27.10.26 (inclusive)

денежное

MVP

ICT tasks

Media sphere

Information processing and transformation

Software/ IS

В архиве хранятся документы советского периода и более поздние: описи дел, акты, учётные карточки, дипломы и свидетельства, протоколы. Значительная часть заполнена от руки. Печатные документы уже распознаются (развёрнут OCR на базе Tesseract/OCRmyPDF с казахским, русским и английским языками). Рукописные остаются «слепой зоной»: они оцифрованы как изображения, но их содержимое недоступно ни поиску, ни выборкам, ни проверке. Требуется программное решение, которое: 1. принимает скан страницы архивного документа; 2. находит на ней рукописные фрагменты и разбивает их на строки и слова; 3. распознаёт текст на казахском и русском языках, включая специфические буквы казахского алфавита (ә, ғ, қ, ң, ө, ұ, ү, һ, і); 4. возвращает текст с оценкой уверенности, чтобы оператор проверял только сомнительные места, а не весь документ; 5. работает **полностью локально**, без передачи документов во внешние облачные сервисы. Требование локальности — не предпочтение, а ограничение: архив содержит документы ограниченного распространения, их выгрузка в стороннее облако недопустима.

**Прямой.** Рукописные документы архива становятся доступны поиску. Сейчас оператор, чтобы найти дело, просматривает сканы глазами — автоматический поиск по ним не работает в принципе. **Измеримый.** Ручной ввод содержимого рукописной описи занимает у оператора порядка 15–20 минут на страницу. Решение сводит работу к проверке и правке размеченных сомнительных мест. **Качественный.** Снижение ошибок ручного переноса данных и исключение пропусков при комплектовании. **Отраслевой.** Казахский язык относится к языкам с ограниченным объёмом размеченных данных. Размеченный набор архивного рукописного казахского и обученная на нём модель — заделы, которых сегодня в открытом доступе нет, и они применимы за пределами одного архива.

Кусаинов Чингиз