有偿求古籍ocr转换

Question

内容是大概十本左右的古籍扫描本，希望转换成文本格式，如果能处理成json格式的话可另外加钱。请提供报价。

图片有点糊，实际上比这个更清楚。

Answer 1

让 “紫雾凌寒” 来帮你回答,本回答结合 DeepSeek

如果还有问题，请评论或点击头像私信，如果有帮助到您, 请关注、采纳、点赞

1. 关键点分析：
   - 要将十本左右的古籍扫描本进行OCR转换为文本格式，可能还涉及转换为JSON格式。需要考虑到古籍文字的复杂性，可能存在一些难以识别的特殊字符、异体字等。
   - 找到合适的OCR工具或服务，并确定合理的报价。
2. 解决方案：
   - 开源OCR工具：
   • Tesseract：这是一个广泛使用的开源OCR引擎。
   • 安装：在Linux系统上可以通过包管理器安装，如在Ubuntu上执行sudo apt-get install tesseract-ocr；在Windows上可以从Tesseract官方网站下载安装包进行安装。
   • 使用示例（Python）：

import pytesseract
from PIL import Image

image = Image.open('古籍扫描图片路径.jpg')
text = pytesseract.image_to_string(image)
print(text)

 - 优点：完全免费且开源，可根据需求进行定制化开发。
 - 缺点：对于古籍这种文字复杂的图像，识别准确率可能有限，尤其是遇到模糊、破损、特殊字体等情况时效果可能不佳。

• 商业OCR服务：
  • 阿里云OCR：提供多种OCR服务，包括通用文字识别等。
  • 注册并开通相关服务后，可通过API上传古籍扫描图片进行识别。
  • 优点：准确率相对较高，有专业的技术团队维护和优化，能处理各种复杂图像。
  • 缺点：需要付费使用，根据使用量不同收费标准不同。
• 百度OCR：也是一款知名的商业OCR服务。
  • 同样通过API调用，上传古籍图片获取识别结果。
  • 优点：功能丰富，识别能力较强。
  • 缺点：收费模式，成本相对较高。
    3. 报价方面：
• 开源方案：主要成本在于人工操作和可能需要的一些图像预处理等操作，基本没有软件购买成本。如果自己处理，人工成本假设每本古籍处理时间为2小时（包括图像清理、OCR识别、校对等），每小时按50元计算，十本古籍的人工成本大概为10×2×50 = 1000元。
• 商业方案：
  • 阿里云OCR：费用根据具体使用的功能和流量而定。例如通用文字识别按量计费，识别一张图片可能收费几毛钱到一块多不等，十本古籍假设平均每本有100页图片，总共1000张图片左右，费用大概在几百元到上千元。
  • 百度OCR：类似，费用也根据使用量动态计算，大致也在几百元到上千元范围。
    4. 总结：
• 对于古籍OCR转换，可以选择开源的Tesseract并结合人工校对，但可能需要花费较多时间和精力来保证一定的准确率。商业的阿里云OCR或百度OCR等服务能提供较高准确率，但有一定成本。如果对准确率要求较高且希望快速完成转换，商业服务是较好的选择；如果预算有限且有一定技术能力进行人工辅助，开源方案也可行。

希望以上解答对您有所帮助。如果您有任何疑问，欢迎在评论区提出。