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

/ O1 f# I6 H& u" d- r

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：

1 W* b9 V  D: N! q1 `+ O

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

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
, x( u' B! s6 Z- m
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 R$ w5 x" z2 J


' T2 }$ Y  w- d又有帽子又有尾巴
# @9 w6 {( Q" C( B( s8 n7 o
  I$ v# V9 }" U* f& `; `: x汉语拼音那么简单的，都没见到OCR全对的呢

leescott

. _9 S7 k" u% P. n6 `# c
FineReader和 TESSERACT可能比较好。
+ j2 b/ X, w1 w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。

, ^/ H- D" c6 `4 A$ P参考https://www.pdawiki.com/forum/fo ... id=41387&extra=
& q) S, i+ z$ \$ T

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，
" l6 S" L8 p  H登入、下载就识别训练一下，
$ V. v9 V0 B/ G/ N" Z( X- k3 k这样参与的人就多了。