Buchmacher-Treff: Small Talk & Diskussionen

[doubleshuffle]

Originally Posted by mmat1

Gimp ?

Auweh !

Also, ich arbeite mit PhotoFiltre

Ich auch. Ist wunderbar für Leute, die keinen Kurs in Gimp belegen wollen. Im englischsprachigen Teil von MR hat jemand mal sehr schön bemerkt, dass die "learning curve" von Gimp wohl eher "vertical" sei. Das fand ich zutreffend. PhotoFiltre tuts für meine Zwecke völlig. Paint habe ich noch nicht ausprobiert, obwohl es auf meinem PC bestimmt irgendwo rumschwirrt.

[Spinnenmonat]

Originally Posted by pynch

Gab es eigentlich nicht, ließ sich aber per Knopfdruck generieren ... Ich fänd’s jedoch durchaus sinnvoll, die Formatierung des Epubs noch mit einer Druckausgabe abzugleichen - besonders bei Gedichten (und damit du noch ein bisschen was zu tun hast).

Außerdem kann es sein, dass Gutenberg Texte hat, die hier nicht enthalten sind.

Ja Klar, die Dramen von meiner Ausgabe hat Hyperlinks, die sich sogar auf jede Szene hin richten.
Die Gedichte tun mir momentan weh. Aber ich werde noch schauen, wie ich die Digital Bibliothek Ausgabe nutzen kann. Ich gebe nichts auf, was in meinem Herzen ist.

[mmat1]

Originally Posted by Spinnenmonat

Es gibt eigentlich schon ein Epub von Hebbel!!

Wo ? Hier 'net !

[pynch]

Genau, denn da alle guten Bücher zuerst bei Mobileread auftauchen und Hebbel noch nicht hier ist, heißt das logischerweise, dass es eo ipso (oder so) gar nicht existiert!

[mmat1]

Aufgrund vielfacher Nachfrage ein kurzer Bericht zu Tessaract und OCR (Fraktur natürlich ).

Der Stolze wurde auf diese Weise verarbeitet (der zweite Band bleibt euch nicht erspart , der ist grad in Arbeit ...). Bei Gedichten fällt die negative Eigenschaft, das jede Zeile der Vorlage in einem separaten Absatz erscheint nicht ins Gewicht, im Gegenteil, das ist sogar gut so.

1. Die Vorbereitung:
Die Vorlage war ein PDF, der PDF Xchange-Viewer (Freeware-Version) war hier sehr hilfreich, die zu ocerrnen Seiten in ein mehrseitiges Tiff zu exportieren. Das Exportmenü ist wirklich sehr komfortabel, die wichtigste Einstellung ist die Pixeldichte (300 Dpi).

Ich hab die Kompression "LZW" aktiviert, das erzeugt beim ocerren eine Fehlermeldung die aber ignoriert werden kann. Ohne eingeschaltete Kompression ist der OCR-Lauf ohne Fehlermeldung, dafür die Anforderung an Speicherplatz 80-100 mal größer.

Die rund 350 Seiten des Buchs wurden in vier Pakete aufgeteilt (= 4 mehrseitige Tiff-Dateien, mit ca. ja 80 Seiten). Ob das wirklich erforderlich ist weiss ich nicht, ein bis zu 100-seitiges tiff ist jedenfalls kein Problem.

2. Der OCR-Lauf
Tessaract ausgepackt (bitte dran denken dass Sprachpakete separat erworben werden müssen) und nach Anleitung installiert. Der Einsatz erfolgt Out of the box, ohne weiteres gefummel mit folgender Batchdatei, die im gleichen Verzeichnis wie Tesseract.exe abgelegt wird:

set name=<NameDerTiff-DateiOhneErweiterung>
set verzeichnis=<VerzeichnisInDemDieTiffDateiSteht>

tesseract "%verzeichnis%\%name%.tif" "%verzeichnis%\%name%" -l deu-frak

pause

3. Das wars eigentlich schon
Die von tesseract erzeugte Textdatei wird einfach per Copy und Paste nach Sigil übernommen.

Die Erkennungsgenauigkeit lag gefühlt irgendwo zwischen 80 und 90% bei mundartlichen Passagen, bei Hochdeutsch deutlich darüber. Ein oder Zwei Seiten (von 350) wurden schnöde unterschlagen und mussten separat nochmal in 2. Lesung verarbeitet werden.

Insgesamt: Nicht rekordverdächtig, aber ich kann damit leben.

[mmat1]

Vielen Dank dafür ! Ob das für Prosa auch 'ne Option is?

Vielen Dank für Ihre Frage.

Meines Erachtens ist es auch für Prosa eine Option, allerdings die letzte. Das (manuelle) Wiederherstellen der Absätze ist m. E. aufwändiger als es scheint. Tessaract-OCR's bieten hier so gut wie keine Unterstützung. Dies sollte man bedenken. Aber probieren, wie man damit zurecht kommt, kann doch nix schaden, oder ??

Es erinnert mich an PDF-Konvertierungen, hier wird man in der Regel vor dem gleichen Problem stehen. Allerdings wird bei PDF mit Glück noch eine Leerzeile zwischen den Absätzen erscheinen, was die Chance zu einer technischen Lösung mit S&E erhöht.

[Spinnenmonat]

Wie geht's euch? liebe Engel, Spinni ist schon lange nicht hier.

[pynch]

Alle bei der Arbeit, nehme ich mal an.

Was macht denn dein Hebbel, Spinni?

[medard]

Schwer beschäftigt die Herren. Und nun tritt noch Joseph Conrad dazu. Ich bin ganz verwirrt.

[pynch]

Weshalb verwirrt?

[medard]

Ich habe nicht gedacht dass das pynch Regal in meiner Bibliothek noch erweitert werden muss. Ich sehe dort immer meine 28 Bände stehen und bin gar nicht davon ausgegangen dass es dort noch Zulauf geben wird. Ich habe die anderen Bände noch gar nicht alle ausgelesen, weisst Du. Das macht mir ein schlechtes Gewissen dann.

[pynch]

Doch, doch, da kommen noch welche – und zwei davon in näherer Zukunft (einer allerdings nur, falls mein kollaborierender Kollege nicht vom Papst entführt wurde)!

[doubleshuffle]

Dein Kollege schämt sich sehr für die lange Stille. Er hat einfach furchtbar viel um die Ohren und wurde außerdem in Rom zwar nicht vom Papst entführt, wäre aber im wg. Metrostreiks bis zum Bersten gefüllten Bus beinahe kollabiert. Das wärs dann gewesen mit dem Kollaborieren.

Etwas Geduld noch, aber dann...

[medard]

Oh. Dann werde ich wohl noch etwas Platz freischaufeln müssen im Bücherschrank. Und ein wenig zügiger voranschreiten mit der Lektüre.

[mmat1]

Originally Posted by Spinnenmonat

Wie geht's euch? liebe Engel, Spinni ist schon lange nicht hier.

Oh ja, nix los hier ...

Bin bei der Arbeit ...