Florian Langhanki, M.A. -

Reul, Christian ; Nöth, Maximilian ; Baier, Herbert ; Chadbourne, Kevin ; Langhanki, Florian: Human-Centred Open-Source Automatic Text Recognition for the Humanities with OCR4all. In: Humanities-Centred AI (CHAI), 4th Workshop at the 47th German Conference on Artificial Intelligence (2024)
- [ Abstract ]
- [ BibTeX ]
Not least due to the rise of quantitative methods and their need for large volumes of high-quality text, Automatic Text Recognition (ATR) is becoming increasingly important in (Digital) Humanities research. Major technical advances in recent years have been supported by the continuous release of open-source implementations that cover the various individual steps of the ATR workflow. As the optimal approach varies depending on the material at hand and individual quality requirements, the next crucial step is the (further) development of user-friendly software that enables flexible, integrative and sustainable combinations of current and future solutions. To this end, we present the completely revised open-source tool OCR4all, which allows even non-technical users to independently perform an ATR workflow and achieve high-quality results. OCR4all is fully compatible with the ATR solutions from the DFG funding initiative “OCR-D”, so that users have a variety of tools at their disposal that they can use in the best possible way for their specific requirements.

@article{reul2024humancentred, abstract = {Not least due to the rise of quantitative methods and their need for large volumes of high-quality text, Automatic Text Recognition (ATR) is becoming increasingly important in (Digital) Humanities research. Major technical advances in recent years have been supported by the continuous release of open-source implementations that cover the various individual steps of the ATR workflow. As the optimal approach varies depending on the material at hand and individual quality requirements, the next crucial step is the (further) development of user-friendly software that enables flexible, integrative and sustainable combinations of current and future solutions. To this end, we present the completely revised open-source tool OCR4all, which allows even non-technical users to independently perform an ATR workflow and achieve high-quality results. OCR4all is fully compatible with the ATR solutions from the DFG funding initiative “OCR-D”, so that users have a variety of tools at their disposal that they can use in the best possible way for their specific requirements.}, author = {Reul, Christian and Nöth, Maximilian and Baier, Herbert and Chadbourne, Kevin and Langhanki, Florian}, journal = {Humanities-Centred AI (CHAI), 4th Workshop at the 47th German Conference on Artificial Intelligence}, keywords = {myown}, month = {09}, title = {Human-Centred Open-Source Automatic Text Recognition for the Humanities with OCR4all}, year = 2024 }
Langhanki, Florian ; Wehner, Maximilian ; Roeder, Torsten ; Reul, Christian: OCR4all - Open-Source OCR and HTR Across the Centuries., Digital Humanities 2023: Book of Abstracts : Zenodo, 2023
- [ Abstract ]
- [ BibTeX ]
- [ URL ]
OCR4all provides a fully automated OCR workflow by com- bining different OCR solutions. At pretty much any stage of the workflow the user can interact with the results in order to mini- mize consequential errors and optimize the end result. Initially adapted to the difficulties of early modern prints from the 15th and 16th century (project Narragonien digital projects. The soft- ware has undergone continuous development, resulting in signifi- cant advances in layout analysis and highest recognition accuracy through robust OCR models

