解救被封印的 PDF—一起來打造臺灣的 FinePDFs 資料集吧

為什麼要開這個議題？

• 資料，乃訓練之基礎— 為了讓模型更懂臺灣，我們需要你一起貢獻更多更多的臺灣知識！
• PDF 資料比你想像的有價值— 有許多重要知識都被封印在 PDF 文件或是圖片之中，這樣的資料無法作為模型訓練內容。
• 告別「工人智慧」輕輕鬆鬆完成貢獻— 我們設計了一套半自動化的 PDF 文件處理系統，將在本議程介紹如何快速貢獻並取得 Credit！
• 血淚史大公開— 分享 PDF 處理中的辛酸血淚，讓你快速就能掌握各種撇步！

誰適合來聽這個議程？

• 知識囤積狂與文獻愛好者— 手邊一堆珍貴的 PDF 檔案，卻不知如何讓它們發揮最大價值的你。
• 文字潔癖與細節控— 看到錯字跟排版亂掉就渾身不對勁？我們超需要你來幫忙把關最後一哩路（人工審閱 XDDDD）！
• 開源狂熱份子— 想了解如何用自動化工具與OCR Model 對抗排版地獄的你。

這個議題期望帶來什麼樣的影響力？

• 我們是 TwinkleAI— 一個致力於建立「臺灣在地資料集與模型」的社群，目前已公開多筆資料集以及數顆繁體中文模型。
• 擴張開源宇宙的版圖— 繼目前進行中的「Twinkle Voice 語音資料集」、「Twinkle Vision 視覺資料集」專案後，我們將在本次議程正式啟動「Twinkle FinePDFs-zhtw」！
• 人人都能成為開源貢獻者— 透過我們準備好的工具，不管是工程師還是麻瓜，都能輕鬆參與這個大型開源運動。來聽這場議程，一起在臺灣 AI 發展的歷史上留下你的 GitHub ID 與名字吧！