如何正确地OCR识别出音标避免乱码？

starmars

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

/ C8 V3 l/ t2 s' O+ E5 @* \2 {

leescott 发表于 2020-9-28 17:41
7 A  a6 E; j- z+ H/ a: jFineReader和 TESSERACT可能比较好。
# e" l( M9 L5 R- M+ H6 Q: b/ L下面最后有篇文章，用FineReader 。
https://www.researchgate.net/po ...

& r7 Y5 Y! H8 P' I2 b+ ]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：
, m2 R! a3 L; A# ?) q
: @7 D  @+ G2 h' e. _7 o

; G) ?. m# P: K试了多个配置，/ʃəs/ 就是不能识别，/ʃəs/ 有多常见大家都知道
/ B- r% W8 e6 f/ V6 Z
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

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

解决不了
8 R0 t! m4 S0 a: F7 z! i( H
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：
7 a9 k; ^6 e; o5 [, ?& \
) e8 W9 O; h4 U% T8 t; w* W

又有帽子又有尾巴

& O. O) a# `* I汉语拼音那么简单的，都没见到OCR全对的呢

leescott

3 C* h2 F  S; I1 c" k
FineReader和 TESSERACT可能比较好。
下面最后有篇文章，用FineReader 。
: r/ i; X% J8 R" q7 ]- J. Whttps://www.researchgate.net/pos ... honetic_IPA_symbols
5 I  i" g# K$ i1 m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。

. V4 ?( i5 e/ \参考https://www.pdawiki.com/forum/fo ... id=41387&extra=
  y- ^( N6 U7 Q6 @- K& n9 F, [

ubersoft

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

如果能用成 reCAPTCHA 的形式，
9 a  T$ m: c; m) U" W' x/ f' ^" k登入、下载就识别训练一下，
% d0 s+ z+ a/ x; H5 G9 d这样参与的人就多了。