各位佬们，我手头有一批古老的的汉文报纸扫描件需要做数字化处理，遇到几个比较棘手的问题，想请教大家有没有成熟的方案或工具推荐。 报纸文字特征： 字形不统一：繁体、简体、旧字形 / 俗字混用，介于港台繁体和大陆规范简体之间； 排版方向混排：同一版面上有竖排从右往左（照片说明、大标题），有横排从右往左（老式横排正文），也有横排从左往右（广告、后期内容）； 印刷质量一般：扫描件墨色不均、字号偏小，照片、广告、正文混排； 专有名词多：人名、地名、机构名、通讯社电头等需要准确。 我的需求： 准确识别全部文字内容，并转成规范简体中文，尽量保留分栏分段结构。 目前试过的： 通用 OCR（手机截图识字、普通网页 OCR）对竖排和老式横排方向判断经常出错，繁简转换也不准，错字率比较高。 想请教： 这类老报纸有没有专门的 OCR 工具或模型推荐？（本地可部署最好，云 API 也可以） 排版方向混排大家是怎么处理的？分栏切割后单独识别，还是有自动判断方向的方案？ 繁简转换用什么工具比较靠谱？旧字形 / 俗字怎么处理？ 有没有类似的批量处理脚本或工作流可以参考？ 报纸量级大概几百版，如果有可复用的流程就最好了。谢谢大家！ 2 个帖子 - 2 位参与者 阅读完整话题

  • 情报分类：硬件与数码
  • 分类依据：内容涉及硬件、数码产品或通信卡
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/14 10:29:13