OCR ו-HTR לעברית היסטורית

מנועים מן המדף מספיקים לדפוס עברי נקי אחרי 1850. כל השאר — דיו דהוי, רש״י, יד רבנית, פריסות עברית–ארמית–יידיש — הוא פרויקט מחקר, לא רכישת תוכנה. MF Smart Research מאמנת ומפעילה זיהוי על החומר שלכם, ומחזירה טקסט בר-חיפוש עם העמוד המקורי לידו.


למי זה מיועד

  • ארכיונים, ספריות ומוזיאונים עם כתבי-יד עבריים, דפוס רבני, רשומות קהילה או עיתונות מתפוררת, ש-OCR גנרי מחזיר מהם רעש.
  • אוניברסיטאות וחוקרים שצריכים תמלול שניתן להגן עליו — כל תו מיוחס לעמוד — לא פרפרזה סבירה.
  • משפחות וחוקרים עצמאיים עם ארגז מכתבים, פנקס, או סדרת כתבי-עת בעברית, שרוצים תשובה כנה לפני התחייבות לדיגיטציה מלאה.

אם האוסף מודרני, מודפס, עמודה אחת, עברית תקינה — אמרו זאת בשיחה. ייתכן ש-Tesseract או Transkribus מן הקופסה הם הכלי הנכון, וההמלצה הכנה היא להשתמש בהם בלי אותנו.


איך נראית שיחת 30 הדקות

זו שיחת הגדרת ההיקף החינמית שמתוארת בדף האודות, לא הפיילוט.

הביאו (או שלחו מראש) כמה עמודים מייצגים — כולל הקשים, לא מדגם מנוקה. בתוך שלושים דקות:

  1. אומרים מה העמודים באמת (דפוס מול כתב-יד, מאה, פגיעה, מבנה, ערבוב שפות).
  2. מעבירים את אותם עמודים בשלושה מנועים ומסתכלים על הפלט ביחד.
  3. חולקים ציוני ביטחון כפי שהם, בלי אחוז דיוק גלובלי.
  4. אומרים אם AI הוא הכלי הנכון בהיקף שלכם — כולל "עוד לא", או "פלטפורמה תספיק".

אם העמודים נראים בני-ביצוע, השלב הבא הוא פיילוט חינם על האוסף עצמו — לארגונים: 100 מסמכים, 10 תצלומים ו-5 סרטים, בלי הגבלת זמן; ליחידים: 10 פריטים חינם. התוצאות כוללות שיעורי שגיאה וציוני ביטחון. ייצור מתחיל רק אחרי זה.

כתבו אל [email protected] בנושא "בקשת ייעוץ", או השתמשו בטופס באתר בעברית.


במה זה שונה מ-Transkribus

Transkribus (READ-COOP) היא פלטפורמת HTR מקצועית: ענן, תמחור לפי עמוד, ממשק אימון שאנשים שאינם מהנדסים יכולים להפעיל. מדריך ה-OCR לעברית 2026 באתר הזה כבר אומר את זה במפורש: Transkribus הוא הבחירה הנכונה כשצריך לערב אנשי מקצוע שאינם מהנדסים בלולאת האימון והביקורת. יש בה מודלים גדלים לעברית/יידיש שתורמת הקהילה.

MF Smart Research אינה מוצר HTR מתחרה.

מה אנחנו עושים על Transkribus (ועל Kraken/eScriptorium, ועל צינורות טרנספורמרים מותאמים כשהחומר דורש):

  • מחליטים אם Transkribus היא הסביבה הנכונה לאוסף הזה, או שהשבר הקשה צריך מעבר מותאם.
  • ניתוח מבנה, דגימת אמת-יסוד שמעדיפה את 20% הקשים, אימון מודל, ותור ביקורת מונע-ביטחון — לא בדיקה אקראית של 30%.
  • מודל לכל אוסף. דפוס וילנא מסוף המאה ה-19, דפוס לאדינו מסלוניקי בשנות ה-20, ויד רבנית בליטא של המאה ה-18 הם שלוש בעיות שונות.
  • מסירה בפורמטים סטנדרטיים, אל הקטלוג שכבר עובדים בו. אנחנו לא לוקחים משמורת על הטקסט.

אתם נשארים עם פרויקט ה-Transkribus. אנחנו מפעילים ומאמנים על החומר שלכם. הטיעון המלא: פלטפורמה מן המדף או צינור מותאם.


מה בדרך-כלל יש בעמודים

מתוך עבודה שכבר מתוארת באתר:

  • דפוס עברי, כולל טיפוגרפיה רבנית מהמאה ה-19.
  • כתב רש״י (מודלים מן המדף מתקשים; מודל Transkribus מאומן הוא הנתיב המתועד).
  • מכתבים אישיים בכתב-יד עברי, המאה ה-20.
  • יד רבנית, המאות ה-18–19; כרכים עם כמה סופרים דורשים מודל לכל יד.
  • פריסות מעורבות עברית–ארמית–יידיש, הערות שוליים, דליפת דיו, חלודה, דיו דהוי.
  • פנקסי קהילה — ראו את הדף פענוח פנקסי קהילה.

מספרים ממדריך 2026, להתמצאות, לא כהצעת מחיר לאוסף שלכם:

חומר מן המדף אחרי 500 שורות אימון אחרי 5,000 שורות
דפוס עברי מודרני נקי 95–98% 98–99% 99%+
דפוס רבני מהמאה ה-19 70–82% 92–96% 97–99%
מכתב אישי בכתב יד עברי, המאה ה-20 30–55% 80–90% 93–97%
יד רבנית, המאות ה-18–19 15–35% 70–85% 90–95%
לאדינו ברש״י 40–60% 85–93% 95–98%
פנקס קהילה עם כמה ידיים 20–40% 65–80% 85–93%

ספק שמדווח 96% בלי להראות את מאגר הבדיקה — מבלף. אנחנו לא מוסרים "פחות או יותר את מה שכתוב". אנחנו מוסרים את מה שכתוב, עם ביטחון, עם המקור לידו.


אחרי שיש טקסט

OCR הוא הקלט לשלבים הבאים: זיהוי שפה לכל אזור, חילוץ ישויות, קישור ישויות, אינדקס חיפוש. OCR גרוע מזהם את כל זה בשקט. אם המטרה היא כלי מחקר ולא PDF, אמרו זאת בשיחה.

קריאה קשורה באתר: OCR לעברית 2026: השוואת מנועים, כשהמודל לא בטוח, זיהוי כתב-יד בכתבי-יד היסטוריים.


דברו איתנו

בקשת ייעוץ ראשוני בן 30 דקות, ללא תשלום. הביאו שלושה עמודים קשים.

[email protected] · טופס יצירת קשר

MF Smart Research נוסדה על ידי מתי פרנקלזון, חוקר, ארכיונאי ודוקטורנט בהיסטוריה.