文献手写识别与编校台

版面过滤与精度说明

启用“严格版面过滤”后，系统会先拆分双页扫描，查找红色、绿色或浅灰色横线区域，跳过空白页、封面和没有横线格子的照片页。红线端点左右各保留约 4% 的越界容差，稍微写出边框的正文仍会识别；更远的页码和边注会忽略。新版只移除彩色横线像素，不再擦除整行，以免把压在线上的笔画一并切断；正文按横格逐行识别，插图区域中孤立、文字体系不符或缺少连续正文结构的结果会被拦截。

v2.4 支持最多 100 页、250 MB 的 PDF，但为了避免浏览器长时间无响应，每次只处理连续的 20 页。完成一批后可以选择下一批，已经识别的页会保留并按原页码合并；每页完成后页面都会更新进度并释放该页的渲染资源。

系统会分别识别原图和增强图；同一横格出现两个候选时，依据文字体系、模型置信度、有效字符数和双路一致性选择结果，并在两路不一致时提示重点复核。这会增加处理时间，但比单次识别更稳。倾斜、折痕、破损、透印、浅色笔迹、黑色扫描边框和遮挡仍可能降低识别率。

自动优化稿的本地部分负责断行合并、段落、标点和缺失编号占位。真正根据上下文把误识词改成通顺句子，需要在网站后台配置 window.HANDWRITING_EDITOR_ENDPOINT 指向安全的语言模型服务；页面已预留接口，并要求服务逐条返回修改位置、改前、改后和理由。没有配置服务时，页面不会把猜测当成事实自动改字。

中文和英文使用包含手写能力的 PP-OCRv5 浏览器模型。藏文暂时没有可直接替换的通用高精度手写模型，当前只保留独立实验通道、合规藏文字体和 Unicode 校验；真正投入工作室使用前，需要用实际藏文手稿与人工转写样本训练或微调专用 HTR 模型。页面百分比只是模型内部置信度，不是经人工标注样本计算的真实准确率。