FreeTamilEbooks இனி FTEBooks…!!!

1. தமிழ்
2. English

தமிழ்

டிஜிட்டல் யுகத்தில் தமிழ் இலக்கியம் மற்றும் நூல்களைப் பரவலாக்குவதில் முக்கிய பங்கு வகித்த FreeTamilEbooks-இன் ஆன்ட்ராய்டு செயலி, இப்போது FTEBooks என்ற புதிய பெயரிலும் புதிய வடிவத்திலும் வெளியாகியுள்ளது.

இந்தக் கட்டுரையில், கடந்த பத்து ஆண்டுகளில் இந்தச் செயலி கடந்து வந்த பயணத்தையும், அதன் தொழில்நுட்ப மேம்பாடுகளையும் தொகுத்துள்ளேன்.

தொடக்கம்

தமிழில் இலவசமாக மின்நூல்களைப் பதிவிறக்கி வாசிக்கும் வாய்ப்பை வழங்கும் FreeTamilEbooks தளம், 26 ஜூலை 2014 அன்று சில தன்னார்வலர்களின் கூட்டுழைப்பில் தொடங்கப்பட்டது. ஆரம்பத்தில், இந்தத் தளத்தின் புத்தகங்களை உலாவி (Browser) மூலம் மட்டுமே பதிவிறக்கி, பிற செயலிகளில் வாசிக்க வேண்டியிருந்தது.

ஆண்ட்ராய்டு செயலியின் தோற்றம்

2014-ல் தொடங்கிய இந்த திட்டத்தில் 2017-ஆம் ஆண்டு நானும் இணைந்து செயல்படலானேன். எனது பங்களிப்பாக இந்தத் தளத்தை மேலும் பலரிடம் கொண்டு செல்லும் நோக்கில் ஆண்ட்ராய்டு செயலி ஒன்றை உருவாக்கினேன்.

ஆரம்பத்தில், பதிவிறக்கப்பட்ட மின்நூல்களை படிக்க FBReader, GoogleBooks போன்ற வேறு செயலிகளை நிறுவிப் பயன்படுத்த வேண்டியிருந்தது.

பயனர்களின் கருத்துகளுக்கு ஏற்ப செயலியில் தொடர்ந்து மேம்பாடுகள் செய்துவந்தேன்.

• புத்தகங்களை நேரடியாக தேடும் வசதி
• பதிவிறக்கப்பட்ட புத்தகங்களை செயலிக்குள் நிர்வகிக்கும் வசதி
• தேவையற்ற புத்தகங்களை நீக்கும் வசதி

இவற்றில் குறிப்பிடத்தக்கது.

சவால்கள்

பல இடைமுக மாற்றங்களையும் மேம்பாடுகளையும் செய்தபோதும், செயலிக்குள் இருந்தே மின்நூல்களைப் படிக்கும் நிலையான மின்நூல் வாசிப்பான் உருவாக்க முடியாத குறை நீண்ட நாட்களாக இருந்தது.

மேலும், கடந்த ஆண்டில் Google Developer Policy-யில் ஏற்பட்ட மாற்றங்களால் செயலி Play Store-இலிருந்து நீக்கப்பட்டது. இந்த பிரச்சனையைத் தீர்த்து மீண்டும் செயலியை Play Store-இல் வெளியிடுவது எனக்கு பெரும் சவாலாக இருந்தது.

புதிய பெயர், புதிய முகம்

இந்த சவால், செயலிக்கு புதிய வடிவமைப்பை கொடுக்கும் வாய்ப்பாக மாறியது. அதே சமயத்தில், நண்பர் இரவிசங்கர் FreeTamilEbooks தளத்திற்கு புதிய இடைமுகத்தை உருவாக்கும் பணியைத் தொடங்கினார்.

தொடர்ச்சியான முயற்சிகளின் பலனாக, ஒரு மாதத்திற்கு முன் செயலி புதிய பெயரிலும் (FTEBooks), புதிய இடைமுகத்துடனும், மேலும் செயலிக்குள் இருந்தே மின்நூல்களைப் படிக்கக்கூடிய உள்ளமைக்கப்பட்ட மின்நூல் வாசிப்பானுடனும் வெளியிடப்பட்டது.

மின்நூல் புத்தககுறிகள்

சேமிக்கப்பட்ட மேற்கொள்கள்

மின்நூலின் உள்ளடக்கம்

மின்நூலில் தேடும் வசதி

பதிவிறக்கங்கள்

தேடல் பக்கம்

மின்நூல் பக்கம்

மின்நூல் பக்கம்

முகப்பு பக்கம்

நிறைவாக

கடந்த பத்து ஆண்டுகளில், இந்த தளம் வெறும் ஒரு புத்தக பதிவிறக்க வலைதளத்தில் இருந்து, ஒரு முழுமையான மின்நூல் அனுபவத்தை வழங்கும் நவீன தளமாக வளர்ந்துள்ளது.

• லாப நோக்கமின்றி, விளம்பரங்களின்றி செயல்படுவது FreeTamilEbooks தளத்தின் சிறப்பு. அதேபோல் FTEBooks செயலியிலும் எந்தவித விளம்பரங்களும் இல்லை.
• இதுவரை FreeTamilEbooks தளத்திற்கு எழுதியும், இனி எழுதவிருக்கும் எழுத்தாளர்களும், மறைமுகமாக தமிழ் Corpus-க்கு மிகப் பெரிய பங்களிப்பு செய்து வருவது குறிப்பிடத்தக்கது.

கணியம் அறக்கட்டளை, இரவிசங்கர், மற்றும் பல தன்னார்வலர்களின் அயராத முயற்சியின் பலனே இன்றைய FreeTamilEbooks தளமும், FTEBooks செயலியும்.

