AI+OCR赋能古彝文数字化—让经典重新跳动_ocr在古籍数字化中的应用

1️⃣ 彝文与古彝文概况

文化是一个民族社会历史发展到一定程度的产物，代表着文明发展的程度，而文字是文化的一种载体，文字的出现是社会进入文明阶段的重要标志之一，其生动记录着一个民族的智慧成果，深刻反映着一个民族的发展历史，集中体现这一个民族的文化。

中国远古时代的彝族，是相当庞大的部落族群，其生息的区域，从西部、西南部往中原地区延伸到东海之滨，以刻划文字和十月太阳历为标志，可追溯达万年历史的古彝人，对世界本源、人类发展史的认识，都达到了极高的程度，中国的文明史时序，由此向前推进了一大步。

古彝文字义对照图（网络资料+邵文苑供图）

邵文苑：古彝文数字化项目发起人，上海大学社会学院人类学民俗学研究所讲师

彝文是彝族先民在长期的生产、生活实践中长期孕育、逐步提炼的文化产物，在漫长的历史发展之中薪火相传，生生不息。而古彝文指的是在民间流通使用的原生态彝文，根据《滇川黔桂彝文字集》，这些文字多达87046字。彝文起源于何时，尚未有官方的定论，有学者认为，原始古彝文的创制和出现时间大致可推算为7000—10000年或以上。

以国内外相关考古研究与学术研究成果为参照，以世界古文字珍稀遗产评鉴体系为依据来评价古彝文：

• 文字生命力：古彝文出现时间大致可推断为七千到一万年或以上，彝文经过漫长的岁月洗礼仍保留着大量的原生性特征；

• 文字影响力：中国29个省市自治区都发现了古彝文刻划符号，具有极大影响力；

• 文字文化力：古彝文文献数量较多、体量较大、底蕴深厚、内容丰富、体制完善而成熟；

• 文字传承力：彝族人口众多，生活地域广袤，有深厚的文化地域，为古彝文的传播提供了广泛而稳定的群众基础。

综上所述，古彝文中蕴藏着彝族数千年灿烂文明成果，是中华民族传统文化的重要组成部分，具有鲜明的民族个性和顽强的生命力，古彝文是彝族、中华民族乃至世界的文化瑰宝，建立古彝文OCR识别模型，可以很好地完成古彝文文献的识别预处理操作，缩短古文典籍研究周期。对古彝文的数字化保护有助于理解尚未被翻译成汉文、用字尚未规范化的古籍，更深层、透彻地作用于传统文化保护。

2️⃣ 古彝文数字化的重难点分析

2.1、古彝文典籍残缺难以识别

彝文的传承一直以手抄的形式为主，由族中的毕摩代代相传，由于战火与自然风蚀的洗礼，很多彝族文献遭到破坏和流失，存在缺失、污渍、笔墨污染、模糊、印章噪声干扰，目前, 从各地收藏单位收集到彝文古籍文献来看，纸质文件存在泛黄变脆，甚至出现残边、虫蛀等损毁问题; 一些碑刻、木刻的古彝文也由于长期的侵蚀，字迹出现了模糊, 腐蚀等情况，这对古彝文典籍修复、文本检测、文字识别带来极大困难。

毕节市彝文文献翻译研究中心展示古籍修复原件（陈宗玉供图）