@proceedings{baillot_anne_2023_7961822, abstract = {OCR4all provides a fully automated OCR workflow by com- bining different OCR solutions. At pretty much any stage of the workflow the user can interact with the results in order to mini- mize consequential errors and optimize the end result. Initially adapted to the difficulties of early modern prints from the 15th and 16th century (project Narragonien digital projects. The soft- ware has undergone continuous development, resulting in signifi- cant advances in layout analysis and highest recognition accuracy through robust OCR models}, author = {Langhanki, Florian and Wehner, Maximilian and Roeder, Torsten and Reul, Christian}, keywords = {myown}, month = {07}, publisher = {Zenodo}, series = {Digital Humanities 2023: Book of Abstracts}, title = {OCR4all - Open-Source OCR and HTR Across the Centuries.}, year = 2023 }
Langhanki, Florian ; Wehner, Maximilian ; Hinrichsen, Lena ; Baierer, Konstantin ; Reul, Christian: Flexibles Arbeiten mit OCR4all - Massenvolltextdigitalisierung von Drucken mithilfe von OCR-D und hochqualitative Transkription von Handschriften. In: DHd2022 Kulturen des digitalen Gedächtnisses (2022)
- [ Abstract ]
- [ BibTeX ]
- [ URL ]
"Die automatisierte Texterkennung von historischen Drucken und Handschriften stellt eine anspruchsvolle Aufgabe bei der Entwicklung modularer wie flexibler OCR-/HTR-Workflows dar. Besonders Forschungsfelder wie Text Mining oder Sentiment Analysis haben die Schwierigkeiten einer Textdigitalisierung entsprechender Materialien bei gleichzeitigem Bedarf großer Textmengen zur Anwendung quantitativer Analyseverfahren erkannt. Auch im Kontext hochqualitativer Volltexterfassungen digitaler Editionen besteht großer Bedarf an intuitiv und komfortabel zu bedienender Software. Die an der Universität Würzburg entwickelte Software OCR4all nimmt neben den formulierten Anforderungen entsprechender Workflowsysteme die Ausrichtung auf einen geisteswissenschaftlichen Nutzer:innenkreis für sich in Anspruch. Durch die baldige Unterstützung der im Rahmen von OCR-D entwickelten Lösungen wird nun die Anwendung im Spannungsfeld einer Massenvolltextdigitalisierung und einer hochqualitativen Erfassung historischer Texte möglich. Der Workshop bietet einen umfassenden Einstieg ins Thema der OCR und HTR historischer Materialien. Teilnehmende werden in die Nutzung von OCR4all eingeführt und dazu befähigt, auf Grundlage anspruchsvoller Ausgangsmaterialien hochqualitative Textdaten zu generieren." Ein Beitrag zur 8. Tagung des Verbands "Digital Humanities im deutschsprachigen Raum" - DHd 2022 Kulturen des digitalen Gedächtnisses.

@article{langhanki_florian_2022_6328079, abstract = {"Die automatisierte Texterkennung von historischen Drucken und Handschriften stellt eine anspruchsvolle Aufgabe bei der Entwicklung modularer wie flexibler OCR-/HTR-Workflows dar. Besonders Forschungsfelder wie Text Mining oder Sentiment Analysis haben die Schwierigkeiten einer Textdigitalisierung entsprechender Materialien bei gleichzeitigem Bedarf großer Textmengen zur Anwendung quantitativer Analyseverfahren erkannt. Auch im Kontext hochqualitativer Volltexterfassungen digitaler Editionen besteht großer Bedarf an intuitiv und komfortabel zu bedienender Software. Die an der Universität Würzburg entwickelte Software OCR4all nimmt neben den formulierten Anforderungen entsprechender Workflowsysteme die Ausrichtung auf einen geisteswissenschaftlichen Nutzer:innenkreis für sich in Anspruch. Durch die baldige Unterstützung der im Rahmen von OCR-D entwickelten Lösungen wird nun die Anwendung im Spannungsfeld einer Massenvolltextdigitalisierung und einer hochqualitativen Erfassung historischer Texte möglich. Der Workshop bietet einen umfassenden Einstieg ins Thema der OCR und HTR historischer Materialien. Teilnehmende werden in die Nutzung von OCR4all eingeführt und dazu befähigt, auf Grundlage anspruchsvoller Ausgangsmaterialien hochqualitative Textdaten zu generieren." Ein Beitrag zur 8. Tagung des Verbands "Digital Humanities im deutschsprachigen Raum" - DHd 2022 Kulturen des digitalen Gedächtnisses.}, author = {Langhanki, Florian and Wehner, Maximilian and Hinrichsen, Lena and Baierer, Konstantin and Reul, Christian}, journal = {DHd2022 Kulturen des digitalen Gedächtnisses}, keywords = {myown}, month = {03}, title = {Flexibles Arbeiten mit OCR4all - Massenvolltextdigitalisierung von Drucken mithilfe von OCR-D und hochqualitative Transkription von Handschriften}, year = 2022 }
Reul, Christian ; Tomasek, Stefan ; Langhanki, Florian ; Springmann, Uwe: Open Source Handwritten Text Recognition on Medieval Manuscripts using Mixed Models and Document-Specific Finetuning. In: arXiv Preprints (submitted to DAS 2022) (2022)
- [ Abstract ]
- [ BibTeX ]
- [ URL ]
This paper deals with the task of practical and open source Handwritten Text Recognition (HTR) on German medieval manuscripts. We report on our efforts to construct mixed recognition models which can be applied out-of-the-box without any further document-specific training but also serve as a starting point for finetuning by training a new model on a few pages of transcribed text (ground truth). To train the mixed models we collected a corpus of 35 manuscripts and ca. 12.5k text lines for two widely used handwriting styles, Gothic and Bastarda cursives. Evaluating the mixed models out-of-the-box on four unseen manuscripts resulted in an average Character Error Rate (CER) of 6.22%. After training on 2, 4 and eventually 32 pages the CER dropped to 3.27%, 2.58%, and 1.65%, respectively. While the in-domain recognition and training of models (Bastarda model to Bastarda material, Gothic to Gothic) unsurprisingly yielded the best results, finetuning out-of-domain models to unseen scripts was still shown to be superior to training from scratch. Our new mixed models have been made openly available to the community.

