NewTypeCola在Hugging Face上发布了VOKU Archive，这是一份由韩国学生运营的校园广播电台提示单（cue sheets）组成的66,010页扫描文档合集。这些文档涵盖1988年至2019年，包含OCR文本、伪名标记注释和元数据。

  • 该数据集保存了大学广播站32年的文字记录。
  • 它包括页面图像、处理后的文本和结构化元数据。
  • 配套的GitHub仓库详细说明了AI辅助处理流程和人工审核步骤。

该项目旨在让这些历史文档在其原始存储之外保持可读性和可访问性。