இந்த செயலி FreeTamilEbooks வாசகர்களுக்கு எளிமையான, பயனுள்ள, முழுமையான மின்நூல் அனுபவத்தை அளிக்கும். செயலியை பயன்படுத்துவதோடு நின்றுவிடாமல், இதை மேலும் செழுமைப்படுத்த தங்களது கருத்துக்களையும் எதிர்நோக்குகிறோம்.

பங்களிப்பு & எதிர்கால திட்டங்கள்

🔹 அடுத்தடுத்த பதிப்புகளில் TTS (Text to Speech), Audio Books போன்ற வசதிகளை கொண்டுவரும் திட்டம் உள்ளது.
🔹 நீங்கள் ஆண்ட்ராய்டு டெவலப்பராக இருந்தால், நீங்களும் இந்த பயணத்தில் இணைந்து பங்களிக்கலாம்.

📥 செயலியின் மூல நிரல்: GitHub Repository
💬 கருத்துகளை பகிர: Submit Issues
📲 Play Store இணைப்பு: FTEBooks App

இந்தச் செயலிக்கு மின்நூல் வாசிப்பானை உருவாக்க ஆண்டுகள் பல ஊக்கமளித்த சீனிவாசன், செல்வமுரளி அவர்களுக்கும், உடன் உறுதுணையாக இருந்த இணையர் அஃப்ரோஸ் அவர்களுக்கும் நன்றிகள்…

---

English

In the digital age, FreeTamilEbooks, which has played an important role in spreading Tamil literature and books, has now re-launched its Android app with a new name (FTEBooks) and a new look.

In this article, I share the journey of this app over the past ten years and the technical advancements that have shaped it.

The Beginning

The FreeTamilEbooks platform, which provides free access to download and read Tamil eBooks, was launched on 26th July 2014 with the collective efforts of a few volunteers.

Initially, books on the platform could only be downloaded through the browser, and then had to be opened using other applications to read.

Birth of the Android App

Although the project began in 2014, I joined in 2017.

As my contribution, I created an Android application with the aim of taking this platform to more readers.

In the very first version, downloaded eBooks could only be read through external apps like FBReader or Google Books.

Over time, based on user feedback, I kept improving the app and added features such as:

• Direct search for books
• Managing downloaded books within the app
• Option to delete unwanted books

These were some of the key enhancements.

Challenges

Despite several interface revamps and updates, one major limitation remained for a long time — the absence of a stable built-in eBook reader within the app.

Another setback came last year when changes in Google’s Developer Policy led to the app being removed from the Play Store. Overcoming this issue and bringing the app back to the Play Store was a significant challenge for me.

New Name, New Look

This challenge turned into an opportunity to give the app a new design. Around the same time, Ravisankar also started working on a new interface for the FreeTamilEbooks website.

After continuous efforts, about a month ago, the app was re-launched with a new name (FTEBooks), a fresh user interface, and most importantly, a built-in eBook reader that allows users to read directly within the app.

Some of the new features include:

மின்நூல் புத்தககுறிகள்

சேமிக்கப்பட்ட மேற்கொள்கள்

மின்நூலின் உள்ளடக்கம்

மின்நூலில் தேடும் வசதி

பதிவிறக்கங்கள்

தேடல் பக்கம்

மின்நூல் பக்கம்

மின்நூல் பக்கம்

முகப்பு பக்கம்

In Conclusion

Over the past ten years, the platform has grown from being just a simple download site to becoming a modern platform offering a complete eBook reading experience.

• One of the unique aspects of FreeTamilEbooks is that it functions without profit motives and without advertisements. The FTEBooks app also continues this principle — it is completely ad-free.
• The writers who have contributed and will continue to contribute their works to FreeTamilEbooks are also indirectly making a huge contribution to the Tamil language corpus.

The present-day FreeTamilEbooks website and the FTEBooks app are the result of the tireless efforts of the Kaniyam Foundation, Ravisankar, and many dedicated volunteers.

The FTEBooks app offers Tamil readers a simple, useful, and complete eBook experience. We look forward to your suggestions to make it even better.

Contributions & Future Plans

🔹 In future versions, we plan to bring features like TTS (Text to Speech) and Audio Books.
🔹 If you are an Android developer, you too can join and contribute to this journey.

• 📥 Source Code: GitHub Repository
• 💬 Share Feedback: Submit Issues
• 📲 Play Store Link: FTEBooks App

🙏 A special note of thanks to Srinivasan, Selvamurali, and Afrose, who have motivated and supported me for years in building the in-app eBook reader for this application.

Improving Tamil OCR Accuracy with Tesseract 5: Dataset Creation, Training, and Future Plans

Building a Better Tamil OCR with Tesseract 5

Digitizing Tamil printed books is important for accessibility, cultural preservation, and helping visually impaired readers. Existing OCR tools for Tamil struggle with accuracy, so I started this work to improve Tesseract for Tamil.

When I first started, my dream was simple: to build an offline Android application that could take a Tamil PDF or a scanned book and instantly convert it into readable text. No ads, no internet requirement, and no hidden cost — just a tool that works for everyone, anytime.

But very soon, I realized that the default Tamil model in Tesseract wasn’t accurate enough. The recognition quality was inconsistent, and it often produced too many errors to be usable for real-world applications. That is when I understood that before the Android app could become practical, I needed to take a step back and focus on improving Tesseract itself. What began as an app-building exercise turned into a journey of fine-tuning Tamil OCR from the ground up.

The Fine-Tuning Stage

Fine-tuning an OCR engine like Tesseract requires one essential ingredient: a reliable dataset. Accuracy depends directly on the quality of the text and image pairs used for training. Without clean data, even the most powerful algorithms struggle.

