genealodzy.pl

Dzień dobry,
to będzie z mojej strony pytanie a nie rozwiązanie.
Chciałbym przeskanować lokalnie na dedykowanym małym komputerze (i7,18 GB ram,Linux) na początek ponad 800 skanów z gminy Buk (Wlkp). Próbowałem przez Ollama/Kraken,potem Easyocr i Tesseract z modelami lat i script lat.
Wszystko do bani.Mielił po parę godzin za każdym razem a efekty bardzo kiepskie, praktycznie żadne.Szukalem tylko konkretnego nazwiska i jego odmian wśród tekstu metryk.Potem planowałem oddzielną analizę wyników.
Czy ktoś ma pomysł oparty na doświadczeniu czy pozostaje mi trenowanie modelu ręcznie?

Zakładam, że masz dostęp do Gogle wyszukiwarka.
tam jest krzyżyk i po prawej AI. od kilku miesięcy podsyłam AI zdjęcia w różnych językach[ łacina niemiecki rosyjski, polski]. Fakt należy mieć dość dobre skany. Tutaj należy użyć polecenia
,, Odczytaj linia po linii. Przetłumacz na polski."
Czytam , że masz Linuksa nie znam tego sytemu i dedykowanego mu oprogramowania.
........................
Kolejny fakt 800 stron to w sumie sporo.
Oczywiście należy AI douczać czytania nazwisk ale jak masz zdjęcie to możesz go poprawiać.

Oczywiście,dla pojedynczego aktu to tak robię,na przykład gdy leżę w łóżku z telefonem w ręku.
Sprawa jest bardziej skomplikowana,gdy chodzi o duża liczbę aktów a mój projekt to szukanie pojedynczego nazwiska i jego odmian.
Pozdrawiam
Marek

Trzeba użyć AI do OCR'a - proponuję Gemini 3 Flash Preview - trzeba płacić, ale nie są to wielkie kwoty - ja np. płacę za rozpoznanie informacji na jednym akcie od 0,001 do 0,004 centa (ale to jeden akt, nie skan!)
Koszt zależy od 2 czynników:
- gęstości zapisu na skanie (czyli ile tekstu jest na skanie) - tu koszt to tokeny wejściowe, zwykle tańsze
- ilości informacji zwrotnej - tu koszt to tokeny wyjściowe

W AI Google Studio możesz sobie potestować prompt, skuteczność i sprawdzić koszty.
Natomiast jak się zdecydujesz na takie rozwiązanie to zlecasz AI napisanie programu w (np. python), który dla każdego pliku skanu w katalogu (skany musisz mieć na dysku) wywoła API AI z promptem, odbierze wynik i zapisze.

Jeżeli prompt byłby w rodzaju:
https://zapodaj.net/plik-6p9QU0fYwK

to koszt Google pokazuje $0.000594 (no trzeba doliczyć VAT).
Ja korzystam z openrouter.ai - bo od razu pokazuje koszty i działa na zasadzie pre-paid.

Oczywiście to AI i nie ma pewności, że każdy skan prawidłowo przetworzy, ale z moich doświadczeń wynika, że możesz liczyć na skuteczność ok. 90%

Nie jest to rozwiązanie lokalne w pełni, jeżeli ma być w pełni lokalne to musisz mieć kartę graficzną NVIDIA tak z 12-24GB VRAM i użyć modelu Qwen3.6 jak największego - ja użyłem qwen3.6-27b-nvfp4 i zadziałał poprawnie dla takego samego przypadku jak na zdjęciu.
Ja mam kartę graficzną, ale i tak używam API Gemini - bo wyniki są zdecydowanie lepsze i szybsze odpowiedzi, a koszt akceptowalny.

pozdrawiam
Sergiusz

Coś takiego robiłem na Ubuntu (choć system w przypadku użycia SI nie musi mieć znaczenia) na początku roku. Wszystkie skany na dysku. AI (wtedy to było Gemini) samo napisało sobie skrypt w pythonie i przez API skanowało. Najpierw na kilku aktach "ręcznie" w wersji w przeglądarce razem z SI dopracowalismy prompt. Wynikiem był plik - arkusz kalkulacyjny, który oczywiście zawierał błędy, ale wtedy masz już jeden plik, który łatwo się przegląda (ja w ten sposób indeksowałem, bo miałem już do zrobienia tylko porównanie ze źródłem, a w moim przypadku i w przypadku moich akt SI miała problem głównie z datami, więc pracowało się szybko). Do tego samo SI może go sprawdzić. W ten sposób uważam, że bez problemu znajdziesz to, co chcesz.
Na początku roku API do google oferowało darmowe API do kwoty 1200 zł. To bardzo dużo i do tej pracy wystarczyło chyba kilkadziesiąt złotych. SI wciąż jest na pozomie, na którym wiele zależy od jakości materiału źródłowego. Jeśli księgi były pisane wyraźnie i skany są zrobione poprawnie, to wyniki mogą być świetne, ale wciąż jest to narzędzie niedoskonałe. Na początku roku Gemini było super, teraz korzystam z Claude Code i sobie chwalę.

Powodzenia!