NewTypeColaはHugging FaceにVOKU Archiveを公開しました。これは韓国の学生運営のキャンパスラジオ放送キューシート（cue sheets）から収集した66,010ページのスキャン画像コレクションです。文書は1988年から2019年まで spanning し、OCRテキスト、擬名トークン注釈、メタデータを含みます。

  • データセットは大学放送局の32年分の文章を保存しています。
  • ページ画像、処理済みテキスト、構造化メタデータが含まれています。
  • 関連するGitHubリポジトリには、AI支援処理ワークフローと人間のレビュー手順の詳細が記載されています。

このプロジェクトは、これらの歴史的ドキュメントを元の保存場所を超えて読み可能かつアクセス可能に保つことを目的としています。