eScriptorium

O que é¶

eScriptorium é uma plataforma gratuita e de código aberto para segmentação e transcrição de manuscritos, livros impressos históricos e documentos de arquivo. Combina OCR (texto impresso) e HTR — reconhecimento de texto manuscrito —, usando por baixo dos panos o motor Kraken. Foi criada em 2018 no âmbito do programa de pesquisa Scripta PSL, na Université PSL (Paris), e hoje é mantida em parceria entre a École Pratique des Hautes Études (EPHE) e o projeto ALMAnaCH do Inria (ambos franceses).

Para que serve¶

Segmentar e transcrever manuscritos e documentos impressos históricos, incluindo escritas em árabe, hebraico, grego, copta e outros sistemas de escrita
Treinar modelos de reconhecimento próprios para uma caligrafia, período ou coleção específica, num fluxo "humano no circuito": a pessoa transcreve algumas páginas manualmente, o sistema treina um modelo, gera previsões no restante e a pessoa revisa
Importar imagens compatíveis com o padrão IIIF, comum em bibliotecas e acervos digitais
Exportar dados estruturados nos formatos ALTO XML e PAGE XML, usados em projetos de edição digital e preservação

Exemplo de uso¶

Uma equipe de pesquisa em história medieval tem acesso a uma instância do eScriptorium mantida pela biblioteca da própria universidade. Eles fazem upload de imagens de um cartulário do século XIII (importadas diretamente via IIIF do acervo digital da instituição), transcrevem manualmente as primeiras páginas para treinar um modelo específico para aquela caligrafia, e usam o modelo treinado para acelerar a transcrição do restante do documento, revisando o resultado depois.

Quando pode não ser a melhor opção¶

Se você é uma pessoa pesquisadora individual sem acesso a uma instância institucional: diferente do Transkribus, o eScriptorium não tem uma plataforma pública única de acesso imediato — é preciso instalar em servidor próprio (requer Linux ou macOS, Docker e, idealmente, placa de vídeo Nvidia) ou encontrar uma instância já mantida por uma biblioteca ou departamento de humanidades digitais
Se o documento for impresso e não manuscrito: ferramentas de OCR mais simples, como o Tesseract, podem ser suficientes e mais fáceis de configurar
Se você precisa de suporte comercial dedicado ou uma plataforma hospedada com um único login: o Transkribus ou o Arkindex (versão comercial hospedada) resolvem isso de forma mais direta

Tipo de acesso¶

Totalmente gratuito e de código aberto (licença MIT). Não há custo de licença, mas o acesso depende de auto-hospedagem (requer infraestrutura própria) ou de uma instância mantida por uma instituição parceira.

Sistemas em que roda¶

Acessado por navegador web. A hospedagem própria requer um servidor Linux ou macOS, com pelo menos 8 GB de RAM (16 GB ou mais recomendado para treinar modelos) e, opcionalmente, uma GPU Nvidia para acelerar o treinamento.

Integrações¶

Kraken (motor de OCR/HTR usado internamente)
IIIF (International Image Interoperability Framework): importação de imagens de acervos digitais compatíveis
ALTO XML e PAGE XML: formatos de exportação para projetos de edição digital

Alternativas¶

Transkribus (plataforma com login único e créditos, mais acessível para uso individual imediato)
Arkindex (também da família de plataformas HTR de nível institucional, com versão comercial hospedada)
Kraken (o motor por trás do eScriptorium, usável isoladamente por linha de comando)

Aprenda a usar¶

Onde encontrar¶

Site oficial: https://escriptorium.eu/
Documentação: https://escriptorium.readthedocs.io/
Repositório: https://gitlab.com/scripta/escriptorium

Material de apoio¶

Os dois materiais abaixo são abertos e detalhados. Praticar o que eles ensinam exige acesso a uma instância, seja institucional, seja instalada por você, condição que este verbete registra em "Quando pode não ser a melhor opção". O guia rápido oficial percorre o fluxo inteiro, da criação do projeto à correção da transcrição. O guia da Universidade de Mannheim cobre o ciclo de treinamento de um modelo, em passos numerados.

"Quick-start", documentação oficial: https://escriptorium.readthedocs.io/en/latest/quick-start/
KAMLAH, Jan; SCHMIDT, Thomas. "Training with eScriptorium (a step-by-step guide)", Universitätsbibliothek Mannheim, v. 1.0, 2024: https://ub-mannheim.github.io/eScriptorium_Dokumentation/Training-with-eScriptorium-EN.html

Uso em pesquisa e ensino¶

A ferramenta nasceu dentro de um projeto de pesquisa e é usada em projetos de edição de fontes manuscritas. O artigo dos criadores descreve o eScriptorium como ambiente virtual de pesquisa para culturas manuscritas. O projeto DAHN documenta o uso concreto: segmentação, transcrição e correção pós-OCR do corpus de correspondência de Paul d'Estournelles de Constant.

STOKES, Peter A. et al. The eScriptorium VRE for manuscript cultures. Classics@ Journal, v. 18, n. 1, 2021: https://classics-at.chs.harvard.edu/classics18-stokes-kiessling-stokl-ben-ezra-tissot-gargem/
Projeto DAHN (Universidade de Le Mans, EHESS e Inria), documentação de metodologia "How to do a transcription (with eScriptorium)": https://github.com/FloChiff/DAHNProject/blob/master/Project%20development/Documentation/How%20to%20do%20a%20transcription%20(with%20eScriptorium).md

Observações¶

O eScriptorium é referência acadêmica em HTR de código aberto, especialmente em projetos de humanidades digitais europeus ligados a manuscritos medievais e escritas não latinas. Por ser descentralizado — sem uma única plataforma pública central —, o primeiro passo prático para uma pessoa pesquisadora interessada costuma ser verificar se a própria universidade, biblioteca ou departamento de humanidades digitais já mantém uma instância, antes de considerar hospedar uma própria.