中國幾千年輝煌的華夏文明，留下了海量的古籍文獻資料，這些文字記錄承載著豐富的歷史信息和文化傳承。其中，根據(jù)《滇川黔桂彝文字集》，在民間流通使用的原生態(tài)彝文——“古彝文”就多達87046字。作為一門“瀕臨”消亡的語言，其典籍的數(shù)字化之路也面臨著巨大的挑戰(zhàn)。

　　近期，合合信息聯(lián)合上海大學(xué)、華南理工大學(xué)發(fā)布業(yè)內(nèi)首個古彝文基礎(chǔ)編碼數(shù)據(jù)庫，針對現(xiàn)有的《西南彝志》、云貴一帶字符，以智能圖像處理、智能文字識別等AI技術(shù)，對七萬多個字符開展統(tǒng)一編碼并編制成精簡的字典，幫助人們降低古彝文書籍、文獻閱讀的門檻，是古文字數(shù)字化的重要成果之一。

　　古彝文典籍編碼、識別過程(圖源：西南彝志)

　　據(jù)了解，本次構(gòu)建古彝文基礎(chǔ)編碼數(shù)據(jù)庫建設(shè)中的學(xué)術(shù)性、技術(shù)性難點主要有兩個方面：一方面是文字符集龐大，且缺乏成熟的手寫樣本庫，異體字、變體字豐富，字符和釋義呈“一對多、多對一”的常態(tài);其次是文字大多被記錄在巖書、布書、竹簡等不利于潮濕環(huán)境儲存的材質(zhì)上，造成模糊不清或殘缺不全，難以直接完整提取字符信息。

　　圖像處理對于文檔處理中所涉及的文字識別等后續(xù)流程非常關(guān)鍵，構(gòu)建古彝文“大字典”需要解決的首要問題就是在文字識別之前的低質(zhì)量圖片資料處理。在古彝文語料收集過程中，研究團隊選取合合信息旗下的智能掃描產(chǎn)品“掃描全能王”作為古籍圖片采集工具。

　　掃描全能王“智能高清濾鏡”古籍掃描效果(圖源：西南彝志)

　　掃描全能王的“智能高清濾鏡”功能基于AI技術(shù)及智能掃描引擎，自動檢測圖像中存在的問題，智能判定圖像的優(yōu)化方式，實現(xiàn)模糊、陰影、手指、屏幕紋等干擾因素一鍵處理。對于污漬、殘破的彝文古籍，只需用“智能高清濾鏡”輕輕一掃，即可得到一張清晰、平整的圖片，減輕后續(xù)圖片處理工作，縮短內(nèi)容識別、編碼的操作周期。

　　值得一提的是，合合信息在智能文字識別領(lǐng)域已有多年深耕經(jīng)驗。此前公司已在AI識別甲骨文、西周鐘鼎文(金文)領(lǐng)域進行了領(lǐng)先的探索和研究，為此次古彝文識別工作積累了重要經(jīng)驗，并奠定了良好的技術(shù)基礎(chǔ)。其相關(guān)項目曾獲得央視、新華社、《人民日報》等多家主流媒體的關(guān)注。

　　文化數(shù)據(jù)要素和人工智能技術(shù)的融合，已經(jīng)成為文化保護與傳承的新途徑，合合信息在未來也將繼續(xù)用技術(shù)服務(wù)，讓更多優(yōu)秀文明成果被看見，推動文化數(shù)字化戰(zhàn)略的有效實施和文化產(chǎn)業(yè)的高質(zhì)量發(fā)展。

(新媒體責(zé)編：wa12)