印度打造互聯(lián)網(wǎng)圖書館 將珍貴文字內(nèi)容數(shù)字化

2023年8月的一個陽光明媚的日子，在印度班加羅爾甘地·巴萬博物館二樓的一個房間里，工人們坐在五臺巨大的桌面掃描儀前，擺好書，并用腳踏板翻頁。

這座博物館是卡納塔克邦最大的甘地哲學參考圖書館。在接下來的一年里，各種各樣的書籍，包括圣雄甘地的作品集，他的自傳《我對真理的實驗》的卡納達語譯本，以及其他稀有作品，都將被數(shù)字化。它們的元數(shù)據(jù)將被記錄并加入互聯(lián)網(wǎng)檔案館（Internet Archive）的“知識仆人”（SoK，Servants of Knowledge）收藏項目之中。

這一數(shù)字化舉措只是“知識仆人”的最新舉措，該項目發(fā)起于四年前，旨在保護難以找到的資源。自那以后，它已經(jīng)擴大了范圍，包括與印度各地的各種圖書館和檔案館建立的伙伴關系。

“知識仆人”數(shù)字收藏項目旨在彌補印度圖書館資源的稀缺性

如今，“知識仆人”的收藏記錄成為了一個可搜索的數(shù)字圖書館，收錄了來自印度和關于印度的超過15種語言的書籍、演講、雜志、報紙、棕櫚葉手稿、音頻和電影。

該收藏項目是一個真正開放的數(shù)字圖書館，包含科學、文學、法律、政治、歷史、宗教、音樂和民間傳說等許多主題的公共領域和非版權(quán)作品。所有內(nèi)容都是開放訪問的、可搜索的、可下載的，并可供視障人士使用文本轉(zhuǎn)語音工具訪問。

志愿者和工作人員正在繼續(xù)擴大收集范圍，每月在班加羅爾各地掃描約140萬頁資料，更多的合作正在推進當中。

這些藏品是為了彌補印度圖書館資源的短缺。印度政府為促進該國的公共圖書館計劃成立了Raja Rammohun Roy圖書館基金會，據(jù)該基金會稱，在這個擁有14億人口的國家，約有5萬個公共資助圖書館。

根據(jù)該基金會2018年的一份報告，鄉(xiāng)村和部落圖書館可能只有幾千本藏書。相比之下，每個州的中央圖書館平均有7.7萬本書，每個地區(qū)圖書館平均有2.4萬本書。其中一些圖書館的藏書毀于火災，還有許多書因管理疏忽而損毀或丟失。

此外，大多數(shù)公共圖書館并不是免費向公眾開放的。班加羅爾印度大學國家法學院研究知識產(chǎn)權(quán)法的副教授阿魯爾·喬治·斯卡利亞說：“想進入我們的公共圖書館非常困難，過了一段時間之后，人們就不再想進去了。我們許多公共資助的教育機構(gòu)也是如此?！彼f，解放這些圖書館的最佳途徑之一是將藏書數(shù)字化。

技術(shù)專家奧姆希瓦普拉卡什·H·L在用印度西南部語言卡納達語撰寫維基百科文章時，他意識到了這些資源的嚴重匱乏。

2019年左右，他聽說美國慈善機構(gòu)“公共資源”的負責人卡爾·馬拉穆德已經(jīng)在進行類似的工作，將甘地關于印度自治的Hind Swaraj系列作品和印度政府的作品等書籍歸檔到公共領域。奧姆希瓦普拉卡什說：“我也知道他過去經(jīng)常從二手書店買很多這樣的書，然后把它們帶到美國進行數(shù)字化工作?！?/p>

“公共資源”組織一直在與班加羅爾的印度科學院合作，使用互聯(lián)網(wǎng)檔案館提供的掃描儀將其書籍數(shù)字化，但這一努力已經(jīng)逐漸減少。奧姆希瓦普拉卡什提議讓社區(qū)成員提供幫助。

在周末，這些來自當?shù)厣鐓^(qū)的志愿者就開始掃描奧姆希瓦普拉卡什和馬拉穆德買來的一些書。奧姆希瓦普拉卡什說：“卡爾真正理解社區(qū)合作的理念，我們所需要的當?shù)卣Z言技術(shù)的理念，以及我們正在創(chuàng)造的影響?！?/p>

掃描儀使用一個V形支架來放置書籍，并使用兩個單反相機以高分辨率拍攝頁面。該設備的設計基于互聯(lián)網(wǎng)檔案館的掃描儀，但由奧姆希瓦普拉卡什重新設計，可以在印度以較低的成本制造。每個工作人員每小時可以掃描大約800頁。

流程中更關鍵的部分發(fā)生在掃描后：志愿者要確保使用了準確的元數(shù)據(jù)，使掃描結(jié)果可以在互聯(lián)網(wǎng)檔案中找到，還要引入光學字符識別，經(jīng)過微調(diào)，該技術(shù)可以更好地適用于一系列印度語文本，使文本可以通過文本轉(zhuǎn)語音應用進行搜索和訪問。

“公共資源”機構(gòu)為“知識仆人”項目提供資金，奧姆希瓦普拉在工作人員和志愿者的幫助下管理該項目的運營。合作者通過社交媒體和口口相傳的方式普及該項目。

一位名叫查亞·阿查里亞的社區(qū)成員兼卡納達語教師向奧姆希瓦普拉卡什提供了她祖父作品的剪報。她的祖父是著名記者和作家帕維姆·阿查里亞，他寫了許多關于科學和社會問題的文章以及諷刺文章。令她沒想到的是，她在“知識仆人”已有的收藏資料中發(fā)現(xiàn)了更多其祖父的文章。

她說：“僅僅通過搜索他的名字，我就從檔案中得到了很多的文章。”隨后，她開始收集阿查里亞在1952年至1975 年初編輯的著名卡納達月刊Kasturi的副本，并將其交給奧姆希瓦普拉卡什進行數(shù)字化。

該雜志的舊版包含了受歡迎的卡納達語作家的罕見作品和譯本，如古拉瓦迪·文卡塔·拉奧的《Indirabai》，它被認為是以卡納達語寫成的第一部現(xiàn)代小說，以及埃德加·艾倫·坡著名短篇小說《金甲蟲》的卡納達文譯本。

馬拉穆德說，這都是在互聯(lián)網(wǎng)上打造公共圖書館愿景的一部分，即“自下而上、草根化的東西。這是一群人在互相教學，我們只想繼續(xù)掃描并向人們提供（這些材料）。這不是一個宏偉的目標或單一的目標”。

“這就是我們的謀生之道。”他說，“我們已經(jīng)做了很多年了，而且我們還將繼續(xù)下去?！?/p>