如何正确地OCR识别出音标避免乱码？

starmars · 发表于 2020-9-28 16:57:24

用ACROBAT自带的OCR处理词典页面，发现音标识别出来绝大部分都有乱码。不知道如何解决？

klwo2 · 发表于 2020-9-28 19:13:06

本帖最后由 klwo2 于 2020-9-28 19:24 编辑

leescott 发表于 2020-9-28 17:41
FineReader和 TESSERACT可能比较好。
下面最后有篇文章，用FineReader 。
https://www.researchgate.net/po ...

理论上，FineReader可以自制语言，把IPA包进来就行了。可是实际效果不行：

试了多个配置，/ʃəs/ 就是不能识别，/ʃəs/ 有多常见大家都知道

更何况楼主想要的，估计是中文也准、英文也准，最好音标还不出错，有这么美的事儿，英汉词典早就大跃进变文字版了

喬治兄 · 发表于 2020-9-28 17:10:11

starmars 兄，你這不是多問的嗎？，英文字母都不一定正確了，更何況是音標呢！

klwo2 · 发表于 2020-9-28 17:20:56

解决不了

英语词典里的【国际音标】，其实只是国际音标的子集。下面这些，也是国际音标：

又有帽子又有尾巴

汉语拼音那么简单的，都没见到OCR全对的呢

leescott · 发表于 2020-9-28 17:41:31

本帖最后由 leescott 于 2020-9-28 18:00 编辑

FineReader和 TESSERACT可能比较好。
下面最后有篇文章，用FineReader 。
https://www.researchgate.net/pos ... honetic_IPA_symbols
文章提到自制语言。我想如果有必要需要自制字体。该字体包括所有符号。

参考https://www.pdawiki.com/forum/fo ... id=41387&extra=

ubersoft · 发表于 2020-9-28 18:03:46

OCR的正确率很难提高的，要想尽可能好，需要专门针对音标做一些训练，技术难度不小

oversky · 发表于 2020-9-29 15:46:02

如果能用成 reCAPTCHA 的形式，
登入、下载就识别训练一下，
这样参与的人就多了。

[求助] 如何正确地OCR识别出音标避免乱码？