@article{reul2022open, abstract = {This paper deals with the task of practical and open source Handwritten Text Recognition (HTR) on German medieval manuscripts. We report on our efforts to construct mixed recognition models which can be applied out-of-the-box without any further document-specific training but also serve as a starting point for finetuning by training a new model on a few pages of transcribed text (ground truth). To train the mixed models we collected a corpus of 35 manuscripts and ca. 12.5k text lines for two widely used handwriting styles, Gothic and Bastarda cursives. Evaluating the mixed models out-of-the-box on four unseen manuscripts resulted in an average Character Error Rate (CER) of 6.22%. After training on 2, 4 and eventually 32 pages the CER dropped to 3.27%, 2.58%, and 1.65%, respectively. While the in-domain recognition and training of models (Bastarda model to Bastarda material, Gothic to Gothic) unsurprisingly yielded the best results, finetuning out-of-domain models to unseen scripts was still shown to be superior to training from scratch. Our new mixed models have been made openly available to the community.}, author = {Reul, Christian and Tomasek, Stefan and Langhanki, Florian and Springmann, Uwe}, journal = {arXiv Preprints (submitted to DAS 2022)}, keywords = {myown}, title = {Open Source Handwritten Text Recognition on Medieval Manuscripts using Mixed Models and Document-Specific Finetuning}, year = 2022 }
Jung, Raphaëlle ; Langhanki, Florian ; Wehner, Maximilian: Narragonien digital: ’Den narren spiegel ich diß nenn’. Sebastian Brants Narrenschiff und seine europäische Überlieferungsgeschichte.. In: bildungsgeschichte.de (ed.) , Bibliothek für Bildungsgeschichtliche Forschung (2021)
- [ BibTeX ]
- [ URL ]
@article{https://doi.org/10.25523/32552.9, author = {Jung, Raphaëlle and Langhanki, Florian and Wehner, Maximilian}, editor = {bildungsgeschichte.de}, keywords = {myown}, publisher = {Bibliothek für Bildungsgeschichtliche Forschung}, title = {Narragonien digital: 'Den narren spiegel ich diß nenn'. Sebastian Brants Narrenschiff und seine europäische Überlieferungsgeschichte.}, year = 2021 }
Langhanki, Florian ; Leue, Sebastian ; Hamm, Joachim: ’Das nüv schiff von Narragonia’ (Straßburg [Johannes Grüninger], vor 23.05.1495; GW5048).. In: Burrichter, B. ; Hamm, J. (eds.) Narragonien digital. Digitale Textausgaben von europäischen ’Narrenschiffen’ des 15. Jahrhunderts. (2021)
- [ BibTeX ]
- [ URL ]
@article{leue2021schiff, author = {Langhanki, Florian and Leue, Sebastian and Hamm, Joachim}, editor = {Burrichter, Brigitte and Hamm, Joachim}, journal = {Narragonien digital. Digitale Textausgaben von europäischen 'Narrenschiffen' des 15. Jahrhunderts.}, keywords = {myown}, title = {'Das nüv schiff von Narragonia' (Straßburg [Johannes Grüninger], vor 23.05.1495; GW5048).}, year = 2021 }

11/2024: Spielkritik im 16. Jahrhundert: Das >Spieler-Abc und Namenbüchlein< (Brettspiele im Mittelalter - Poetik, Rezeption, Praxis, Fribourg)
02/2024: Basics and Applications of OCR (Studiolo - Digital Humanities Lab 2024; CSMBR Winter Schools: Humanities for the Future)
09/2023: OCR und Edition: Tools und Potenziale (Sprachgeschichte und Editionsphilologie: Vom digitalen Umgang mit historischen Texten, Darmstadt) (zs. mit Matthias Boenig)
09/2023: Texterkennung mit OCR4all (Workshop: KI-gestützte Texterkennung bei “kleinen” Sprachen; Collegium Carolinum, München) (zs. mit Niklas Platzer)
12/2021: Code Switching bei Sebastian Brant – Eine Textreihe in den Varia Carmina (Transfer und Transformation. Werk- und überlieferungsgeschichtliche Dynamiken im Œuvre von Sebastian Brant. Workshop des SNF-Projekts „Sebastian Brant im Schnittfeld frühneuzeitlicher Textkulturen“ (Univ. Bamberg))
05/2021: translator et translatus. Zweisprachigkeit im deutschen Humanismus des 15. und 16. Jahrhunderts – Die Einblattdrucke und Gedichtbände Sebastian Brants (Germanistisches Colloquium der dt. Philologie Würzburg)

