Цель проекта

Разработка процесса автоматизированной обработки отсканированных старинных книг (около 300 страниц каждая), включающего улучшение качества изображений, точное распознавание текста, транскрипцию и адаптацию на современный русский язык.

Этапы обработки

1. Улучшение изображений

• Применение ИИ для апскейла (увеличения разрешения) сканов, повышения читаемости без искажения форм букв, переносов строк и структуры страницы.
• Запрещено изменять или модернизировать символы.

2. OCR-распознавание

• Использование нескольких OCR-движков с поддержкой церковнославянского и дореформенной кириллицы.
• ИИ-валидация результатов.
• Обязательное сохранение строк, переносов и всех знаков оригинального текста.

3. Транскрипция

• Полное соответствие оригиналу: символ в символ, строка в строку.
• Формат Unicode.
• Без исправлений и нормализации текста.

4. Адаптация на современный русский язык

• Перевод в современную орфографию и пунктуацию.
• Без художественного перевода.
• Сохранение исходного смысла текста.

Выходные форматы

• DOCX или PDF с текстом на современном русском языке.
• DOCX, PDF или TXT с оригинальной транскрипцией в Unicode.
• PDF-макет, визуально идентичный оригиналу: сохранение структуры страниц и шрифтов, но с текстом на современном русском языке или в Unicode.

Дополнительные требования

• Поддержка книг до 500 и более страниц.
• Пакетная обработка (возможность запуска сразу нескольких книг).
• Возможность повторного запуска отдельных этапов (например, только OCR или только адаптация).
• Контроль качества: автоматическая проверка всех страниц + выборочная ручная валидация 5-10% страниц.