《大话文渊慧典》：外二篇-国际大厂客服：竖排繁体是“小众需求”——对不起，14亿人的小众

——小菜“大胖老师你说这些国际大厂的产品经理到底是怎么想的竖排繁体怎么就成小众需求了”——大胖老师“在他们眼里全世界的人都是横排阅读、简体输入、用英文名注册账号。不符合这个画像的用户统称‘边缘案例’。”——小菜“那港澳台同胞呢海外华人呢全国读古籍的学者呢”——大胖老师“在他们PPT的人口统计柱状图里这些人的柱子矮到几乎看不见。但柱子再矮也是人。把人当小众本身就是一种傲慢。”一、一封让人气笑了的客服回复故事要从2022年冬天说起。那是大胖老师被那套两万八的国际大厂OCR伤透心之后他不甘心又给对方的中国区技术支持写了一封邮件措辞极其诚恳“尊敬的工程师您好我是一名中国高校的教师正在进行古籍数字化项目。贵司的OCR产品对竖排繁体中文的支持效果不佳请问是否有专门的中文古籍优化版本或相关开发计划期待您的回复谢谢。”两周后回复来了。大胖老师打开邮件读了三行脸上的表情从期待变成困惑从困惑变成愤怒最后变成一种哭笑不得的滑稽。他把邮件内容投屏在实验室墙上让小菜也来瞻仰一下什么叫“顶级的礼貌稀碎的逻辑”。邮件大意如下感谢您的反馈。我们的OCR引擎主要针对全球主流语言的常见排版方式进行优化中文方面目前聚焦于简体横排文本。竖排繁体中文属于较为小众的使用场景暂未列入近期的开发路线图。建议您将图片旋转90度后进行识别或关注我们未来可能推出的专业版。再次感谢您的理解与支持。“小众需求。”大胖老师把这四个字圈出来红笔加粗。“你品品这个词。一个延续了三千年、至今仍有几千万人在使用、承载了整个中华文明书写传统的文字排列方式在他们嘴里叫‘小众需求’。”小菜念了一遍“较小众的使用场景。”他也被气笑了“这措辞就像星巴克说‘我们主要服务喝咖啡的客户喝茶属于较为小众的需求’。他去中国任何一个城市看看满大街的茶馆茶饮店小众他是没来过中国还是假装看不见”“他不是没看见”大胖老师纠正“是他定义‘主流’的时候压根就没把中国用户算进去。他说‘全球主流语言’潜台词是英文、法文、德文、西班牙文。中文在他眼里不是主流是‘地区性语言’。竖排那更是地区性语言里的一个历史遗留问题。这不是技术判断这是文化视角的盲区。而且这盲区大得能装下一整个太平洋。”二、到底有多少人在用竖排繁体咱们拿数据说话大胖老师是个讲证据的人。他没有停留在情绪层面而是花了整整一周收集了一组关于竖排繁体中文的数据。他把这些数据做成了一张图标题就叫《所谓“小众”的真相》。第一组人口数据。全球使用繁体中文的人口约3500万主要分布在港澳台及海外华人社区。其中台湾地区2300万日常生活中书籍、报纸、公文仍然大量使用竖排繁体。香港和澳门合计约800万虽然日常以横排为主但传统文化类出版物竖排仍占相当比例。海外华人超过4000万各地的华文教育、侨刊乡讯、宗亲会刊很多还在用繁体竖排。加起来日常接触竖排繁体的人口至少5000万起步。五千万什么概念超过西班牙全国人口超过韩国全国人口超过加拿大和澳大利亚人口之和。这规模叫小众第二组历史数据。中华文明有文字记载的三千多年历史里横排成为主流只有不到七十年。从甲骨文、钟鼎文、简牍到雕版印刷、活字印刷、石印、铅印汉字一直是竖排右行这是贯穿整个东亚文明史的正统排列方式。如果按时间比例算横排的历史只占2%竖排占98%。到底谁才是真正的“小众”第三组古籍存量。中国大陆现存古籍约3000万册港澳台及海外藏中文古籍超过500万册。这些古籍99%是竖排繁体。不是几百本、几千本是几千万册。这几千万册古籍每一页都是竖排每一行都是繁体。全世界没有任何其他文种的古籍存量能达到这个体量。如果这是一个“小众需求”那全世界没有任何一个需求是大众的。