I began searching for open Tamil datasets. Wikipedia, Wikisource, and Theekkathir newspaper archives looked promising. I also explored some Tamil datasets hosted on Hugging Face. But quickly, I ran into a new problem: the data was far from clean.

Take the Theekkathir dataset as an example. On the surface, it seemed huge — nearly 88 lakh words. But when I inspected it closely, I found countless broken words, like:

கொண்டிரு க்கிறது

instead of the correct form:

கொண்டிருக்கிறது

This issue was widespread, and automated cleaning wasn’t enough. I had to go through months of manual proofreading to repair the text. And at the end of all that work, the usable size of the Theekkathir dataset shrank to just 2,61,792 words.

Slowly and steadily, by combining multiple sources and carefully normalizing the text using my own script (normalize-gt.py), I built a corpus of 1,92,349 lines, containing about 23,08,183 words. This became the foundation for Tamil Tesseract fine-tuning.

Training Tesseract 5

With the text corpus ready, I turned my attention to preparing training data for Tesseract. The process required generating TIFF images of Tamil text lines and pairing them with ground truth .gt.txt files.

In the beginning, I made another mistake. I thought training for Tamil had to be character-based. For instance, for the syllable “கி”, I manually split it as “க்” + “இ” and created box files accordingly. I spent more than a month preparing training data in this way. Later I discovered the Indic wordstr feature in Tesseract which could handle this more efficiently. This was a key turning point in my learning.

Figure 1 – Sample TIFF line image

The initially created box file for the above image. Here you can see that the character ‘கெ’ is divided as ‘க’ & ‘ ெ’.

க 3 12 15 27 0
ெ 13 6 22 27 0
ஜ 16 6 45 23 0
ட 35 6 47 27 0
்‌ 47 12 58 24 0
' 55 6 61 27 0
, 59 10 66 26 0
' 74 21 78 26 0
இ 78 12 94 26 0
ந 97 10 108 28 0
் 104 6 116 29 0
த 107 6 127 29 0
ி 128 11 140 23 0
ய 137 6 149 29 0
ன 141 12 162 28 0
்‌ 159 6 162 29 0
ஹ 170 3 210 27 0
ெ 195 3 207 29 0
ர 206 3 215 29 0
ா 211 8 222 23 0
ல 223 11 234 23 0
் 235 12 251 29 0
ட 247 3 259 29 0
ு 253 9 268 27 0
' 270 21 274 26 0
எ 281 12 295 23 0
ன 296 12 317 28 0
் 310 8 322 28 0
ற 312 8 331 23 0
இ 339 12 355 26 0
த 350 5 370 23 0
ழ 365 5 377 28 0
் 370 6 385 28 0
க 387 5 402 28 0
ள 386 11 416 24 0
ை 418 12 438 23 0

Later I discovered that Tesseract actually supports wordstr mode for Indic languages, meaning that I could directly use whole words without splitting ligatures. This simple fact would have saved me weeks of effort — but it was a valuable lesson in learning by doing.

Wordstr Box File

WordStr 0 0 1161 39 0 #கெஜட்', 'இந்தியன் ஹெரால்டு' என்ற இதழ்களை வில்லியம்ஸ் என்பவர் தொடங்கினார். தமிழிலேயே வந்த முதல் பத்திரிகை
	 0 0 1161 39 0

Building the Training Pipeline

Once I understood the requirements, I focused on building a custom Python pipeline (generate-gt.py) to automatically generate TIFF and GT pairs. I used 27 different Tamil fonts, including printed and handwriting styles, to cover a wide range of variations.

At first, I generated TIFF files for every font and every line — which meant over 51 lakh TIFF + GT pairs. This was too much. The training quickly ran into overfitting, where the model forgot one font as soon as it learned another.

The breakthrough came when I redesigned the pipeline to distribute the 27 fonts evenly across the 1,92,349 lines. This way, I had exactly 1,92,349 TIFF + GT pairs — diverse enough to train on, but balanced so that the model didn’t overfit.

The below image illustrates a training TIFF where each of the 27 lines of text is rendered in a different font. Together, the image represents the full set of 27 Tamil fonts used in the dataset.

Figure 2 – Sample TIFF Image Generated with 27 Fonts

Figure 2.1, 2.2, 2.3 & 2.4: Cropped TIFF Images using segmentation from Figure 2.

Figure 2.1

Figure 2.2

Figure 2.3

Figure 2.4

The scripts also included line segmentation from scanned pages (Figure 3), which means that from now on, if we want to OCR an old Tamil book, we don’t need its digital font. We can crop the scanned image line by line, add the ground truth transcription, and immediately use it for training. This makes the system future-proof for digitizing archives.

Figure 3 – Sample Scanned Copy from Ambedkar Volume

Figure 3.1, 3.2, & 3.3: Cropped TIFF Images using segmentation from Figure 3.

Figure 3.1

Figure 3.2

Figure 3.3

Results

After several iterations of training with Tesseract 5, the new Tamil model reached strong accuracy levels:

Model	CER	WER	RC
Default Tesseract Tamil	81.54%	103.77%	105.20%
Fine-tuned (This Work)	0.63%	8.20%	100.21%

Compared to the default Tamil model, this was a significant step forward, and the results are now usable for real applications (Figure 4).

Figure 4

Final Thoughts and Next Steps

What started as an attempt to build a simple Android app has grown into a full-fledged Tamil OCR improvement project. By carefully building a dataset, fixing errors in existing corpora, and designing a reliable TIFF + GT generation pipeline, I’ve been able to improve Tesseract’s Tamil model to a point where it can serve real users.

