أطلقت NewTypeCola مجموعة VOKU Archive على Hugging Face، وهي مجموعة تضم 66,010 صفحة ممسوحة ضوئيًا من أوراق الإرشاد (cue sheets) لبث الراديو الجامعي الذي تديره الطلاب في كوريا الجنوبية. تمتد الوثائق من عام 1988 إلى 2019 وتشمل نص OCR، وتعليقات الرموز المميزة للأسماء المستعارة، والبيانات الوصفية.
- تحافظ مجموعة البيانات على 32 عامًا من الكتابة من محطة إذاعة جامعية.
- تتضمن صور الصفحات، والنص المعالج، والبيانات الوصفية المهيكلة.
- يوضح مستودع GitHub المرافق سير العمل للمعالجة بمساعدة الذكاء الاصطناعي وخطوات المراجعة البشرية.
يهدف المشروع إلى الحفاظ على إمكانية قراءة هذه الوثائق التاريخية وإمكانية الوصول إليها بما يتجاوز تخزينها الأصلي.