子钱，至少也有个清晰板正的pdf文档，为ocr识别效率和精度提供保证。另外ocr作业建议引入豆包模型进行参照，豆包家的模型在复杂版面的要素甄别的到位率还是挺高的，优于gemini和qwen。像是你上传内页图片中部分词条下标的小字双行注音假名部分可以判定出来，当然这种细小字符识别精准度就两说了。不过豆包也有些缺点，就是生僻字、繁化字的识别准头不如千问，另外自家最新迭代的模型虽然在版面要素甄别率、提示词遵循度上有很大提升但生僻字的识别精度比起上代视觉识别专用模型却有所下降，敏感词违禁词限制也是一代比一代收严。
1 个赞
我觉得，拍照扭曲的大部分是偶数页，那么只要找到合适的垫块、单拍偶数页将扭曲变形的部分补上就可以了，不用另外购书拆书。
况且这部辞典国内不好买到，即便有，价格也被哄抬过高。这也是我借书来拍照片存档的原因。
建议上夸克扫描王吧，自带偏斜矫正文字锐化，配上动态对焦手机简直爽的不要不要的(〃‘▽’〃)不过后续识别校对才是难题，千几百页还是竖排日文，难度指数就更高了。我之前扫过朱万清的《新日本语语法》，源文档读秀资源，内文竖向排版连带字体模糊，浊音拗音促音的识别不少似错非错的辨别订正太耗心神了，将将三百页粗校完就放弃了。这种大部头词典的扫校，ocr完成也只是道百里方一尺，劳多获少。或许可以再等等看日本佬有没有电子精校文本流出，再用已有的中文双语译解本进行对校拼接，组成真正的日汉合璧版本！
1 个赞
你们可以试试调校一下引导ai进行ocr识别任务的提示词，先让ai尝试对版面进行解析，提示词像这样——以上为松井荣一主编的日语国语辞典《日本语新辞典》内页截图的某一栏文本，文字为竖向排版，请帮我解析其构造体例和字符种类（涵盖词典编纂特有符号），拟定适用于引导AI模型进行OCR作业任务的提示词，并尝试模拟该截图的文本识别结果——后面再根据ai输出结果有针对性地进行强化、纠正，拟制合宜的提示词。我就是这样搞法，一本书一套提示词模板 