Nu jau kādu laiku mūsu blogā ir izvietota aptauja par projekta Periodika.lv novērtējumu. 10-baļļu skalā nu jau ir saņemti visi iespējamie vērtējumi no 1 līdz 10 un lai arī mums liels prieks, ka lielākā daļa vērtējumu ir 8 un vairāk, tomēr labi apzināmies, ka projektam ir arī savi trūkumi, kuru dēļ varētu saņemt arī zemāku vērtējumu.

Viens no trūkumiem, ko paši apzināmies, ir meklēšanas mehānisma “ātrdarbība”, ko noteikti varētu uzlabot, bet kādus trūkumus jūs esat novērojuši, meklējot informāciju Periodika.lv lapā? Varbūt ir kāda papildus funkcionalitāte, kas jums noteikti noderētu?

Tuvākajos gados LNB plāno digitalizēt vairāk kā 1 milj. grāmatu lappušu un vairāk kā 2 milj. avīžu lappušu. Līdz ar to lasītājiem digitālā formā pieejamo tekstu apjoms pieaugs 10-kārtīgi. Ņemot vērā gan materiālu apjomu, gan daudzveidību vajadzēs izstrādāt īpašu saskarni digitalizēto tekstu arhīvam. Šobrīd esam izpētes fāzē, noskaidrojot labo praksi lielapjoma teksta arhīvu veidošanā, formātu izvēlē, saskarņu veidošanā. Tā kā galamērķis ir radīt lasītājiem ērtāko iespējamo rīku darbam ar liela apjoma tekstu arhīvu, tad mūs ļoti interesē lasītāju vēlmes.

Pagaidām lielākie digitalizēto tekstu arhīvi internetā (tādi, kuru apjoms ir mērāms vismaz miljonos lappušu) ir:

• “Moškova bibliotēka” – lib.ru
• Google Books
• archive.org tekstu arhīvs

Lai arī katrs ir pa savam labs, tomēr neviens nav arī perfekts. Piemēram, varētu vēlēties izsmalcinātu tekstu komentēšanas iespēju, iezīmējot daļu no teksta un pievienojot tam savu komentāru. Šādu iespēju varētu izmantot gan skolu, augstskolu pasniedzēji, komentējot mācību literatūras saturu, gan vēstures pētnieki, skaidrojot mūsdienu lasītājiem vēsturisku tekstu interpretācijas, utml.

Bet kādas ir jūsu domas, ieteikumi, komentāri?

Digitālās bibliotēkas blogā šad tad uzrakstām par tēmām, kas konkrētajā brīdī šķiet aktuālas un interesantas, bet kādi jautājumi interesē mūsu lasītājus, kolēģus, IT ekspertus?

Piedāvājam uzdot jautājumus par Latvijas Nacionālo digitālo bibliotēku: par stratēģiju, projektiem, saturu, tehniskām niansēm, formātiem, ikdienas darbu, juridiskiem apsvērumiem un citām tēmām!

Jautājumi un atbildes šeit – komentāros.

Kādā brīvākā brīdī piedāvājam aizpildīt anketu par LNDB bloga novērtējumu un tādejādi pie reizes palīdzēt kolēģei Sigitai Bricei no Preiļu Galvenās bibliotēkas, veicot pētījumu par Latvijas bibliotēku blogosfēru.

Priecāsimies par katru aizpildīto anketu un domājams, ka rezultāti ietekmēs arī šī bloga tālāko attīstību!

Tā kā ne pirmo reizi Latviju skārusi pasaules ekonomiskā krīze, tad varam mācīties no pagātnes pieredzes cīņā ar nebaltām dienām.

Lūk, piemēram, piedāvājums audzēt raženos hibrīdkāļus.

Par piedāvāto plakātu jāpateicas LNB Sīkiespieddarbu un attēlizdevumu nodaļas kolektīvam.

LNB krājumos šobrīd ir ļoti liels daudzums vecās rakstības materiālu: gan periodika, gan grāmatas. Šie materiāli tiek skenēti un ievietoti arī digitālajā bibliotēkā, taču līdz šim bija dažādas tehniskas problēmas ar to apstrādi, sākot jau ar teksta atpazīšanas programmu nespēju strādāt ar latviešu gotikas fontiem. Šo problēmu LNB gan, šķiet, būs atrisinājusi, pasūtot ABBYY izstrādāt speciālu Finereader versiju tieši latviešu valodas gotikai. LNB saņems Finereader versiju, kas ar vismaz 85% precizitāti iegūs no skenētiem attēliem tekstuālu informāciju.

