NewTypeCola опубликовала VOKU Archive на Hugging Face — коллекцию из 66 010 отсканированных страниц с cue sheets (списками подсказок) студенческой университетской радиостанции в Южной Корее. Документы охватывают период с 1988 по 2019 год и включают OCR-текст, аннотации псевдонимов в виде токенов и метаданные.
- Датасет сохраняет 32 года текстов университетской радиостанции.
- Он содержит изображения страниц, обработанный текст и структурированные метаданные.
- В сопутствующем репозитории GitHub подробно описан процесс обработки с помощью ИИ и этапы человеческого контроля.
Проект направлен на то, чтобы сделать эти исторические документы читаемыми и доступными за пределами их первоначального места хранения.