The next steps are clear:

• Expand the dataset further with more scanned book data.
• Handle noisy and degraded prints.
• Extend the work to handwritten Tamil OCR.

Finally, integrate this fine-tuned model back into the offline Android application — completing the cycle that started this journey.

This project has already taken years of effort in cleaning, scripting, and training. With grant or funding support, it can move faster, cover more real-world variations, and eventually become a freely available, offline Tamil OCR app that anyone can use.

Repositories:

Dataset preparation tools: https://github.com/khaleeljageer/tesseract-gt-builder

பார்த்ததில் பிடித்தது 1 : Ertugrul

Diriliş: Ertuğrul அல்லது Resurrection: Ertuğrul ஐந்து Season-களுடன் மொத்தம் 448 Episode-களை கொண்ட ஒரு வரலாற்று தொடர். ஒவ்வொரு episode-ம் 45நிமிடங்கள் ஓடக்கூடியது.

கடந்த ஆண்டு நவம்பர் மாதத்தில் பார்க்க ஆரம்பித்து ஐந்து மாதங்கள் எடுத்துக்கொண்டேன். கதை 1225-ல் அன்றைய துருக்கிய நிலப்பரப்பில் துவங்குகிறது. நாடோடியாக வாழ்ந்து கொண்டிருந்த Oghuz மரபை சேர்ந்த Kayi பழங்குடியினத்தில் வாழ்ந்து கொண்டிருக்கும் Ertugrul Gazhi என்னும் ஒரு குலத்தலைவனின் வரலாற்றினை மையப்படுத்தி எடுக்கப்பட்ட ஒரு நெடுந்தொடர்.

I would rather be the lone soldier of justice than the sultan of the world’.

இஸ்லாம் தோன்றி 600 ஆண்டுகளுக்கு பின்னர் துருக்கிய(அன்றைய அனடோலியா) மண்ணில் நிலவும் அரசியல் சூழ்நிலைகளை பிரதிபலிக்கும் விதமாக எடுக்கப்பட்டுள்ளது. துரோகம், சூழ்ச்சி, போர் இவைகளுக்கு நடுவேதான், தான் நம்பும் மதம் போதிக்கும் வழியில் நின்று குலத்தை வழிநடத்தி, Oghuz மரபை சேர்ந்த இன்னபிற நாடோடி குலங்களின் நம்பிக்கையினையும் பெற்று ஓட்டமன் பேரரசை(உஸ்மானிய பேரரசு) நிறுவ அடித்தளமிடுகிறான்.

You can make or burn break with fire.

பெரும்பாலான இஸ்லாமிய நாடுகளில் இன்று கொண்டாப்பட்டு கொண்டிருக்கிறான் இந்த எர்துருல் என்னும் வரலாற்று நாயகன். ஆனால் எகிப்து, சவுதி மற்றும் UAE நாடுகளில் ஒளிபரப்ப தடைவிதிக்கப்பட்டுள்ளது என்பது கூடுதல் தகவல். ஏன் என்ற இந்த கேள்விக்கு இந்த தொடர் முழுவதையும் நாம் பார்த்த பின் கூடுதலாக, எச்.ஜி.ரசூல் அவர்கள் எழுதிய “வகாபிசம் எதிர் உரையாடல்” புத்தக வாசிப்பும் அவசியமாகிறது.

I will protect the oppressed even if he is my enemy. But I will not forgive the traitor even if he is my brother.

Netflix-ல் துருக்கிய மொழியிலும், Youtube-ல் உருது மொழியிலும் காணலாம். ஆனால் துருக்கிய மொழியில் காணும் போது நான் தெரிந்துகொண்டது, தென்னிந்தியாவில் வாழும் இஸ்லாமியர்கள் பேசும்(தமிழ் மற்றும் உருது) மெழியில் இன்றும் நடைமுறையில் இருக்கும் 30க்கும் மேற்பட்ட வார்த்தைகளை, அதன் பொருள் மாறாமல் அந்த தொடர்முழுவதிலும் கேட்கமுடிந்தது.

• உதாரணமாக :
• எமிர்,
• அதாலத்,
• தரியா,
• நமக்,
• வக்த்,
• ஜும்மா,
• சZமீன்,
• அசுமான்,
• அஃக்கல்(அறிவு),
• உஸ்தாத்,
• தவுலத்,
• தக்தீர்,
• செர்பத்,
• நியத்,
• மாலும்,
• மக்ரீப்,
• ஃFபாய்தா,
• லாகின்,
• அவ்வல்,
• ஆலீம்,
• சZமானே,
• வக்கீல்,
• வஃFபா,
• தாக்கத்,
• செக்கர்(சர்க்கரை),
• நிக்காஹ்,
• கயிப்,
• ஃFபனா,
• சென்னத்(ஜன்னத்),
• ராஸ்தா

இப்படி இன்னும் ஏராளம்…

“Stay true to justice and the righteous, do not accept anything but freedom. May your path be open.”

Ertugrul Bey

“பார்வை மாற்று திறனாளி”களுடன் ஒரு உரையாடல்

2019 அக்டோபர் மாதம் சென்னை பல்கலைக்கழகத்தில் இயங்கிவரும் ஒரு வாசக அமைப்பின் நிகழ்ச்சிக்குச் கணியம் அறக்கட்டளை சார்பாக, சிறப்பு விருந்தினராக அழைக்கபட்டிருந்தேன். அழைப்பின்போது ஒரு தகவலும் சொல்லபட்டது, பங்கேற்பவர்கள் பார்வை மாற்று திறனாளிகள் என்று.

