のぐさん
『ミシュカ』を３分割してテキストデータを送りました。
・92ページ4行目「ききかえました。」は「ききかえしました。」の間違いではないかと思いましたが、原文のままにしてあります。
・136ページ２行目「ミシュカだけ、」は「ミシュカだけ。」（読点ではなく句点）ではないかと思いましたが、原文のままにしてあります。
・傍点は省略しました。
あとはOCRに関する雑談です。
２件とも自前のOCRでテキスト化しました。
ルビの自動挿入や段落処理など、きれいなPDFを送っていただいたので楽チンでした。
送っていただいたテキストをチラ見して気づいたのですが、国会図書館OCRは、カタカナの前後にある平仮名「へ」を、カタカナ「ヘ」と誤認識しやすいようです。
あと、カタカナの濁音と半濁音の誤認識も目に付きました。
例えば今回なら「パシール」を「バシール」に一括置換、「ラピット」を「ラビット」に一括置換して修正。
というように、OCRによってそれぞれ誤認識の癖？があって、その癖を掴むと、検索や置換で大半は修正できるような気がします。
＿＿＿koneco(=^--^)｡o○
Re: 麦・トンボ：『ミシュカ』送りました＞のぐさん
2026.05.21 (木) 09:55 by のぐkonecoさん
データいただきました。
ありがとうございました。
自前のOCRは何をお使いですか。
学校で使っているソフトが古くて、新しいのを買ってもらえたらと思っています。
>ルビの自動挿入や段落処理など、きれいなPDFを送っていただいたので楽チンでした。
これが出来れば大変助かります。
国会図書館のＯＣＲの半濁点濁点は気づいたのですが、「へ」と「ヘ」もですね。参考になります。
のぐ
Re: 麦・トンボ：『ミシュカ』送りました＞のぐさん
2026.05.21 (木) 22:58 by konecoのぐさん
仕事で初めて使ったOCRが「e.typist」で、今から思えば誤読満載の時代でしたが、以来、グレードアップを重ね「e.typist」一筋。
ルビを挿入する・しないを選択でき、拡大図書用テキストと自動点訳ソフト「お点ちゃん」用のテキストではルビの処理方法を変えることが可能だったり、空白や段落も原文通りに読み取ってくれるので重宝してますが、残念ながらホームユース向けのパッケージ販売は終了し、私が持っているのは最終バージョンです。
OCRのルビ読み取りについて生成AIに相談したところ
多くの日本語OCRは「ルビを無視するか、削除してから本文だけ認識する」設計になっているが、PCでお勧めは
NDLOCR / NDLOCR-Lite
国立国会図書館が公開している日本語特化のOCRです。縦書きや歴史的文書にも対応しており、ルビ付きの書籍データを大量に扱う用途を想定した設計です。
だそうです。
ありゃ！
＿＿＿koneco(=^--^)｡o○
Re: 麦・トンボ：『ミシュカ』送りました＞のぐさん
2026.05.22 (金) 09:35 by のぐkonecoさん
ありがとうございます。
「e.typist」でしたか。昔使っていました。読取革命にしたとき、ルビの処理ができないことに驚いた気がします。
AIもおすすめ、NDLOCRにもう少し慣れることにします。
のぐ