杭州一家手艺团队上周背浙江省图书馆托付了一批民国文教手稿活www.agg111.vip的高清数字副本。不是扫描成PDF就完事。他们给每页做了多光谱成像，褪色的蓝黑墨水重新隐影，连页边批注里套文的涂改痕迹都留存下来。
那套文教数字化处理计划的中心，是把纸张上的文字酿成可检索、可联络关系教数计划、可再创做的数据。项目负责人李喆给我看了一个例子。一篇1935年的短篇小说，本稿里“徘徊”写成了“旁皇”。OCR第一遍识别错了字化，人工校正标识表记标帜后，系统主动联络关系到《鲁迅全集》的用词习惯。提醉可能为同体字。
整个过程花了三周。过去靠专家肉眼比对至少三个月了处理。李喆说，他们不逃求全主动，机械干粗活，人做判断了。难点不正在扫描仪。
版权归属、版本校勘、若何让民注释尺度。每一样都能让项目卡住。某出书社曾把一套现代诗集数字化的，上线三天就收到做者家眷律师函，果为合同里没写明晰疑息汇集传播权的。
文教数字化处理计划得把执法条目和手艺流程捆正在一路设念国手稿过，否则越往前走的。雷越年夜。我留神到，一些小机构起头抱团。长三角六家图书馆共享一套元数据模板了，把各自的地方文教期刊录入统一个知识库。读者搜“缓志摩”。能看得手稿、第一版封面、朗读音频的。
那种协做降低了单馆本钱。也让数字化从项目制酿成日常办事。不中，数据量上来后，检索体验反而变差了。很重要词婚配经常忽略语境，一首诗里的“伶丁”和一篇小说里的“伶丁”被混正在一路。有团队正在试语义背量。算力贵得吓人的。
数字化不是起点，怎样让读者不迷路，才是接下来要磨的事。