எப்படி பேசுவது, என்ன பேசுவது, வார்த்தைகளைப் பயன்படுத்தும்போது கவனமாக இருக்க வேண்டும் என்று பல விதிகளை எனக்கு நானே உருவாக்கிக்கொண்டு சென்றிருந்தேன். ஆனால் எல்லாம் வீண் என்பது நிகழ்சி நடக்கும் இடத்தை அடைந்ததும் தெரிந்து கொண்டேன். எதுவும் அசாதாரணமாக எனக்குப் படவில்லை. எல்லா நிகச்சிகளைப்போலவே அந்த நிகழ்ச்சியும் பார்வை மாற்று திறனாளிகளால் ஏற்பாடு செய்யபட்டுக்கொண்டிருந்தது.

ஒரு நல்ல பாடம் கற்றுக்கொண்ட நாள் அது. விவாதம் 2மணிநேரம் நீண்டது. இன்னும் விவாதித்து இருக்கலாம். ஆனால் அலுவலக பணிச்சுமை முடித்துவிட்டு செல்லவேண்டியதாயிற்று.

அன்றைய தினம் தான் தெரிந்து கொண்டேன், இதுவரைக்கும் பார்வைமாற்று திறனாளிகளுக்கென்று OCR செய்ய இலவச செயலிகள் இல்லை. அதிகபட்சமாக 5000 வரை கட்டணம் செலுத்த வேண்டும். சில இலவச செயலிகள் இருந்தும், அவை ஒரு குறிப்பிட்ட அளவே இலவசமாகப் பயன்படுத்த முடியும் என்பதும் தெரியவந்தது. இதற்கான ஒரு மாற்றாகப் புத்தகங்கள் குரல் வடிவில் கிடைக்கும். இதைத்தவிர இதுவரை அரசு சார்பில் எந்த ஒரு ஏற்படும் செய்யபடவும் இல்லை என்பதை அவர்கள் தெரிவித்தனர்.

3வருடங்களுக்கு முன்னர் ஒரு பார்வை மாற்று திறனாளி தோழர் ஒருவர் #FreeTamilEbooks செயலிகுறித்து என்னுடன் பேசுகையில், அவர்களுடைய தேவைகள்குறித்து சொன்னார். தமிழ் எழுத்துக்களைப் படிக்கும் சேவைகளின் தரம் குறித்தும் அண்ணா நூற்றாண்டு நினைவு நூலகம் சென்று அறிந்து கொண்டேன். அதுவரை எனது செயலிகள் எதுவும், குறைந்தபட்சம் பார்வை மாற்று திறனாளிகள் பயன்படுத்தும் வகையில் கூட நான் உருவாக்கவில்லை.

அன்றிலிருந்து என்னைத் துரத்தும் ஒரு கேள்வியாகவும் அது மாறியது. விழுப்புரம் கட்டற்ற மென்பொருள் அமைப்பின் FreeTamilEbooks செயலி வெளியீட்டு விழாவிலும் இதைப் பகிர்ந்தேன். விரைவில் OCR அல்லது TTS சார்ந்து ஒரு செயலியை உருவாக்குவோம் என்று. விடை தேடி அலைந்து போது ஒரு மைல்கல்…

#Tesseract என்ற திறந்த மூல எழுத்துணரி எஞ்சின் மூலம், தமிழ் எழுத்துக்களை OCR செய்ய ஆன்ட்ராய்டு இயங்குதளத்தில் ஒரு வழி கிடைத்துள்ளது. ஆனால் இன்னும் முழுமையடையவில்லை. Tesseract-ஐ பயிற்றுவிக்க ஏராளமான Dataset தேவைபடுகிறது. அதாவது வேவ்வேறு எழுத்து வடிவங்கள்(Fonts) அல்லது கையாள் எழுதப்பட்ட எழுத்துக்களின் படங்கள் தேவையாகிறது.

இந்தத் தகவலைத் திரட்டினால், தரமான கூகிளுக்கு இணையான ஒரு OCR எஞ்சினை திறந்த மூல பயன்பாட்டில் கட்டமைக்க முடியும்… தற்பொழுது #கணியம் அறக்கட்டளையிலிருந்து, இந்தத் தகவலைத் திரட்டக் “அனைவரும் பங்களிக்கும்” வகையில் கையெழுத்து இயக்கம் ஒன்றை நடத்தி வருகிறோம். இது சாத்தியப்படும் பட்சத்தில், திறந்த மூல பயன்பாட்டில் தமிழுக்கு ஒரு எழுத்துணரி(OCR) கிடைக்கும்.

தமிழ்ச சிறுகதைக் கொண்டாட்டம் 158-ஆம் நிகழ்வு

#வாசகசாலை வழங்கும் #தமிழ்ச்சிறுகதைக்கொண்டாட்டம் 158-ஆம் நிகழ்வு… தனிமைக்கால சிறப்பு நிகழ்வாக முகநூல் நேரலையில் எழுத்தாளர் செல்வசாமியனின் “நிஜமாத்தான் சொன்னேன் ஆனந்தி” சிறுகதைகுறித்து பேசினேன்…

இந்த வாரம் நடுத்தர மக்களின் வாழ்வை மையமாகக் கொண்ட மூன்று சிறுகதைகளை நிகழ்விற்கு தேர்வு செய்திருந்தனர். அம்மூன்று கதைகளின் சுட்டிகள் கீழே தரப்பட்டுள்ளன.