Tiesa, ar saburtošanu vēsturisko tekstu apstrāde nebeidzas, jo jācīnās ar tādām problēmām kā OCR kļūdas, novecojusi ortogrāfija un tekstos lietoti vecvārdi. Par visām šīm problēmām un cīņu pret tām var lasīt LNDB bloga ierakstā “Vecajai drukai – jauna elpa“.

Latvijas Universitātes Matemātikas un Informātikas institūts pēc LNB pasūtījuma izstrādājis latviešu gotikas apstrādes rīka arhitektūru. ” Gotikas analizators” apstrādās Finereader (vai jebkuras citas OCR programmas) iegūto rezultātu: novērsīs OCR kļūdas, cīnīsies ar novecojušo ortogrāfiju un vecvārdiem piemeklēs atbilstošos sinonīmus.

Piemēram, ja OCR programma tekstā būs atpazinusi vārdu “muschka”, Gotikas analizators mēģinās uzminēt, ka varbūt patiesībā tekstā bijis minēts vārds “wuschka”, kam mūsdienu ortogrāfijā atbilst vārds “vuška”, kam, savukārt, atbilst mūsdienu vārds: “aita”. Noindeksējot sākotnējo tekstu ar atpazīšanas rezultātā iegūtajiem vārdiem, tiks panākts efekts, ka tekstu varēs atrast pēc atslēgvārda “aita” pat tad, ja OCR programma tekstā būs atpazinusi vārdu “muschka”.

LU MII izstrādātā Gotikas analizatora demo programmu var apskatīt valoda.ailab.lv/gotika.

Gotikas analizatoru plānots integrēt projektā Periodika.lv un nākotnē arī vēsturisku grāmatu portālā, lai nodrošinātu meklēšanu vecos tekstos.

Grāmatu, periodikas un citu tekstu saturošu materiālu digitalizācijā, viens no posmiem ir teksta atpazīšana jeb OCR. Rezultātā viss grāmatas teksts tiek iegūts tālāk ērti apstrādājamā XML formātā. Tam var pielietot XSLT transformācijas un citas apstrādes metodes, rezultātā iegūstot glīti noformētu grāmatas tekstu, tikai… vairs ne oriģinālā izskatā.

Piemēram, oriģinālā lapa.

Pēc apstrādes šīs lapas virsraksts nonāktu atsevišķā XML tagā, bet pamatteksts – citā. Pēc tam šo grāmatas tekstu varētu attēlot tīmekļa lapā, veidojot hipersaišu satura rādītājus uz atsevišķām nodaļām, ļaujot samazināt/palielināt tekstu. Ļaujot ērti kopēt interesējošos fragmentus. Vienvārdsakot, ļaujot darīt visu, ko jau nu ar segmentētu tekstu var darīt.

XML dokumentu attēlošanas priekšrocība ir arī relatīvi ekonomiskais izmērs. 100 lappušu biezai grāmatai atbilstošais tekstu saturošais XML dokuments aizņem aptuveni 0.5Mb, kamēr pati grāmata PDF formātā – aptuveni 20Mb.

Bet.. varbūt grāmatas oriģinālajam vizuālajam izpildījumam tomēr ir pietiekami liela nozīme, lai tas atsvērtu aptuveni 40x lielāko datņu izmēru un pārējās neērtības. Cik nozīmīgs jūsu lasīšanas pieredzē ir grāmatas vizuālais noformējums vai jums svarīgāka ir tīrā informācija?

13. janvāra demonstrācijai Doma laukumā sekojošo grautiņu laikā tika nodarīti nopietni postījumi Latvijas Nacionālās bibliotēkas (LNB) ēkai Vecrīgā, Jēkaba ielā 6/8.

Militārās policijas automašīnu veidotā barjera atradās tieši pie LNB ēkas durvīm. Satrakotais pūlis laužoties cauri barjerai un apmētājot automašīnas ar bruģakmeņiem un ķieģeļiem, izsita LNB darba telpu un lasītavu logus, sabojāja mēbeles un datorus. Zaudējumi mērāmi vairākos tūkstošos latu.

Vairāk attēlu par cietušo LNB ēku atrodami šeit.

