eScriptorium

eScriptorium es una plataforma para la segmentación manual o automatizada y el reconocimiento de texto de manuscritos e impresos históricos .

El software es un software de código abierto desarrollado en la Universidad de Ciencias y Letras de París como parte de los proyectos Scripta ^{[ 2 ]} y RESILIENCE ^{[ 3 ]} con contribuciones de otras instituciones, financiado en parte por el programa de financiación Horizonte 2020 de la UE y una subvención de la Fundación Andrew W. Mellon .

Las páginas escaneadas de manuscritos e impresos se pueden importar a eScriptorium y exportar como texto en varios formatos (texto, ALTO o PAGE XML , TEI ). Las áreas de texto con líneas de texto en las imágenes se reconocen primero de forma manual o automática (segmentación). Luego, las líneas de texto se transcriben de forma manual o automática. ^{[ 4 ]}

Tanto la segmentación automática como el reconocimiento de texto pueden entrenarse utilizando ejemplos creados o corregidos manualmente ( datos de referencia ). Los nuevos modelos creados de esta manera pueden compartirse con otros y, por lo tanto, reutilizarse fácilmente. ^{[ 5 ]}

eScriptorium está construido sobre el software OCR gratuito Kraken de Benjamin Kiessling, un derivado del software OCRopus , que es adecuado para textos manuscritos e impresos y también admite escrituras como el hebreo y el árabe, que se escriben de derecha a izquierda. ^{[ 6 ]}

Los programas comparables que ofrecen funciones similares a eScriptorium son OCR4All ^{[ 7 ]} y Transkribus .