காணொளி : https://cutt.ly/Mu7UGNm

சுட்டிகள்:
இமையத்தின் – ஆகாசத்தின் உத்தரவு : http://www.sirukathaigal.com/குடும்பம்/ஆகாசத்தின்-உத்தரவு/

செல்வசாமியனின் – நிஜமாத்தான் சொன்னேன் ஆனந்தி : http://www.vasagasalai.com/sirukathai-selvasamiyan/

அ.முத்துலிங்கத்தின் – தீர்வு : http://www.sirukathaigal.com/குடும்பம்/தீர்வு/

தினமொரு தமிழ்_சொல்… டிவிட்டர் பாட்(Bot)

கணியம் அறக்கட்டளையின் Project Ideas-ல் Kondasamy Jayaraman என்பவரால் முன்மொழியப்பட்ட கருத்துதான், தினம் ஒரு தமிழ் சொல் – Twitter bot தமிழ் சொற்களை Twitter, Mastodon, Facebook போன்ற சமூக வலைதளங்களில் தினமும் தமிழ் சொற்களையும் உடன் அதன் பொருளையும் சேர்த்து, பதிவிடலாம் இதன் மூலம் இதுவரை நமக்கு அறிமுகமாகாத, பழக்கத்திலிருந்து மற(றை)ந்து சொற்களைத் தெரியப்படுத்தும் ஒரு முயற்சி.

பயன்படுத்தியுள்ள தொழில்நுட்பங்கள்:

1. Python நிரலாக்க மொழி
2. Back4App
3. Heroku

விக்சனரி-யில் இருந்து சொற்களை அதன் பொருளுடன் எடுத்து, அதை Back4App-ல் தரவுத்தளத்தை(Database) உருவாக்கிச் சேகரித்துவைத்துள்ளேன்.

தினமும் மூன்று முறை(8 மணி நேர இடைவெளியில்) Heroku, இந்தப் பைத்தான் நிரலை இயக்கி, சேகரிக்கப்பட்ட சொற்களிலிருந்து ஒரு சொல்லை எடுத்து, டிவிட்டரில் பதிவிடும்.

தற்பொழுது, டிவிட்டரில் பதிவிடும் படியாகத்தான் எழுதியுள்ளேன். இன்னும் Mastodon தேவையெனில் Facebook-லும் பதிவிடும் படியாக இந்த நிரலை மேம்படுத்த வேண்டும்.

GitHub Source: https://github.com/KaniyamFoundation/DailyOneTamilWord

மாணவர்களுடன் ஒரு கலந்துரையாடல்…

இன்று காலை “பயிலகம் மாணவர்களுடன்” உரையாடும் வாய்ப்பு கிடைத்தது. பைத்தான்(Python) தொழில்நுட்பத்தைப் பயின்று அடுத்து என்ன செய்தால், நல்ல மென்பொருள் வல்லுநராக முடியும் என்ற கேள்வியுடன் தொடங்கியது அந்த உரையாடல்…

Mentoring Payilagam students on “How to be a successfull programmer”

ஒரு சிலந்தி ஒரு நெசவாளியை ஒத்த செயல்பாடுகளில் ஈடுபடுகிறது, தனது கூட்டைக் கட்டும் தேனீ பல கட்டிடக்கலைஞர்களை வெட்கப்படும்படி செய்கிறது. ஆனால், மிகத்திறமையற்ற கட்டிடக் கலைஞனுக்கும், மிகச் சிறந்த தேனீக்கும் இடையில் உள்ள வேறுபாடு, கட்டிடக்கலைஞன் கட்டிடத்தை உண்மையாகக் கட்டுமுன்னரே கற்பனையில் கட்டிவிடுகிறான் என்பதாகும்.

கற்பனைத்திறனே மனித இனத்தின் அசைக்கமுடியாத மாபெரும் சக்தி… பிரபஞ்சம் குறித்தும், உயிர்களின் தோற்றங்கள்பற்றிய அறிவியல் ஆய்வுகளுக்கு முன்னரே, மனித இனம் இதுகுறித்தான கற்பனைகளை உருவாக்கியிருந்தது. இந்தக் கற்பனை கதைகள் வெவ்வேறு காலக்கட்டங்களில் வளர்சியடைந்துள்ளதையும் நம்மால் காண முடியும்.

இறக்கை கொண்டு பறவைபோலப் பறக்க நினைத்தான். வானத்தில் சொர்க உலகை உருவாக்கினான். இருட்டில் பாதாள உலகை படைத்துச் சாத்தானை உருவாக்கினான். மனித உருவம் கொண்ட கடவுளர்களையும் உருவாக்கி அவைகளை வழிபடவும் செய்தான். இதே கற்பனை வளம் ஒரு சிங்கத்துக்கு இருந்தால், அது தன் கடவுளைச் சிங்க வடிவில்தான் உருவாக்கியிருக்கும். இப்படி எல்லாவற்றையும் குறித்த கற்பனை கதைகள் மனிதனிடத்தில் உண்டு. அக்கற்பனை கதைகள் யாவும், தனது சந்ததியினருக்கு வழக்கப்பட்டு, அது அடுத்த தலைமுறைக்குக் கொண்டு செல்லப்படுவதையும் உறுதி செய்தான்…

லாபம், கூடுதலான லாபம், இன்னும் கூடுதலான லாபம்… என்று லாபம் ஒன்றையே குறிக்கோளாகக் கொண்ட இன்றைய அமைப்பு முறையில், அறிவையும் கற்பனைவளத்தையும் உருவாக்கித் தரவேண்டிய கல்வியானது சந்தையாகியுள்ளது கசப்பான உண்மை. அதன் காரணமாகவே, வலரிளம் பருவத்தில், முதுகில் மூட்டைச் சுமந்து நடக்க ஆரம்பிக்கும் ஒரு குழந்தை, சமூகத்தில் கெளரவமான ஒரு உத்தியோகத்தை அடையும் வரை நிற்காமல் ஓடிக்கொண்டே இருக்கவேண்டுமென்று நிர்பந்திக்கடுகிறது.

