稀有字的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

最新書體大字典

為了解決稀有字的問題，作者唐謹華 這樣論述：

　　全書收錄常用字體上萬，數量及種類變化為坊間書市同類翹楚；內附古象形文字、變體假名等稀有字體可供雕印、教學書法等運用。最為珍希的尚有王羲之”永字八法”及失傳甚久的基本點劃七十八法筆勢法，為他書難望項背的精點書法大作。 本書特色 　　附有部首索引由淺而入容易翻閱，為初學書法及從事相關行業之人員最佳選擇，此書已被美工科系作為教學工具用書。 作者簡介 唐謹華 　　1970年出生於文化重鎮鹿港，先祖三代皆從事廟寺神佛設計及雕塑工作。1993年畢業於國立藝術學院美工科，轉赴米蘭大學主修藝術色彩學，1996年返回母校執鞭，現已升任副教授，最為著稱之作有”實用七體字典”等書。

稀有字進入發燒排行的影片

中文醫學語音辨識: 語音資料庫與自動辨識技術

為了解決稀有字的問題，作者李憶萱 這樣論述：

針對中文醫療語音辨識技術，本論文從資料為中心的觀點 (data centric)，按照機器學習的開發與佈署 (MLOps) 的流程進行研究。首先是資料集的淨化：校正先前誤標示的文本 ChiMeS-14，並按語義完整性重新切割 sChiMeS-14。其次是語音辨識模型的優化：在固定 Joint CTC/Attention 的 ASR 網路架構後，針對語料庫極端受限的挑戰，窮究包括：文獻上利用波形與光譜資料增量以及併用語言模型等技術的辨識提升效果。最後是概念飄移 (concept drift) 的舒解：當佈署後所要辨識的醫科類別不同於原訓練集採樣的醫學科別時，會因專業術語詞彙不同而引起的Out-

of-Keyword (OOK) 問題。本研究提出使用端對端的關鍵字增量方法，在不需重新錄製新科別完整病歷語音的前提下，即可減緩 OOK 的問題。整體來看，為了促進中文醫療語音辨識的發展，本論文的具體貢獻有三，分別是：(一) sChiMeS 語料庫，其為時14.4 小時，共7,225 句語音。(二) 訓練好的JointCTC/Attention ASR 模型，其在 sChiMeS-14 的測試集上的字符錯誤率 (CharacterError Rate，CER) 和關鍵字錯誤率 (Keyword Error Rate，KER) 分別為12.85%和17.62%。以及(三) 用來評估其他ASR 模

型績效的測試平台。細節請參 ChiMeS入口網站 (https://iclab.ee.ntust.edu.tw/home)。