感觉你不太会拍，手机系统相机不少会有文档扫描功能，都有自动纠斜裁剪，再不济也能下载个xx扫描王app。
识别过程中要是遇到因为页面质量问题影响ocr结果的话，可以把页数告诉我我再去拍摄
2 个赞
paddleocr已经初步完成，gemini比较慢，现在还有缺页幻觉问题没解决。后面奇数页很多比较模糊，是拍照时焦点问题。
小学馆日本语新辞典_paddleocr.txt (15.6 MB)
小学馆日本语新辞典_paddleocr.7z (13.3 MB)
3 个赞
抱歉，刚刚开贴时没有说明上传的这几个PDF文件之间的补充关系，现在重新编辑说明了。
第1200-1500页出现的失焦页面可以用网盘里面的“948页开始偶数页.pdf”、"949页开始奇数页.pdf"替换较为清晰的图片。
暂时只替换了几页特别模糊的，要逐页对比哪个版本好都挺费时间的
目前替换了这些：
1213 1252 1253 1255 1257 1260 1267 1277 1278 1281 1287 1294
1303 1313 1315 1325 1330 1335 1337 1343 1345 1347 1348 1351 1357 1369 1381 1389 1398 1399
1401 1421 1431 1435 1437 1455 1457 1499
1508 1538 1552 1691
另外发现一个新问题，图片尺寸有大有小，这个暂时没处理。
新版本：
通过网盘分享的文件：小学馆日本语新辞典.zip
链接: 百度网盘 请输入提取码 提取码: 1234
2 个赞
两个版本都补充ocr完成了，paddleocr做了处理幻觉重复文本处理。
小学馆日本语新辞典_paddleocr.txt (14.2 MB)
小学馆日本语新辞典_gemini.txt (14.6 MB)
更新新版paddleocr的json
小学馆日本语新辞典_paddleocr.7z (13.3 MB)
2 个赞
那这本的切图版就先不弄了…
感觉就算现在弄等到明年也没弄好切图…
还是先来切这本好了
better late than never.终于有机会见到真正的数字原版了。