当年流行一时的文本pdg是用什么软件OCR制作的？

ngshsh

现在流行的epub(汇雅的，曾经的亚马逊电子书)也是一样，一脉相承。
他们都有一个共同点：用一个截图来代替一个字符。这个字符可能是个生僻字，或者太模糊吃不准，或者其他什么情况。
之所以有此一问是因为这是一个不错的思路来提高Ocr识别率，当然你可以说是取巧的，但总好过那些使用漏过这些字来提高总体识别率的软件。
老的光学识别技术似乎已经到达难以克服的瓶颈，很多的ocr软件都是这样，大牌的有abbyy，反而一些老的ocr软件情况相对好些如汉王。
有人会有意见，你这都老黄历了，现在ocr技术已经插上了ai的翅膀，今非昔比，是的，但漏字的问题并没有解决，可能机理类似ai幻觉吧，我想，算法算力的问题，有些东西被视而不见的忽略掉了。

横槊赋诗

我在知乎上有ocr把元识别成了玄，可能是ai的训练文本自动回改避讳字的，这是个新问题。

strnghrs

汉王汉王汉王

小可拉好

横槊赋诗 发表于 2025-4-14 10:31
我在知乎上有ocr把元识别成了玄，可能是ai的训练文本自动回改避讳字的，这是个新问题。 ...

如果是因为避讳，其他字有没有回改呢。毕竟历史上避讳字不少。

横槊赋诗

小可拉好 发表于 2025-4-14 10:54
如果是因为避讳，其他字有没有回改呢。毕竟历史上避讳字不少。

中华书局的二十四史好像全盘改了避讳字，陈垣《史讳举例》举出的例子，我发现现在的通行本好像全跟着改了

小可拉好

横槊赋诗 发表于 2025-4-14 10:55
中华书局的二十四史好像全盘改了避讳字，陈垣《史讳举例》举出的例子，我发现现在的通行本好像全跟着改了 ...

我说的是ocr大模型自动回改。

jotis

OCR讲究的是一模一样
改字那是你出书之前就要改啊
哪有出书完了再改什么避讳字的
什么漏字截图代表一个字之类的还不是用的字体，字太少了，不匹配大容量字字库，没这字啊，要解决就要底层解决这问题，换多少万多少万字的字库啊
而不是一直什么2312什么18030之类的玩意
记得以前公安局那系统里好多生僻字还打不出来呢。。。

weist123

那时候最讨厌这个了，经常丢失格式，缺字啊。
当时宁可要大图扫描的，不要这个

ngshsh

strnghrs 发表于 2025-4-14 10:39
汉王汉王汉王

老马大侠，真的吗？哪款汉王？专业版？具体名称是什么？能提供下载链接更好。
肯定不是我曾经喜欢使用的“HWPDFOCR8”，家庭版的。