Zuerst muss festgestellt werden, dass Goobi.Production über keine eigene OCR-Software verfügt. Die Aufgabe wird aber in der Produktionsvorlage angelegt, um den Status der Aufgabe anzuzeigen. Es können über Skripte unterschiedliche OCR-Dienste eingebunden werden. In der Goobi Mailing-Liste wurden einige Möglichkeiten erläutert, welche hier im zweiten Abschnitt wiedergegeben werden. Die Bearbeitung der OCR in Goobi am Beispiel der SLUB wird zuerst erläutert.
Diese Beschreibung bezieht sich auf die Einbindung der OCR in der SLUB, die folgende Konstellation anwendet:
- OCR-Service der VZG
- OCR-Manager der Firma Zeutschel
Unter diesen Voraussetzungen kann die OCR auf zwei Wegen ausgelöst werden:
In Goobi ist es möglich, dass der OCR-Schritt automatisch ausgeführt wird, sobald der vorige Schritt abgeschlossen ist. Wenn zum Beispiel die Aufgabe Erfassen der Metadaten abgeschlossen wird, wird automatisch der Vorgang an den Zeutschel OCR-Manager gesendet. Zudem wird der Status der Aufgabe OCR durchführen automatisch nach der erfolgreichen OCR auf abgeschlossen und die folgende Aufgabe auf offen gesetzt.
Um die OCR in Goobi zu starten, kann der jeweilige Vorgang mit dem OCR-Schritt unter "Meine Aufgaben" aufgerufen werden.
- Danach wird über Aktionen die Aufgabe übernommen.
- Mit dem Befehl Skript ausführen : OCR wird die OCR ausgelöst.
- Durch den Befehl Die Bearbeitung dieser Aufgabe abschließen wird die Aufgabe abgeschlossen und die folgende Aufgabe nach Beendigung der OCR auf offen gesetzt.
Achtung: Unter Filter anpassen muss in das Kästchen bei Automatische Aufgaben anzeigen ein Haken gesetzt werden.
Ist die OCR als automatische Aufgabe definiert, wird bei Statusänderungen von gesperrt auf offen der Aufgabe OCR durchführen die OCR ausgelöst. Hier muss darauf geachtet werden, dass dies nicht unbeabsichtigt ausgelöst wird. Außerdem ist das Auslösen mehrerer Vorgänge (in einer Trefferliste) in Goobi zwar theoretisch möglich, häufig wird aber eine Fehlermeldung angezeigt und nur für einen Teil der Vorgänge wird die OCR ausgelöst.
Es wird empfohlen diese Möglichkeit nicht zu nutzen.
Als Arbeitsschritt kann in der Workflowsteuerung von Goobi.Production auch einen OCR-Prozess einbezogen werden. Die OCR an sich wird nicht von Goobi.Production ausgeführt, sondern stets an ein System außerhalb der Goobi.Production-Installation weitergereicht.
Zusätzlich wird noch ein Dienst benötigt, der zwischen Goobi.Production und der OCR-Software kommuniziert. Dieser Dienst wird in der Regel Taskmanager genannt.
Als Kommunikationsschnittstellen sind bisher folgende bekannt:
- OCR-Webservice des GBV ⇒ OCR-Service der VZG
- Intranda TaskManager ⇒ OCR-Service der VZG oder andere OCR-Dienstleister
- Intranda TaskManager ⇒ Intranda ABBYY OCR Server
- zedOCR ⇒ OCR-Dienstleister
Dort ist zu lesen: Der OCR-Service wird über eine WebDav-Schnittstelle zur Verfügung gestellt und lässt sich somit online z. B. in die Digitalisierungssoftware Goobi einbinden.
- Göttinger Digitalisierungszentrum (GDZ)
- HSU Hamburg
- TU Braunschweig
- SLUB Dresden : Die SLUB Dresden verwendet den Zeutschel OCR-Manager in Kombination mit dem OCR-Webservice des GBV.
- Intranda GmbH
Eine Softwarelösung im Bereich Digitalisierung für die Steuerung von OCR-Prozessen durch einen OCR-Dienstleister.
Vom OCR-Dienstleister werden Einzelseitenergebnisse zurück gesandt und der Intranda TaskManager kann die Daten einstellen (lassen) in Form einer optionalen Dateiausgabe:
- Plaintext-Datei
- Wortkoordinaten-Datei
- ALTO-Format
- TEI-Format
- Seiten-PDF
Diese Dateien werden parallel zu den Bilddateien in einem separaten Ordner auf Goobi.Production abgespeichert. Die METS-Datei wird dabei in Goobi zunächst nicht angefaßt. Aber in dem Moment, wo der Export in Richtung METS-Viewer stattfindet, wird ohnehin das METS in die geänderte Export-Form als valides METS geschrieben. In diesem Moment wird geprüft, ob OCR-Ergebnisse vorhanden sind. Wenn ja, werden zusätzliche Dateigruppen (je nach dem, was man alles dort unterbringen möchte) in das METS dazu geschrieben. Goobi hat damit nichts mehr zu tun. Das Einzige, was Goobi noch machen kann, ist im Metadateneditor optional den Volltext von dem Bild anzeigen, wenn das OCR schon durchgeführt wurde.
Wenn OCR schon vor dem Arbeitsschritt Erfassung mit Metadateneditor durchgelaufen, könnte man Titel etc. per copy&paste erfassen.
Taskmanager: Das Werk geht in eine Warteschlange. Nach Fertigstellung wird der Vorgang in Goobi markiert. Der OCR-Prozess geht aber auch selektiv für bestimmte Bände. Beim Anlegen des Bandes in Goobi wird der Schrifttyp festgelegt (Antiqua, Fraktur, nicht-OCR-fähig) und an den OCR-Dienstleister übergeben.
Man kann den Arbeitsschritt OCR später jederzeit nochmal bzw. erstmalig pro Trefferset über GoobiScript starten.
Wird angesteuert durch den Intranda TaskManager.
Wird genutzt u. a. von
- Oberösterreichische Landesbibliothek
- Georg-Eckert-Institut
Einige Einrichtungen setzen statt des ABBYY Servers von der Intranda GmbH deren Tesseract Server ein, allerdings zunehmend weniger, seitdem die Preise für ABBYY-OCR durch die direkte Zusammenarbeit von Intranda mit ABBYY deutlich sinken konnten. (20131105)
zedOCR im ZED-Server von Zeutschel GmbH ist eine weitere Schnittstelle zwischen OCR-Dienstleister/OCR-Engine und Goobi.Production