Vai al contenuto
AI-MUSE, pagina iniziale

Casi di studio

Tre tipi di materiale che i programmi di lettura generalisti trattano male, ognuno per un motivo diverso: la stampa fitta dei giornali, la scrittura a mano antica e la musica.

«Giustizia e Libertà», Venezia 1945-1946

Una prima pagina di Giustizia e Libertà, dicembre 1945, tagliata in blocchi numerati da AI-MUSE, con accanto il testo letto di un articolo.
2 dicembre 1945: la prima pagina tagliata in 79 blocchi e letta. Scansione per gentile concessione dell'IVESER, Venezia.

Il settimanale che il Partito d'Azione stampava a Venezia dall'estate del 1945 è conservato dall'IVESER, l'Istituto veneziano per la storia della Resistenza e della società contemporanea, che ha condiviso con noi le scansioni della serie da giugno 1945 a gennaio 1946: 70 pagine. Sei colonne di caratteri piccoli su carta del tempo di guerra, il retro che traspare a specchio, una data stampata male in una testata.

Il 6 novembre 2026 abbiamo letto quattordici di quelle pagine su Leonardo con due modelli, dopo aver tagliato ogni pagina in blocchi. Le due letture sono nell'editor, dove i curatori dell'IVESER possono confrontarle e correggere la migliore. Le loro correzioni su una manciata di pagine daranno il primo tasso di errore misurato su questo giornale, e il materiale per addestrare un modello apposta.

Manoscritti greci, latini e arabi

Una pagina di manoscritto greco nell'editor, ogni riga contornata e letta da un modello addestrato sul resto del manoscritto.
Corsiva greca del 1500 circa, dataset EPARCHOS (CC BY 4.0).

Per misurare in modo onesto ci servivano pagine difficili e accompagnate da una trascrizione fatta da persone. Otto pagine di questo tipo vengono da dataset pubblici, e ognuna è tenuta fuori dall'addestramento. Gli stessi dataset ci hanno dato anche il materiale per addestrare i nostri riconoscitori, tutti con licenze che lo permettono.

Mozart e Beethoven

Il Quartetto per archi K.155 di Mozart, prima pagina dell'edizione del 1881, con la sua lettura battuta per battuta.
Mozart, Quartetto per archi K.155, Breitkopf & Härtel 1881. Scansione: IMSLP, pubblico dominio.

Per un archivio anche la musica è testo: una partitura viene letta in MusicXML e controllata simbolo per simbolo. Abbiamo provato quattro pagine con una trascrizione fatta da persone: tre quartetti nelle loro edizioni a stampa dell'Ottocento, e la prima pagina del manoscritto autografo di Mozart del K.155. Le pagine a stampa escono con una quota di simboli sbagliati fra il 4,5 e il 7,8 %. Il manoscritto non viene ancora letto affatto, ed è la prossima cosa su cui addestrare.

Fonti: autografo del K.155, Staatsbibliothek zu Berlin, Public Domain Mark; edizioni a stampa, IMSLP; trascrizioni, OpenScore String Quartets, CC0, con le interruzioni di pagina da OSSQ-OMR.