Наталья медленно переворачивает лист: края бумаги хрупкие, чернила местами выцвели, в одном углу — следы от чая. Перед ней — стопка дореволюционных краеведческих дневников, записанных руками людей с разным образованием, разной аккуратностью и с собственными орфографическими привычками. Её задача кажется простой — оцифровать и распознать текст — но в каждом слове скрыт целый пласт истории: диалектные окончания, забытые топонимы, сокращения, пометки на полях, исправления авторской руки. Наталья понимает, что стандартная OCR-цепочка здесь бессильна: она стирает нюансы, «исправляет» орфографию, теряет слои смысла. Решение — обучить модель, которая не только распознаёт буквы, но и учтёт материал культуры, локальную фонетику и контекст рукописи. Это — история о том, как археология текста встречается с машинным обучением, о практических шагах, сомнениях и случайных открытиях на пути к сохранению исторической речи.

Шум принтера в соседнем кабинете, мерцающий экран и запах старой бумаги — такие детали сопровождают день Натальи. Она — архивный специалист-консерватор, привыкшая к осторожности в обращении с документами, но одновременно увлечённая цифровыми методами. Техническая задача — создать модель распознавания рукописи (HTR), которая вернёт текст, максимально приближённый к исходной записи, не «исправляя» орфографию и сохраняя диалектные формы. Но задача сложнее, чем кажется: часть букв слилась, в тексте используются нестандартные сокращения, встречаются вставки на финно-угорских языках, а некоторые страницы имеют латинские вставки и рисунки. Наталья видит в этом не только проблему, но и шанс — возможность пересмотреть подходы к оцифровке культурного наследия и разработать практику, которая уважает историю документа и голос его автора.

Первое столкновение с реальностью — старые алгоритмы не понимают локальной нормы
Наталья начинает с привычных инструментов: сканирование в высоком разрешении, автоматическая предобработка изображений, использование Tesseract и обученных под