中国几千年辉煌的华夏文明，留下了海量的古籍文献资料，这些文字记录承载着丰富的历史信息和文化传承。其中，根据《滇川黔桂彝文字集》，在民间流通使用的原生态彝文——“古彝文”就多达87046字。作为一门“濒临”消亡的语言，其典籍的数字化之路也面临着巨大的挑战。
近期，合合信息联合上海大学、华南理工大学发布业内首个古彝文基础编码数据库，针对现有的《西南彝志》、云贵一带字符，以智能图像处理、智能文字识别等AI技术，对七万多个字符开展统一编码并编制成精简的字典，帮助人们降低古彝文书籍、文献阅读的门槛，是古文字数字化的重要成果之一。
古彝文典籍编码、识别过程(图源：西南彝志)
据了解，本次构建古彝文基础编码数据库建设中的学术性、技术性难点主要有两个方面：一方面是文字符集庞大，且缺乏成熟的手写样本库，异体字、变体字丰富，字符和释义呈“一对多、多对一”的常态;其次是文字大多被记录在岩书、布书、竹简等不利于潮湿环境储存的材质上，造成模糊不清或残缺不全，难以直接完整提取字符信息。
图像处理对于文档处理中所涉及的文字识别等后续流程非常关键，构建古彝文“大字典”需要解决的首要问题就是在文字识别之前的低质量图片资料处理。在古彝文语料收集过程中，研究团队选取合合信息旗下的智能扫描产品“扫描全能王”作为古籍图片采集工具。
扫描全能王“智能高清滤镜”古籍扫描效果(图源：西南彝志)
扫描全能王的“智能高清滤镜”功能基于AI技术及智能扫描引擎，自动检测图像中存在的问题，智能判定图像的优化方式，实现模糊、阴影、手指、屏幕纹等干扰因素一键处理。对于污渍、残破的彝文古籍，只需用“智能高清滤镜”轻轻一扫，即可得到一张清晰、平整的图片，减轻后续图片处理工作，缩短内容识别、编码的操作周期。
值得一提的是，合合信息在智能文字识别领域已有多年深耕经验。此前公司已在AI识别甲骨文、西周钟鼎文(金文)领域进行了领先的探索和研究，为此次古彝文识别工作积累了重要经验，并奠定了良好的技术基础。其相关项目曾获得央视、新华社、《人民日报》等多家主流媒体的关注。
文化数据要素和人工智能技术的融合，已经成为文化�；び氪械男峦揪�，合合信息在未来也将继续用技术服务，让更多优秀文明成果被看见，推动文化数字化战略的有效实施和文化产业的高质量发展。
(新媒体责编：wa12)
声明：
1、凡本网注明“人民交通杂志”/人民交通网，所有自采新闻（含图片)，如需授权转载应在授权范围内使用，并注明来源。
2、部分内容转自其他媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。
3、如因作品内容、版权和其他问题需要同本网联系的，请在30日内进行。电话：010-67683008
人民交通24小时值班手机：17801261553 商务合作：010-67683008转602 E-mail：[email protected]
Copyright 人民交通杂志 All Rights Reserved 版权所有 复制必究 百度统计 地址：北京市丰台区南三环东路6号A座四层
增值电信业务经营许可证号：京B2-20201704 本刊法律顾问：北京京师（兰州）律师事务所 李大伟
京公网安备 11010602130064号 京ICP备18014261号-2 广播电视节目制作经营许可证：（京）字第16597号