02/2024: Das richtige Tool für die Volltextdigitalisierung (DHd24, Passau) (o/b Dr. Christian Reul)
01/2024: Automatische Texterkennung von Drucken und Handschriften mit OCR4all (HU Berlin)
12/2023: OCR4all – ein Tool zur automatischen Texterkennung von historischen Quellen (Digital Lab, Leipzig) (with Dr. Eliese-Sophia Lincke)
11/2023: Open-source Texterkennung von Drucken und Handschriften mit OCR4all (Digital History Lab, Zürich) (with Dr. Christian Reul)
11/2023: Erschließung gedruckter und handschriftlicher Textzeugen mit OCR4all (Digitale Hermeneutik, WKT Rostock) (with Dr. Christian Reul)
11/2023: OCR4all Open-Source Texterkennung (vor-)moderner Drucke und Handschriften (SUB Hamburg)
11/2023: Open-source Texterkennung von Drucken und Handschriften mit OCR4all (Praxisatelier Digital Humanities, Zürich) (with Dr. Christian Reul)
07/2023: OCR4all – Open-Source OCR and HTR Across the Centuries (DH23 Graz)
05/2023: Praxis-Workshop OCR: Mit Optical-Character-Recognition-Verfahren Texte aus Bildern und Scans extrahieren (HAB Wolfenbüttel) (with Anna Lingnau, Lena Hinrichsen, Stefan Büdenbender)
03/2022: Flexibles Arbeiten mit OCR4all – Massenvolltextdigitalisierung von Drucken mithilfe von OCR-D und hochqualitative Transkription von Handschriften (DHd2022, Potsdam) (with Maximilian Wehner, Lena Hinrichsen, Konstantin Baierer)
09/2019: OCR4all – ein semi-automatisches OCR-Tool für historische Drucke (with Maximilian Wehner)
11/2018: OCR auf alten Handschriften und Inkunabeln (Nachwuchstagung "Digitale Methoden und Objekte in Forschung und Vermittlung der mediävistischen Disziplinen" - BaGraMs, Bamberg) (with Dr. Michael Dahnke)

2024:

2023:

2022:

2021:

Sebastian Brant und der frühe Buchdruck in Basel. Zum 500. Todestag eines humanistischen Gelehrten.
XVII. Altgermanistisches Colloquium am Hesselberg
Spielformen des Lyrischen im späten Mittelalter (1270 - 1500).
Transfer und Transformation: Werk- und überlieferungsgeschichtliche Dynamiken im Œuvre von Sebastian Brant.

2018:

Mediävistenverband

AG OCR

Job History

Since 11/2020: Lecturer at the Chair for German Philology of the middle ages and early modern era (University of Würzburg)
Since 10/2022: Research associate at the Centre for Philology and Digitality (University of Würzburg)
10/2021 – 09/2022: Research assistant at the Centre for Philology and Digitality (University of Würzburg)
10/2020 – 10/2021: Research assistant at the Chair for German Philology of the middle ages and early modern era (University of Würzburg)
05/2019 – 12/2019: Student research assistant, project ‚Narragonien Digital – Kallimachos‘ (University of Würzburg)
03/2019 – 09/2020: Student research assistant at the Centre for Philology and Digitality (University of Würzburg)
10/2018 – 07/2020: Tutor at the Chair for German Philology of the middle ages and early modern era (University of Würzburg)
09/2017 – 09/2020: Student research assistant at the Chair for German Philology of the middle ages and early modern era (University of Würzburg)

Education

10/2017 – 10/2020 – Studies of 'Middle Ages and Early Modern Era' (Master) at the University of Würzburg.
- 09/2020 – Master Thesis: "Der Trojanische Krieg im Druck – Erarbeitung eines Konzepts für ein Online-Repositorium frühneuhochdeutscher Großepik"
10/2011 – 02/2018 - Studies of Latin Philology, Greek Philology, German Philology, Geography (Bachelor) at the University of Würzburg.
- 02/2018 – Bachelor Thesis: "Metareferenz bei Herbort von Fritzlar"

Florian Langhanki, M.A.

Further institutional affiliations

Job History

Education

Data privacy protection

Data privacy protection

Picture credits