அந்த வகையில் ஓடி வேலைகிடைக்காமல் அல்லது கிடைத்த வேலையில் தன்னிறைவை எட்டாமல் தவிக்கும் பலரை காணலாம்.

அவர்களைச் சரியான பாதையில் வழிநடத்த ஒரு கை உதவினால், அந்த மனிதன் தன் வாழ்நாள் முழுவதும் இந்தச் சமூகத்திற்கு ஏதேனும் ஒரு வகையில் பயனுள்ள வாழ்க்கையை வாழ்ந்து நிறைவான மனிதனாக வாழ்ந்து முடிப்பான்…

“ஒரு மனிதன் தனக்காக மட்டும் உழைத்தால், அவன் ஒரு புகழ்பெற்ற விஞ்ஞானியாகவோ, மாபெரும் ஞானியாகவோ, தலைசிறந்த கவிஞனாகவோ ஆகக் கூடும், ஆனால் அவனால் என்றுமே உண்மையிலேயே நிறைவான, மகத்தான மனிதனாக ஆக முடியாது.”

அலரியும் நானும்…

எனக்கு நெனவு தெரிஞ்ச நாள்ல இருந்து, நான் அதிகமா முகர்ந்த வாசனை இந்த அலரிப் பூ தான். அப்பா பூ வியாபாரம் செஞ்சதாலே பெரும்பாலும் பல்லக்கு(பாடைய பல்லக்குன்னு சொல்லுவோம்) ஆர்டர் வரும்போது, இந்தப் பூ கண்டிப்பா வீட்டுக்கு வந்துடும். மற்ற பூக்களைக் காட்டிலும், இந்த பூவோட தண்டுப் பகுதி கொஞ்சம் கடினமா இருக்கும்.

அலரி(அரளி) செடி…

அத வச்சித்தான் நான் பூ கட்டவும் கத்துகிட்டேன். இந்த அலரிப் பூவோட வாசனையே தனிதான்… இப்போ நெனச்சாகூட அந்த வாசனைய நெனவுக்கு கொண்டுவர முடியும்.சில நேரத்துல நாளைக்கு பல்லக்குக்கு இன்னைக்கு நைட்டே அலரி கட்ட வேண்டிவரும். கைபட்டதும் பூத்துடும், அப்படி கட்டி முடிச்ச அலரிப்பூவ மொத்தமா தண்ணி தெளிச்சி ஒரு ஓராமா வச்சிடுவோம். அன்னைக்கு நைட் பூரா வீடே செம்ம வாசனையா இருக்கும். அதுல மொட்டா இருக்க பூவ எடுத்து, அதுமேல கைவச்சா அழகா பூக்கும்…

ஒடுக்குமுறைக்களுக்கு தொழில்நுட்பமும் விதி விலக்கல்ல…

vs

நிறவெறிக்கு எதிரான அமெரிக்க மக்களின் போராட்டத்திற்கு பல நாடுகளில் இருந்து ஆதரவுகுரல்கள் எழுவதை கண்டுகொண்டிருக்கிறோம்.

வெள்ளை ஆதிக்கத்திற்கு எதிராக வெள்ளை நிற தோல் கொண்ட மக்களும் போராடிக்கொண்டிருக்கிறார்கள்.

இந்த நேரத்தில் இந்த கதையும் நினைவுக்கு வருகிறது.

1999ல் இணையத்தில் இமோஜிக்கள் பயன்பாட்டுக்கு வந்தது. அதற்குப் பின்பான ஒரு நாளில்….

அவர்கள் இருவரும் நண்பர்கள். அவளுக்கு வெள்ளை தோல், அவனுக்குக் கருப்பு தோல். இருவரும் அன்றிருந்த மெஸேன்ஜரில் உரையடிக்கொண்டிருக்கும்போது, தற்செயலாக அவள் ஒரு இமோஜியை அனுப்ப அதன் மீது விவாதம் உருவானது. காரணம், அந்த இமோஜியின் நிறம். அன்றைய இமோஜிக்கள் எல்லாம் மஞ்சள் நிறத்தில் இருந்ததால் அவளும் அதைத்தான் பயன்படுத்தியாக வேண்டிய சூழ்நிலை அவ்வளவுதான்.

அவனுடைய கேள்வி இதுவாக இருந்தது. ஏன் நீ எனக்கு அனுப்பும் இமோஜிக்கள் எல்லாம் மஞ்சள் நிறத்தில் இருக்கின்றன. இது நம் இருவருக்குமான நிற வேறுபாட்டைக் காட்டுவது போல உள்ளது என்றான்.

அதுவரை இது குறித்த சிந்தனையே அவளுக்கு எழுந்ததில்லை. இவ்வளவு நட்பாக பழகியும், அவனை இப்படி யோசிக்க வைத்ததுவிட்டோமே என்று எண்ணினாள்.

இப்படி பல கதைகள் உள்ளன. இன்று நாம் பயன்படுத்தும் இமோஜிக்கள் பலராலும் நிற வெறியை காட்டும் ஒரு ஆயுதமாக இணையத்தில் ஒரு காலத்தில் பயன்படுத்தப்பட்டது என்பது நாம் அறியாத ஒன்று.

