藏文印刷體： 烏金體，又稱有頭體

摘要：

• （1） 藏文屬于拼音文字，基本字符由30個輔音字母和4個元音字符組成，其組成的現代藏文音節字數為592，包含572個藏文字丁。
• （2）OCR 系統 通常以字丁為單位進行識別，根據部分論文的不完全統計1000份圖片文檔覆蓋的字丁數大概為100個左右，
  因此，保守估計，全面覆蓋字丁數，至少需要6000張文檔標注。
• （3）藏文標注時容易出現輸入編碼不統一的現象，需要在標注前提前統一。

1. 基本組成單元

1.1 基礎字符 character

藏文屬于拼音文字，由30個輔音字母，和4個元音字符組成。 這些字符按照一定的拼寫規則構成了藏文的音節字。

1.2 增加字符

為了滿足語言翻譯或者語言發展變化的實際需要，輔音和元音在原有基礎上有所增加，增加后的輔音字符達到41個，元音字符達到15個

• 增加的方式：
  （1） 反寫
  （2）組合
  （3）添加輔助符號

1.3.其他字符

除了上述字符外還包括：數字符號，標點符號，變音符號，篇章符，敬重符，吟詠示意符，吟誦會意符，占星符合裝飾符。

2. 藏文的音節字 syllable

每個音節必須包含一個基字，基字可帶前置、上置、下置、后置和再后置字母。

現代藏文音節字的總個數為592，藏文字丁總數為572 （一個音節字按照中間縫隙切開，則該字符分成了 4個字丁）
OCR系統，多以字丁為單位。

3. 書寫形式：

書寫形式分印刷體的有頭字和手寫體的無頭字兩種；
還有一種從無頭字衍化而成了草書，它連筆較多，與有頭字差別較大。行款自左向右橫書，使用專門的標點符號
很多字母連寫，中間會加入很多音節點，類似英文里的空格。

4. 藏文識別的難點：

• （1） 藏文具有很多相似字符, 很多基礎輔音字符差異很小，帶來識別難度，需要增加標注數據。
• （2） 藏文獨特的疊字書寫方式，使得藏文結構的解析比較復雜，可以以字丁為單位涵蓋所有疊字結構，
  根據部分論文統計，1000份圖片文檔覆蓋的字丁數大概為100多個，因此，保守估計，全面覆蓋字丁數，至少需要6000張文檔標注。
• （3） 關于藏文識別的字符編碼問題，可能會出現同形不同碼現象（因此在標注時需要統一編碼）
  同形不同碼：由于藏文新增組合字符，不同的人在輸入時習慣不同，可能有人以整體編碼形式輸入，有人以原始字符組合輸入，導致字符編碼不同。

5. 關于工程需要解決的基礎問題：

• （1） 輸入法的選擇？
• （2） 如何獲取藏文字丁？
  藏文編碼字符集的擴充集在linux 上的實現， 中科院軟件所 https://www.weibo.com/ttarticle/p/show?id=2309404314230789669491

參考文獻

[1] 龍從軍等， 中科院軟件所，藏文編碼字符集標準應用中的問題及對策
[2] 王維蘭等， 藏文識別中相似字丁的區分研究
[3] 李永忠等，藏文印刷體字符識別技術研究
[4] Rowinski Z, Keutzer K. Namsel: An Optical Character Recognition System for Tibetan Text[J]. Himalayan Linguistics, 2016, 15(1).

相關網站：

[1] 藏語雙語網 http://www.zanghansy.com/xzy/
[2] 藏語語言文字 http://mzw.qinghai.gov.cn/jjwhjy/wh/cc4b0e43_d93a_4b5c_89eb_ee5104cbf692.aspx
寫自定義目錄標題)

總結

以上是生活随笔為你收集整理的藏文印刷体： 乌金体，又称有头体的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。