NewTypeCola a publié VOKU Archive sur Hugging Face, une collection de 66 010 pages numérisées de cue sheets (feuilles d'indications) de radios universitaires étudiantes en Corée du Sud. Les documents couvrent la période de 1988 à 2019 et incluent du texte OCR, des annotations de pseudonymes sous forme de tokens et des métadonnées.

  • Le jeu de données préserve 32 ans d'écrits d'une station de radio universitaire.
  • Il comprend des images de pages, du texte traité et des métadonnées structurées.
  • Un dépôt GitHub compagnon détaille le flux de travail de traitement assisté par IA et les étapes de révision humaine.

Le projet vise à rendre ces documents historiques lisibles et accessibles au-delà de leur stockage d'origine.