革命历史档案纸质/声像混合资源低成本数字化落地全流程指南

一、前期硬件软件清单准备

1.1 硬件（最低实用配置）

• 档案扫描仪：零门槛选爱普生DS-1630/佳能DR-M1060（A4幅面，支持自动双面、ADF批量扫，分辨率600dpi起步，淘宝/京东自营二选一）
• 声像采集设备：普通手机（需支持1080P+音频降噪，配三脚架固定）+ USB外接电容麦（选铁三角ATR2100x-USB入门款，自带防喷棉）
• 存储设备：1台2TB+机械硬盘（NAS备份选群晖DS223j+2块西数红盘Plus 4TB组成RAID1，单盘本地备份也可优先希捷酷鹰）

1.2 软件（全免费/开源合规）

• 扫描端软件：ScanSnap Home（绑定爱普生DS系列通用，无需注册）/ CaptureOnTouch Express（绑定佳能DR系列通用，无需注册）
• 图像处理软件：GIMP 2.10.34（裁剪、去污、OCR前预处理）+ Tesseract-OCR 5.3.3（简体中文识别）+ 中文语言包：chi_sim.traineddata、chi_sim_vert.traineddata（下载地址：https://github.com/tesseract-ocr/tessdata_fast/raw/main/chi_sim.traineddata、https://github.com/tesseract-ocr/tessdata_fast/raw/main/chi_sim_vert.traineddata）
• 声像处理软件：Audacity 3.3.3（音频降噪、剪辑）+ HandBrake 1.6.2（视频压缩、转MP4通用格式）
• 归档管理软件：Memories（配合群晖DS223j使用，单盘本地可选Windows自带的OneDrive个人版免费5GB空间，仅存索引和缩略图，高清存本地）

二、纸质档案批量预处理与扫描

2.1 批量预处理

• 去钉去线：用回形针替代原金属钉/线绳（避免损伤扫描头），对折页、粘页展平并用美纹纸临时固定边角
• 分类编号：按“全宗号-年度-保管期限-件号”手写在每张纸的右上角空白处（比如：GM-1949-P-0001，GM代表革命历史临时全宗，可自定义）

2.2 扫描参数配置

以ScanSnap Home绑定爱普生DS-1630为例，打开软件后按以下操作调整：

• 点击“扫描设置”→“文档”→“批量扫描”→“A4双面”
• 点击“图像”→“分辨率”选600dpi（黑白稿可选400dpi彩色优先）→“色彩模式”选“自动”（普通彩色选“彩色”，纯文字选“黑白二值化”）→“自动裁剪”“自动纠偏”“自动去除空白页”全部勾选
• 点击“保存”→“保存格式”选PDF/A-1b（长期归档专用格式，微软Office可直接打开）→“文件名”模板设为“{全宗}-{年度}-{保管}-{件号}”（首次扫描手动输入前缀，后续自动递增件号）

2.3 开始批量扫描

将分类好的档案放入ADF进纸器（最多100张80g A4纸），点击软件界面“扫描”按钮即可，扫描完成后自动保存到指定本地文件夹。

三、纸质档案图像处理与OCR识别

3.1 手动二次预处理（GIMP）

打开GIMP 2.10.34，拖入需要修复的PDF/A-1b文件：

• 点击“图像”→“变换”→“裁剪到内容”去除多余留白
• 点击“滤镜”→“增强”→“去斑点”（默认参数：半径3，阈值15，勾选“修复边缘”）去除污渍、霉点
• 修复完成后点击“文件”→“导出为”，格式仍选PDF/A-1b，覆盖原文件

3.2 OCR批量识别（Tesseract-OCR+脚本辅助）

1. 安装Tesseract-OCR 5.3.3（Windows版下载地址：https://github.com/UB-Mannheim/tesseract/wiki/5.3.3），安装时勾选“Add Tesseract to PATH”；

2. 将下载好的chi_sim.traineddata、chi_sim_vert.traineddata复制到安装目录下的tessdata文件夹（默认C:\Program Files\Tesseract-OCR\tessdata）；

3. 新建记事本，粘贴以下代码，保存为“批量OCR.bat”（后缀名改为.bat，编码选ANSI）：

```batch @echo off chcp 65001 set "input_dir=D:\革命历史档案\扫描件" set "output_dir=D:\革命历史档案\OCR结果" if not exist "%output_dir%" mkdir "%output_dir%" for %%f in ("%input_dir%\.pdf") do ( tesseract "%%f" "%output_dir%\%%~nf" -l chi_sim+chi_sim_vert pdf ) echo 批量OCR完成！ pause ```

4. 修改代码中的input_dir（扫描件原文件夹）和output_dir（OCR后带文本层PDF文件夹）路径，双击运行即可，100张A4纸黑白稿约需5分钟。

四、声像档案采集与处理

4.1 录音档案采集

• 固定手机+铁三角ATR2100x-USB电容麦，距离口述者/老式录音带播放器喇叭10-15cm
• 手机录制时打开“录音笔模式”（不同品牌叫法不同，找无压缩、高采样率选项：44.1kHz/16bit）

4.2 录音档案处理（Audacity）

1. 打开Audacity 3.3.3，拖入录音文件：

• 点击“效果”→“降噪”→“获取噪声样本”（先选一段无内容的空白杂音区域，时长约1秒）
• 全选录音，再次点击“效果”→“降噪”（默认参数直接应用）
• 点击“文件”→“导出”→“导出为MP3”（码率选320kbps CBR，文件名按“全宗号-年度-保管期限-件号-声像”命名）

4.3 老照片/录像带视频采集同理，录像转码用HandBrake选“Fast 1080p30”预设，格式选MP4即可。

五、归档管理与备份

5.1 本地单盘管理（Memories/OneDrive）

群晖DS223j：将处理好的PDF/A-1b、MP3、MP4文件统一上传到指定共享文件夹，安装Memories套件后自动生成按分类编号排序的缩略图和检索功能，支持全文搜索OCR后的PDF。

Windows OneDrive：将处理好的文件按“全宗号-年度”创建子文件夹，上传子文件夹到OneDrive个人版，仅同步索引和缩略图，高清文件保留本地。

5.2 三重备份（必做）

• 本地主备份：处理好的所有文件存到2TB+机械硬盘（非系统盘）
• 异地主备份：用另一块同型号机械硬盘复制一份，放在离本地3公里以上的安全地方
• 云端备份：压缩所有文件为ZIP分卷（每卷1GB），上传到百度网盘个人版超级会员免费空间（仅存加密压缩包，密码至少16位）