Iepriekšējā ierakstā par audio digitalizāciju LNB demonstrējām pāris skaņas ierakstu piemērus, kuri tapuši LNB audio digitalizēšanas studijā. Šoreiz piedāvājam nelielu virtuālu ekskursiju uz pašu studiju.

Plates ceļš: no analogā līdz digitālajam

Plates LNB digitalizēšanas studijā tiek nogādātas no LNB Fonotēkas nodaļas. Ja Fonotēkā ir vairāki vienas plates eksemplāri, tad tiek izvēlēts labākais (mazāk spēlētais) eksemplārs. Ja vispār pieejams, tad tā sauktais arhīva eksemplārs – plate, kas netiek izsniegta lasītavās spēlēšanai, tāpēc ir vislabāk saglabājusies.

Lai arī digitalizēšanai tiek atvēlēts labākais Fonotēkā pieejamais eksemplārs, pirms tālākās apstrādes plate jāmazgā, lai attīrītu to no putekļiem un pārējā kultūrslāņa. Protams zem krāna plates nemazgā. Tam ir paredzēta speciāla plašu mazgāšanas iekārta, kas izsmidzina speciālu šķīdumu un, lēni griežot plati (~5 sek. = 1 apgrieziens), vienmērīgi uzklāj to uz abām plates pusēm vienlaicīgi.

Pēc plates mazgāšanas ar šīs pašas iekārtas palīdzību tā tiek nožāvēta un tīrā plate jau izskatās kā tikko no fabrikas nākusi – svaiga un mirdzoša.

Lai attīrītā plate tūlīt pat pēc mazgāšanas nepārklātos ar gaisā planējošajiem putekļiem, studijā pastāvīgi darbojas gaisa mazgāšanas iekārta, kas filtrē un tīra digitalizēšanas telpas gaisu. Gaisa tīrīšanas iekārta uztur arī relatīvi sausu gaisu: ~34% (cilvēka komforta zona esot: 30%-60%), kas arī novērš putekļu uzkrāšanos.

Attīrītā plate nonāk ELP Laser Turntable iekārtā.

Plates nolasīšanai šajā iekārtā netiek lietota adata kā tradicionālajos atskaņotājos, bet gan divi lāzera stari, kas lasa katrs savu celiņa rievas malu. Iegūtais signāls tiek normalizēts ar ekvalaizera palīdzību, kas jākalibrē ar katram plašu izstrādātājam specifiskiem parametriem. Šim mērķim LNB audio digitalizēšanas nodaļā vienmēr pa rokai ir speciāla tabula ar ekvalaizera uzstādījumu parametriem visiem lielākajiem plašu ražotājiem.

Visbeidzot analogais signāls tiek pārveidots digitālajā un rakstīts datora cietajā diskā, iegūstot oriģinālo WAV datni.

Viss digitalizēšanas process notiek reālā laikā. Respektīvi, ja kopējais ieraksta garums ir 45 minūtes, tad 45 minūtēs notiek arī arhīvdatņu iegūšana. Arhīvdatnēm izvēlēts bezzudumu WAV formāts un tas tiek saglabāts praktiski oriģinālā izskatā. Vienīgie labojumi, kas tiek veikti oriģinālajām WAV datnēm ir lieko klusuma sekunžu “apgriešana” ieraksta sākumā un beigās, bet tiek saglabāti visi skrāpējumu un citu plates bojājumu radītie skaņas defekti.

WAV datnes protams ir milzīgas un vienas 45-60 minūšu digitalizētas plates arhīvdatnes kopā aizņem nedaudz vairāk par 1GB.

Protams publicēšanai internetā WAV formāts nav tas piemērotākais, tāpēc tiek sagatavoti arī atbilstošie MP3 (256 kBit/sec, 24-bit kvalitātē). Lai klausītājiem tiktu piegādāts labākais iespējamais materiāls, veidojot MP3 datnes, vispirms ar programmātiskiem līdzekļiem WAV ieraksts tiek attīrīts no sprakšķiem, klikšķiem un citiem nevēlamiem trokšņiem (piemērus var paklausīties iepriekšējā ierakstā par audio digitalizēšanu).

Pēc digitalizēšanas plate var atgriezties LNB Fonotēkas nodaļā, bet tā kā studijā plate tikusi arī mazgāta un attīrīta, tad būtu žēl to likt oriģinālajos, putekļu kārtām klātajos vāciņos. Šī iemesla dēļ plate tiek ielikta pilnīgi jaunos celofāna vāciņos, pēc tam – speciālos antistatiskas plēves vāciņos..

