字数比《康熙字典》还多！合合信息与上海大学联合开启贵州原生态古彝文典籍数字化项目

图说：上海大学社会学院院长黄晓春、合合信息智能技术平台事业部副总经理郭丰俊出席签约仪式 采访对象提供（下同）

古彝文传承至今已有数千年历史，是世界上最古老的文字之一。12月21日，合合信息与上海大学社会学院正式签署校企合作协议，双方将合力完成以国家珍贵古籍《西南彝志》为中心的贵州古彝文图像识别及数字化校对项目。

此前，在中国西南多家高校的共同努力下，规范和通用彝文的数字化工作取得了重要突破，而上海大学携手合合信息推进的古彝文数字化项目，更侧重于对原生态彝文识别的攻坚克难。项目将根据上海大学古彝文研究员设计的四字节编码系统，引入合合信息智能文字识别技术，对异体字、变体字、误用字和混用字等进行标注、识别、比对，并由此建立起精确的彝文古籍电子数据库，在古彝文研究领域属于首创。

亟待识别的古彝文比《康熙字典》字数还多

彝文是云南、贵州、四川等地的彝族人使用的文字，而“古彝文”专指在民间流通使用的原生态彝文。根据《滇川黔桂彝文字集》，目前记录在册的古彝文多达87046个。非母语研究者在翻译古彝文时，通常需要在母语者的帮助下记音，再用汉语逐字直译，最后采用汉语对整句话进行意译。

图说：毕节市彝文文献翻译研究中心展示汉译书稿

由于古彝文尚未取得预留的Unicode编码区段，数字化工程还处于起步阶段，所以在印刷出版时，需由一位彝文缮写员先将彝文字和国际编码抄写在书页的左侧，再将已输入电脑的汉文译文打印、剪切后粘贴在相应彝文字的右侧，形成目前常见的“四行体”彝汉文对译，过程相对繁琐。

古彝文与汉字并非一一对应关系，存在大量的异体字、变体字。在相对规范的汉译本彝文典籍中就有至少15%的变体字，原稿中只会更多；每个字的异体写法少则2-3个，多则几十种。从总量上看，未经整理规范的古彝文字符数高达八万七千多个，比《康熙字典》的四万七千余字还多。据古彝文数字化团队研究人员透露，若想要找到某个字在一本古籍里的全部样例，手动查阅需要耗费一整天，如果建立起完善的古彝文数据库和翻译系统，可极大提升研究效率。

“汉文古籍识别所面对的页面残损、字形复杂、字迹模糊等问题，在彝文古籍识别中全部存在，还有一些任务是更加特殊的。”合合信息智能技术平台事业部副总经理郭丰俊博士提到，彝文古籍时常出现加字、替字、整句倒置、文字方向不统一等现象，给文字定位造成挑战。合合信息将基于“AI+OCR”融合下的智能文字识别技术，解决古彝文识别的版式检测、图像处理和文字识别的难题。

用科技开启古彝文“传统的新生命周期”

1950年，当代著名社会学家费孝通先生访问贵州毕节时，率先认识到彝文古籍对理解西南边疆历史的重要性，并鼓励筹建翻译机构，也为当下的古彝文研究提供了支持。古彝文数字化项目发起人、上海大学人类学民俗学研究所讲师邵文苑所在的上海大学社会学院，便长期设有费孝通田野调查项目资助计划。

古籍数字化的过程同时也是保护古籍的过程。2017年，72位全国人大代表联名建议实施中华古籍数字资源总库体系建设工程，实现历史文明的有序传承。本次合合信息与上海大学共同研究的《西南彝志》共计26卷，有“彝族历史文化的百科全书”之誉，对研究彝族历史、经济、文化十分重要。

古彝文数字化的价值并不止步于学术研究。随着我国小康社会的全面建成，人们对精神文化关注度日益提升，以民俗为主题的现代文艺创作、娱乐活动让传统文化焕发新的生机，例如中央歌剧院演绎的柯尔克孜族英雄史诗《玛纳斯》，既尊重了民族文化特色，又体现了新时代的风采。

邵文苑提到，古彝文文献和口传史诗中记录了很多南诏古国、夜郎古国、巴蜀古国的奇闻异事，在理解典籍的基础上，可以通过电影、音乐剧、浸入式戏剧等形式进行创作，或打造“元宇宙”世界、IP主题乐园，让更多人跨越语种的隔阂，感受更多元的民族文化，倾听独具特色的中国故事。

“传统也和人一样有生老病死的过程，并和人一样有通过后代延续‘生命’的能力，这种理论被称为‘传统的生命周期’。”邵文苑表示，智能文字识别技术“牵手”传统典籍研究，会是古彝文“传统的新生命周期”的开始。

新民晚报记者 金志刚返回搜狐，查看更多

责任编辑：