第四组现代使用场景。日本至今仍在大量使用竖排——文学类书籍、漫画、报纸竖排是主流排版之一。日本人口1.25亿加上前述中文竖排使用者全球日常接触竖排文字的人口接近2亿。2亿人小众大胖老师嘲讽道“如果把2亿人叫小众那全球说德语的人只有1.3亿德语也是小众语言法国人口6800万法语也是小众这逻辑除了傲慢我想不出第二个词。”他把这些数据贴在实验室最显眼的位置旁边写了一行字“当国际大厂说竖排是‘小众’时他们实际在说的是我们不关心你因为你不在我们的核心市场里。直白吧但这就是真相。”三、技术背后的文化霸权谁定义了“主流”数据讲完了大胖老师开始往深层挖。“你有没有想过为什么竖排会被定义为‘非主流’”他问小菜。小菜想了想“因为电脑是西方发明的屏幕是横的键盘输入是横的整个计算机体系就是为横排文字设计的。”“对但不全对。”大胖老师说“技术从来不是中立的。每一行代码背后都有文化假设。当早期的计算机工程师在硅谷设计字符编码时他们理所当然地认为文字是从左到右排列的。ASCII码只有128个字符连英文字母的大小写都勉强装下根本不可能考虑汉字。后来有了Unicode能装下全世界的文字了但排版引擎的设计思路仍然是‘横排优先’。CSS的writing-mode属性直到2010年以后才被主流浏览器较好支持在此之前想在网页上显示竖排文字要么用图片要么用各种黑科技。”“更讽刺的是什么是日本厂商在竖排支持上比欧美强得多。为什么因为日本有庞大的漫画和文学出版市场他们的排版软件必须支持竖排。这说明什么说明技术路线是由市场需求决定的。欧美厂商不做竖排不是因为技术上做不到而是因为他们判断‘不值得做’。这个判断说到底是市场逻辑不是技术逻辑。”他顿了顿又补了一句“而我们中国古籍数字化这个市场因为缺乏商业利润的刺激长期以来被主流科技公司忽略了。所以不是竖排小众是穷人小众。不是技术不行是心不够诚。”四、客服回复的“翻译学”那些礼貌用语背后的潜台词小菜又看了一遍那封客服邮件越看越觉得每句话都有弦外之音。他说“大胖老师这封邮件得翻译一下。它表面上是客客气气的官方回复实际上每句话都是软钉子。”大胖老师来了兴致“你逐句翻译我来点评。”客服原话“我们的OCR引擎主要针对全球主流语言的常见排版方式进行优化。”小菜翻译“我们不关心中文竖排因为中文竖排不属于我们认为的‘全球主流语言常见排版方式’。你中国不算全球主流你竖排不算常见。听懂掌声。”大胖老师点评“精准。这句话的核心是‘主流’和‘常见’的定义权在谁手里。当定义权握在别人手里时你再大的体量也可以被划入‘非主流’。所以这根本不是技术问题是话语权问题。十四亿人的语言文字居然要由一群硅谷产品经理来定义主不主流这本身就很荒诞。”客服原话“竖排繁体中文属于较为小众的使用场景暂未列入近期的开发路线图。”小菜翻译“短期内你别想了。不长期你也别想。‘近期’是缓兵之计‘路线图’是薛定谔的规划——既可能存在也可能不存在。”大胖老师点评“这就是标准的‘温柔的拒绝’。不说死但让你等。你等也不是不等也不是。我见过一个开源项目用户从2015年就在issue里请求支持竖排开发者年年回复‘考虑到这个需求我们会在未来版本中评估’一直到2025年十年过去了‘评估’还没结束。‘评估中’是企业最厉害的太极推手。”客服原话“建议您将图片旋转90度后进行识别。”小菜翻译“你们几千万册古籍每页都手动旋转一下呗。什么你说有几十万页那是你的问题不是我的问题。”大胖老师点评“这句话是全篇最让人生气的地方。它把一个系统性问题轻飘飘地转化成了用户的个人操作问题。就像你去买车问销售这车能不能走山路销售说‘可以啊你下车推着走就行了。’技术上没说谎但实质上在耍流氓。而且古籍页面往往混合排版正文竖排、眉批横排你整体旋转90度竖排是正了横排又歪了。