Visbeidzot plati ievieto oriģinālajos kartona vārkos, kurus ieliek vēl atsevišķā maisiņā, lai no apputēšanas un netīrumiem aizsargātu arī plates vākus.

Šādi “ieziemota” plate var glabāties vēl gadu desmitiem un varbūt pat simtiem ilgi. Pie tam lasītājiem tagad ir pieejama plates digitālā kopija CD-ROM versijā un līdz ar to pašu plati vairs nav nepieciešams atskaņot un tā var netraucēti glabāties Fonotēkas krātuvē.

Plašu centrēšana

Lai arī varbūt šķiet – maksimāli kvalitatīva ieraksta iegūšanai ir izdarīts viss iespējamais, tomēr LNB audio digitalizēšanas studijā sperts solis vēl tālāk un mēģināts risināt kādu līdz šim maz pētītu problēmu plašu digitalizācijā – neprecīzu plates centrējumu. Gadās, ka caurumiņš plates novietošanai uz atskaņotāja neatrodas precīzi plates centrā un rezultātā rodas “peldošs skanējums”. Lai to novērstu, Japānas uzņēmums ELP speciāli pēc LNB lūguma uzprojektēja, izgatavoja un atsūtīja unikālu plašu centrēšanas iekārtu.

Novietojot plati uz centrēšanas iekārtas pamatnes, ar tā saukto nanometru palīdzību ir iespējams mainīt pamatnes centrālās ass atrašanās vietu un līdz ar to mainās arī plates rotācijas trajektorija. Pēc tam lāzeriekārtā lietoto pamatni aizstāj ar kalibrēto pamatni un var nevainojami digitalizēt arī slikti centrētas plates.

Bonuss. Eksperiments ar šellaka plati

Šobrīd LNB digitalizēšanas studijā pamatā tiek digitalizētas vinila plates, bet Fonotēkas krājumos ir arī relatīvi daudz šellaka plates, kas ir pirms-vinila ēras materiāls. Šellaka izstrādājumi, lai arī pirmajā acu uzmetienā vizuāli atgādina vinila plates, aplūkojot tuvāk, ir biezāki un smagāki. Pie tam šellaka plates ir trauslas un, nometot zemē, tās plīst. Ja kādam mājās ir plate, par kuru nav pārliecības, vai tā ir šellaka vai vinila izstrādājums, tad nometiet to zemē. Ja saplīsīs, tad jūsu īpašumā ir bijusi šellaka plate.

Šāds ekstrēms eksperiments par šellaka plašu izturību tika veikts arī LNB audio digitalizēšanas studijā. Jau iepriekš nomierinot lasītājus, eksperiments notika ar privātas kolekcijas (ne bibliotēkas) eksemplāru.

Vispirms šellaka plate no aptuveni metra augstuma tika palaista brīvā kritienā uz paklāja un piezemējās ļoti veiksmīgi – pat neieplaisājot. Sāka jau likties, ka varbūt stāsti par šellaka plašu trauslumu ir tikai mīts, tāpēc eksperiments tika atkārtots vēlreiz jau uz cietākas virsmas. Un mīts apstiprinājās – šellaks patiešām ir trausls!

Protams plate netika plēsta huligānisku tieksmju apmierināšanai, bet gan lai pārbaudītu plates digitalizēšanas lāzeriekārtas spējas nolasīt saplēstas plates, tāpēc tika salasītas plates drumslas un uz lāzeratskaņotāja pamatnes salikta šellaka puzzle.

Diemžēl pāris pirmie mēģinājumi nolasīt saplēsto plati cieta neveiksmi. Veicot nolasīšanas testu, iekārta paziņoja, ka nolasīt neizdosies un šķiet galvenā problēma bija plates gabaliņu izslīdēšana centrbēdzes rezultātā. Šī konkrētā plate bija relatīvi ātrais - 78 apgr./min. eksemplārs un lai arī plates gabaliņi sākumā tika salikti cieši kopā, pēc atskaņošanas mēģinājuma tie jau bija mazliet aizslīdējuši prom no pamatnes centra.

Iespējams plati izdotos nolasīt, ja gabaliņus salīmētu, bet tāds eksperiments vēl priekšā.