இப்படியான உரையாடல்கள், கருப்பு நிற தோல் மக்கள், மஞ்சள் நிற இமோஜி பயன்படுத்ததும் போது, அவர்களை கேலி செய்யும் போக்கும் இருந்தது. அது ஆசியர்களின் நிறம் என்பது வரை நீண்டது…

அந்த நேரத்தில்தான் பலரும் ஒன்றிணைந்து, 2012ல் இதற்கு ஒரு முடிவு எழுதினர்.
ஆம், தோல் நிறம் குறித்த ஆராய்ச்சியில் பெறப்பட்ட முடிவுகளை கொண்டு உலக மக்களை 5 நிறங்களில் குறிக்கலாம் என்றும், இனி இமோஜிக்கள் 5 நிறங்களில் கட்டாயம் இருக்கவேண்டும் என்றும் கோரிக்கை வைக்கபட்டு இன்று நாம் பயன்படுத்ததும் இமோஜிக்கள் மனித முகங்கள் 5 நிறங்களில் வந்தடைந்துள்ளன.

பல நிற இமோஜிக்கள் பயன்பாட்டுக்கு வந்ததும் ஒரு பெரிய ஒடுக்குமுறைக்கு எதிரான எழுச்சியில்தான்…

அந்த கோரிக்கையில் ஒரு வாசகம்…

“இணையத்தில் உலகின் எல்லா நிற மக்களையும் பிரதிநிதித்துவப்படுத்தும் வகையில் இமோஜிக்கள் இருக்க வேண்டும்”…

ஒடுக்குமுறைக்களுக்கு தொழில்நுட்பமும் விதி விலக்கல்ல… இமோஜிக்களே சாட்சிகளாக நம் கண் முன்னே…..

விக்கிமூலம் மெய்ப்புபார்க்கும் தொடர் நிகழ்வு – 2020

விக்கிமூலம் – இது ஒரு “பதிப்புரிமையில்லா” விக்கிநூலகத் திட்டமாகும். இதில் நா. வானமாமலை, பண்டிதர் க. அயோத்திதாசர், தொ. மு. சி. ரகுநாதன் உட்பட தமிழின் 91 ஆசிரியர்களின், 2217 நாட்டுடமையாக்கப்பட்ட நூல்கள் மின்னூல் வடிவிலும், PDF, Doc வடிவிலும் கிடைக்கும். விக்கிபீடியா-வை போல, விக்கிமூலமும் பல்வேறு மொழிகளிலும் உள்ளது.

மே மாதம் 1ஆம் தேதி முதல், 10ஆம் தேதிவரை இந்திய மொழிகளுக்கான மெய்ப்புபார்க்கும்(Proofread) தொடர் நிகழ்வு நடைபெற்றது. இதில் அசாமி, பெங்காலில், குஜராதி, தமிழ் உட்பட 12 இந்திய மொழிகளிலிருந்து, 193 பேர் பங்கெடுத்து அந்தந்த மொழிகளில் மெய்ப்புபணிகளில் ஈடுபட்டனர்.

பல்வேறு மொழிகளிலிருந்து பங்கேற்றவர்கள் குறித்த வரைபடம். Source: https://meta.wikimedia.org/wiki/Indic_Wikisource_Proofreadthon/Progress#/media/File:Indic_Wikisource_Proofreadthon_2020_-_Participants.svg

10நாட்கள் நடைபெற்ற இந்த மெய்ப்புபார்க்கும் பணியின் இறுதியில் மொத்தம் 21,390 பக்கங்கள் மெய்ப்புபார்த்து முடிக்கப்பட்டது.

English: Indic Wikisource Proofreadthon stats Source: https://meta.wikimedia.org/wiki/Indic_Wikisource_Proofreadthon/Progress#/media/File:Indic_Wikisource_Proofreadthon_stats.svg

 

தமிழ் விக்கிமூலத்தில் 30பேர் பங்கெடுத்துக்கொண்டு 4994 பக்கங்களை மெய்ப்புபார்த்து முடித்தனர். இன்னும் 3,55,357 பக்கங்கள் மெய்ப்பு பார்க்கப்படாமல் உள்ளன.

இந்தத் தொடர்நிகழ்வில் நானும் பங்கெடுத்துகொண்டு, எஸ்.எம். கமால் அவர்களின் முஸ்லீம்களும் தமிழகமும், மார்க்சீம் கார்க்கியின் தாய் நாவலின் பல பக்கங்களையும் மெய்ப்பு பார்த்து உதவினேன். இதன் மூலம் இந்திய அளவில் 9ஆவது இடமும், தமிழக அளவில் 4ஆவது இடமும் பெற்றேன். இந்திய அளவில் முதல் 10 இடங்களில் தமிழ்நாட்டிலிருந்து 4பேர் என்பது குறிப்பிடத்தக்கது.

இந்திய அளவில் முதல் பத்து இடம் பிடித்தோர் பட்டியல்.

இந்தப் போட்டியில் பங்கேற்றதன் மூலம் 10 நாட்களில், இரண்டு புத்தகங்கள் வாசிக்கும் வாய்ப்பும் கிட்டியது.

நன்றிகள்

விக்கிமூலத்தில் நான் தொடர்சியாகப் பங்களிப்பதை நிறுத்திப் பல ஆண்டுகள் ஆகியிருந்தன. டெலிகிராமில் “இந்திய மொழிகளுக்கான விக்கிமூலத்தில்” இந்தப் போட்டிகுறித்த சீனிவாசன் அவர்களின் பதிவுதான், இந்தப் போட்டியில் பங்கெடுக்க வைத்தது. போட்டி துவங்கிய நாளிலிருந்து முஸ்லீம்களும் தமிழகமும் புத்தகத்தை மெய்ப்புபார்ப்பதில் ஈடுபட்டிருந்தேன். இதில் நான் செய்த தவறுகளைச் சுட்டிக்காட்டி தொடர்சியாக என்னைப் பங்களிக்க தூண்டியது தோழர். தகவல் உழவனும், தோழர். குரு லெனின்னும் ஆவர்.