# שדרוג מערכת OCR מקצועית לתמיכה מיטבית בכתבי רש"י

מטרת השדרוג היא להפוך את מנוע ה-OCR למערכת ברמה מחקרית עבור ספרים תורניים, כתבי רש"י, דפוס ישן, צילום לא איכותי, וסריקות מורכבות.

דרישות כלליות

יש לשמור על כל הפונקציונליות הקיימת במערכת.

אין להסיר שום יכולת קיימת.

יש לבצע שדרוג מלא של מנוע ה-OCR בלבד.

---

זיהוי אוטומטי של סוג הכתב

לפני תחילת הפענוח יש לבצע שלב Classification.

המערכת תזהה:

• כתב רש"י
• דפוס רגיל
• שילוב רש"י ודפוס
• כתב יד ברור
• טקסט מעורב

לכל סוג כתב יש להשתמש בפרומפט OCR שונה.

---

מצב OCR ייעודי לכתב רש"י

כאשר מזוהה כתב רש"י:

הוראות קריאה

• לקרוא אות אחר אות.
• לא לנחש מילים.
• לא לבצע השלמות אוטומטיות.
• לא לתקן שגיאות כתיב.
• לא להשתמש בהיגיון תחבירי.
• לא להשתמש בהשלמות תלמודיות.
• לא להמיר מילים למונחים מוכרים.

אם מילה אינה ברורה:

-------

ולא ניחוש.

---

מערכת Multi Pass OCR

במקום 4 שלבים:

לבצע 7 שלבים.

Pass 1

קריאה גולמית.

Pass 2

קריאה שנייה עצמאית.

Pass 3

השוואת Pass 1 ו-Pass 2.

Pass 4

חיפוש מילים חסרות.

Pass 5

בדיקת אותיות דומות:

• ב / כ
• ד / ר
• ה / ח
• ו / ז
• י / ו
• ן / ו

Pass 6

בדיקת ראשי תיבות.

Pass 7

אימות סופי מול התמונה המקורית.

---

OCR לפי אזורים

לפני הקריאה:

לפרק כל עמוד לבלוקים.

לדוגמה:

• כותרת
• גוף טקסט
• הערות שוליים
• ציטוטים
• רש"י בצד

כל בלוק יפוענח בנפרד.

רק לאחר מכן יאוחד למסמך.

---

Preprocessing מתקדם

לפני שליחת התמונה למודל:

Deskew

יישור דפים עקומים.

Denoise

ניקוי רעשים.

Contrast Enhancement

שיפור ניגודיות.

Adaptive Threshold

הבלטת אותיות חלשות.

Sharpen

חידוד טקסט.

Super Resolution

שיפור רזולוציה אוטומטי.

---

OCR ברזולוציה גבוהה

בעת חילוץ PDF:

במקום

scale: 2.0

להגדיל ל:

scale: 4.0

או

scale: 5.0

כאשר הזיכרון מאפשר.

---

מנגנון Anti-Hallucination

אסור למודל:

• להשלים פסוקים.
• להשלים גמרא.
• להשלים ביטויים מוכרים.
• להשלים ראשי תיבות.
• להשלים ציטוטים.

אם הטקסט לא נראה בבירור:

-------

---

מנגנון Confidence Score

לכל מילה יש לחשב ציון אמינות:

{
  "word": "לדוגמה",
  "confidence": 98
}

מתחת ל־85:

לסמן לבדיקה.

---

מצב Ultra Rashi

להוסיף אפשרות בהגדרות:

Ultra Rashi Mode

במצב זה:

• סריקה איטית יותר.
• 10 מעברי OCR.
• אפס השלמות.
• מקסימום דיוק.
• עדיפות לדיוק על פני מהירות.

---

תמיכה במסמכים תורניים

אופטימיזציה עבור:

• תלמוד בבלי
• ירושלמי
• רמב"ם
• טור
• בית יוסף
• שו"ע
• משנה ברורה
• שו"ת
• ספרי ראשונים
• ספרי אחרונים

---

ייצוא מתקדם

להוסיף:

DOCX אמיתי

באמצעות:

docx

ולא MHTML.

PDF

ייצוא PDF איכותי.

TXT

טקסט בלבד.

JSON

טקסט + ציוני אמינות.

---

יעד ביצועים

המערכת צריכה להגיע למקסימום דיוק אפשרי עבור:

• כתב רש"י ברור
• ספרים תורניים סרוקים
• דפוס ישן
• מסמכים באיכות בינונית

כאשר היעד המרכזי הוא:

מינימום דילוגי מילים ומינימום הזיות מודל, גם במחיר זמן עיבוד ארוך יותר.

---

הנוסח הזה מתאים כמשימת שדרוג מלאה עבור Claude Code וייתן לו הוראות ברורות מאוד מה לשנות במערכת הקיימת.