SIA “Tilde” portālā www.letonika.lv uzsākusi latviešu literatūras zelta fondu publicēšanu. Šobrīd jau pieejami tādu autoru kā R. Blaumaņa, brāļu Kaudzīšu, Raiņa un citu Latvijas rakstnieku un dramaturgu darbi. Portālā pārstāvēti 16 latviešu klasiķi, bet “Tilde” solās darbu turpināt un iekļaut arvien jaunu daiļliteratūru.

Arī Latvijas Nacionālā bibliotēka nākamajos gados plāno digitalizēt vairākus miljonus avīžu un grāmatu lappušu, vairāk gan koncentrējoties uz zinātnisko, populārzinātnisko un kultūras literatūru nekā uz daiļliteratūru.

Vairāk par LNB nākotnes plāniem digitālās bibliotēkas veidošanā var lasīt šeit:

• Kā digitālā bibliotēka plāno tērēt Eiropas naudu (I daļa)
• Kā digitālā bibliotēka plāno tērēt Eiropas naudu (II daļa)

Lai arī digitālās bibliotēkas parasti asociējas ar ieskenētām grāmatām vai attēliem, patiesībā šis termins ir daudz plašāks un digitālajās bibliotēkās tiek iekļauti arī digitalizēti audio ieraksti. LNB Fonotēkas nodaļā glabājas ap 25 000 dažādu šellaka un vinila plašu gan no Latvijas, gan ārvalstu mūzikas zelta fondiem. Nākotnē plānots digitalizēt vismaz 1500 plašu, digitalizējot tieši Latvijas mūzikas krājumus.

Līdz nesenai pagātnei plašu digitalizēšana notika izmantojot tradicionālās – “adatas iekārtas”, taču pagājušā gada rudenī LNB savā īpašumā ieguva Japānā ražotu plašu digitalizēšanas lāzeriekārtu ELP Laser Turntable, kur adatu aizstājis plati daudz saudzējošākais lāzera stars.

Lāzera stara izmantošanai digitalizēšanas procesā ir būtiskas priekšrocības, piemēram, tas spēj piekļūt tādām plates celiņa daļām, kuras adata, savu fizisko ierobežojumu dēļ, nekad neskar. Līdz ar to iegūtais skanējums var būt vēl dziļāks un melodiski bagātāks nekā atskaņojot to tradicionāli.

Tāpat, lāzera stars, atšķirībā no adatas neķeras plates celiņu skrāpējumos, nepārlec un nerada skaņas kropļojumus plates nolietojuma vai bojājumu dēļ.

Piedāvājam salīdzinājumam noklausīties Jāzepa Vītola “Mirdzas dziesmas” digitalizēšanas laikā iegūtos rezultātus un atfiltrēto trokšņu paraugus.

1. Rezultāts, ko iegūst digitalizējot plati ar tradicionālo (adatas) iekārtu.

2. Rezultāts, digitalizējot plati ar Laser Turntable iekārtu (bez programmātiskas pēcapstrādes).

3. Rezultāts, digitalizējot plati ar Laser Turntable iekārtu (ar programmātisku pēcapstrādi).

4. Trokšņi, ko atfiltrē DeScratch filtrs.

5. Trokšņi, ko atfiltrē DeCrackle filtrs.

6. Trokšņi, ko atfiltrē DeNoise filtrs. Ieklausoties var dzirdēt, ka šis filtrs paķer līdzi arī daļu no paša audio ieraksta, tāpēc DeNoise filtrs praktiski netiek lietots.

LNB audio digitalizētāji cīnās ar vēl kādu izaicinājumu – plašu centrēšanas problēmu. Izrādās daudzām platēm caurumiņš plates novietošanai uz atskaņotāja neatrodas precīzi plates centrā, līdz ar to rodas “peldošs” skanējums, it īpaši atskaņojot ārējo celiņu ierakstus. Sadarbojoties augstāk minētās lāzeriekārtas izstrādātājiem un LNB speciālistiem, japāņi speciāli LNB ir izveidojuši iekārtu, kas kompensē slikti centrētas plates neregulāro kustību. Šobrīd LNB notiek eksperimenti ar plašu centrēšanas iekārtu un iespējams jau drīzumā varēsim šeit nodemonstrēt dažus paraugus arī par centrētu plašu skanējumu.

Tuvākajā laikā plānojam sagatavot arī nelielu reportāžu no audio digitalizēšanas nodaļas, lai pastāstītu (un parādītu), kā LNB notiek plašu digitalizācija. Sekojiet līdz!