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

2 V9 b% v6 F( |( z# M4 _3 B; o

leescott 发表于 2020-9-28 17:41
, P- n) _$ }2 u! Z6 Z0 aFineReader和 TESSERACT可能比较好。
( Z( Q- }$ i* T; Z5 C9 X下面最后有篇文章，用FineReader 。
$ I6 L3 D( W. Chttps://www.researchgate.net/po ...

8 c8 Q) b2 D/ z& {  l1 g: u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：
1 @) z5 \% G8 G3 Y6 s$ C
$ d8 w2 H% F" x
6 E0 ~9 i* t% \; p. _" S
试了多个配置，/ʃəs/ 就是不能识别，/ʃəs/ 有多常见大家都知道
, n: }! f; y# e7 l) x
% D+ {5 ~% O! G# Q! A& |! f9 r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
9 @$ d  m& f# m; J( e" R
# [6 B: z5 o  c* K' M3 B/ ]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：
. o5 u5 U/ e& A# J8 [

- L7 A  ]( u; o' F: g
+ A/ J2 M) b: w! V8 W$ K又有帽子又有尾巴

3 P, }) K2 _9 W9 T汉语拼音那么简单的，都没见到OCR全对的呢

leescott

  P: V6 Q% j, D, q- a, t" ]8 O2 ]
! d1 c/ j  J$ L- j% u$ L; AFineReader和 TESSERACT可能比较好。
: \% S# U9 G8 M( i下面最后有篇文章，用FineReader 。
$ v7 N" x8 r# U" y. lhttps://www.researchgate.net/pos ... honetic_IPA_symbols
- G/ d6 w5 s# L9 X: ]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。

/ A+ u1 a- _5 ~# u/ V参考https://www.pdawiki.com/forum/fo ... id=41387&extra=

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，
登入、下载就识别训练一下，
这样参与的人就多了。