这建议属于典型的不了解实际场景却敢开药方。”五、当“小众”成为一种借口那些被商业逻辑抛弃的需求大胖老师开始引申到更广的层面。“小菜你有没有发现被国际大厂定义为‘小众’的需求往往有一个共同点它们背后的用户付费能力不被看好。你想想古籍数字化是谁的需求图书馆、高校、研究机构——全是事业单位靠财政拨款采购流程复杂预算有限。跟那些动辄百万千万的金融、医疗、安防客户比起来图书馆是个‘穷亲戚’。商业公司看不上太正常了。”“但问题是社会需求不应该完全由商业逻辑来决定。”大胖老师加重了语气“市场会失灵。有些东西商业上不划算但文化上无比重要。古籍数字化就是典型。如果全交给市场结局就是我们现在看到的国际大厂不理你国内大厂嫌你穷专业厂商贵到离谱。最后整个领域成了无人区。”“这让我想到另一个‘小众’群体罕见病患者。药厂不愿意研发罕见病药物因为患者少、利润低。所以很多国家出台了‘孤儿药’政策给补贴、给专利保护用政策手段纠正市场失灵。我觉得古籍OCR也是类似的‘文化孤儿’——它不是没有需求是没有被市场看见的需求。五千万人、三千年文明、几千万册古籍被一句‘小众’轻轻带过这不是市场失灵是什么”小菜接话“所以‘文渊慧典’就是古籍OCR的‘孤儿药’我们不指望市场来救我们自己救。”大胖老师指指他“总结到位。我们做开源、做本地化、做免费本质上就是绕开市场逻辑直接服务那些被市场抛弃的用户。这个逻辑商业公司理解不了也不需要他们理解。”六、反转当“小众”站起来变成了谁也忽视不了的声量大胖老师又想起一个事。“你知道吗那家回复我‘小众需求’的公司2024年突然推出了一个‘东亚古籍识别Beta版’支持竖排繁体了。”小菜惊讶“被我们感化了”大胖老师摇头“没那么浪漫。不是感化是市场教训。2023年以来中国本土的OCR技术突飞猛进PaddleOCR的竖排模型在GitHub上大受欢迎各种基于开源的古籍OCR项目遍地开花。与此同时港澳台和海外华人社区的市场潜力逐渐显现一些竞品开始主动支持竖排。那家大厂一看再不做就真的出局了于是连夜加班上了这个功能。”“所以你看”大胖老师总结“‘小众’和‘大众’的界限不是天然存在的是被技术和市场塑造的。当你没有自己的技术时你的需求就是‘小众’当你有了自己的技术并且这个技术好到让他们感到威胁时你的‘小众’一夜之间就变成了‘必须支持的重点特性’。这不是文化尊重的觉醒这是竞争压力下的应激反应。我们不幻想商业公司的良心发现我们只相信当你足够强他们自然会来找你兼容。”七、尾声致那个“小众”的我们故事讲到这里大胖老师忽然有些动情。他站到窗边背对着小菜说“你知道吗我这辈子最讨厌的一个词就是‘小众’。因为在我的理解里文化没有大小众之分。每一种文字、每一种书写方式都是某群人几千年生活经验的结晶。你说玛雅文小众它记录了一个消失的文明你说甲骨文小众它是汉字的童年你说竖排繁体小众它贯穿了中华文明从殷商到民国三千多年的全部记忆。这叫小众这叫根基。”他转过身指着墙上那张数据表“五千万活人三千年历史几千万册古籍——这要是小众那什么算大众硅谷的工程师在办公室里拍脑袋定义的‘全球主流’能代表这个世界的全部吗不能。所以我们做‘文渊慧典’往小了说是做一套软件往大了说就是对这些‘被小众化’的文化遗产说一声你没有被遗忘有人在乎你。”小菜在这篇文章的结尾写下了这样一段话“那天收到客服邮件后大胖老师没有回复。他把邮件打印出来折成纸飞机从实验室窗口扔了出去。纸飞机在空中划了一道弧落在楼下草坪上。大胖老师说‘让它去吧。等我们的系统做好了会有千千万万封邮件飞向另一个方向——从图书馆飞向读者告诉他们你想找的那句话我帮你找到了。’”本文为注水技术版您看看即可不必当真写此文字就是图一乐-