Microaula em Método CELULA • Prévia Aberta

<p>Projetos acadêmicos transcrevem milhares de cartas antigas em arquivos de texto plano (.txt ou .docx) sem nenhuma marcação semântica de datas, nomes de pessoas ou locais, impossibilitando buscas estruturadas e preservação digital futura.</p>

O fluxo de preservação digital: captura em alta resolução (TIFF/RAW sem perdas), calibração de cor e metadados de preservação. Reconhecimento Óptico de Caracteres (OCR) para textos impressos (Tesseract OCR) e Reconhecimento de Texto Manuscrito (HTR - Handwritten Text Recognition com Transkribus e Kraken). O consórcio Text Encoding Initiative (TEI) e o padrão internacional TEI/XML: a tag teiHeader (metadados do documento, histórico de edição, proveniência) e a tag text (divisão estrutural em div, p, persName, placeName, date). Esquema de Metadados Dublin Core (15 elementos essenciais).

OCR e HTR: Da Imagem ao Texto Editável

Automatize a transcrição de acervos impressos e manuscritos raros.

• Tesseract OCR: padrão aberto para digitalização de impressos com alta acurácia
• Transkribus: modelos de inteligência artificial treinados para reconhecer caligrafias manuscritas de séculos passados
• A taxa de erro por caractere (CER) e o processo de pós-correção h...