NewTypeCola가 Hugging Face에 VOKU Archive를 게시했습니다. 이는 한국의 학생 운영 캠퍼스 라디오 방송 큐 시트(cue sheets)에서 수집한 66,010장의 스캔 페이지 모음입니다. 문서는 1988년부터 2019년까지 span하며 OCR 텍스트, 가명 토큰 주석 및 메타데이터를 포함합니다.

  • 이 데이터셋은 대학 방송국의 32년 치 글을 보존합니다.
  • 페이지 이미지, 처리된 텍스트, 구조화된 메타데이터가 포함되어 있습니다.
  • companion GitHub 저장소에는 AI 지원 처리 워크플로우와 인간 검토 단계에 대한 세부 사항이 나와 있습니다.

이 프로젝트는 이러한 역사적 문서를 원래 저장소를 넘어 가독성과 접근성을 유지하는 것을 목표로 합니다.