@פלמנמוני שלוש דברים
אני חושב שכדאי בבניית המודל לבנות שיעבוד בכמה שלבים
א. זיהוי הפונט והכתב מתוך רשימה של פונטים שתאמן אותו יזהה גם את גודל הכתב ככה שלא יתבלבל בין אותיות
ב. זיהוי העימוד צורות עימוד נפוצות ואז זיהוי שיצליח להבין מה זה מפרש מה זה הטקסט הפנימי מה זה הערות שולים וכן אם זה בצורה של ברכיים אז ידע האם זה שני מפרשים או מפרש אחד על שני העמודים לפי הכותרות למעלה וכן ספר רב טקסט לפי כל כותרת שידע שזה המפרש
ג. זיהוי אותיות ודאיות מאותו הספר כגון במילים שהם ודאי ככה כמו אלא או שמש וכן הלאה ואז יהיה לו בסיס לתקן באותיות שבורות
ד. נסיון לגלות אותיות שבורות לאיזה אותיות הם דומות בהתאם להקשר של המילה או המילה או המשפט
דבר שני יכול להיות שתוכל להריץ אימון מספר שהוא כבר מוקלד ואז ככה לתקן את האימון
דהיינו לתת לו לסרוק ספר שכבר יש לך ואז לתקן לו את הטעויות מספר שכבר מוקלד ואז ככה יתאמן לבד ללא צורך באנשים שיאמנו אותו
כמו כן אפשר לתת לקלוד או קודקס לנסות לתקן ולאמן אותו
דבר שלישי אני חושב אתה צריך את הפונטים של דניאל וויסמן (מיצר תוכנת תג הותיקה) יש לו את הרש"י ופרנקהיל ווילנא הותיקים שהשתמשו בהם ברוב הספרים הישנים תשאל אותו אולי אפילו יסכים להביא בחינם תגיד לו שזה לא לצורך עימוד רק לצורך מאגר תורני חינמי ואתה צריך את זה לזיהוי הטקסטים ולא מתכווון לעשות מזה שימוש מסחרי