Вступ
Я виріс на «Каскаді». До появи YouTube, до того, як ми могли знайти все в Інтернеті — цей журнал був одним із перших регулярних джерел інформації про жонглювання, цирк, шоу, до яких я мав доступ.
Коли журнал припинив виходити у 2013 році, це відчувалося як кінець епохи — принаймні для мене.
Кілька років журнали були доступні для завантаження у форматі PDF, але приблизно з 2017 року сайт перестав працювати.
Я часто згадував невеликі майстер-класи, навчальні посібники чи статті, які надихали мене тоді. Коли через роки я захотів щось перечитати — можливості вже не було.
Завдяки Wayback Machine (The Internet Archive) мені пощастило знайти точку збереження за 2017 рік із повними завантаженнями (це не завжди вдається, особливо враховуючи, що це було близько 3 ГБ PDF-файлів) — повністю з німецьким, англійським та французьким виданнями.
Переглядаючи їх, я зрозумів, що хоча в журналах було багато чудових статей та навчальних посібників, у наш час навряд чи хтось буде переглядати 112 журналів, які були просто фотокопіями. Ну, хіба що з ностальгічних міркувань =P
Але оскільки шкода втрачати ці знання, я хотів спробувати використати сучасні технології, щоб оцифрувати все це так, щоб воно було корисним і сьогодні.
Як були транскрибовані журнали
Спочатку я видалив усі сторінки з PDF, які не містили релевантних текстів.
Для власне транскрибування (або OCR) я використовував мультимодальну мовну модель від Google.
Я використовую Gemini 2.0 Pro Experimental 02-05 із запитом:
The attached PDF is a photocopy of a magazine. Extract all text, keep the document structure intact as much as possible, also extract single images and have them correctly in context.
та PDF зі сканованим журналом.
Налаштування: Температура 0.1 (Важливо для уникнення галюцинацій)
Результат очищується за допомогою gemini-2.0-flash-exp та наступного запиту (а також доданого тексту, який ми витягли):
The following text is extracted with OCR from an old magazin. Your task is to clean this up. Remove artifacts (like page-numbering, unneccessary linebreaks) or unneeded parts but keep the structure, articles etc. intact. Use a proper Markdown formatting to structure the text correctly.
Text:
Результат потім ще раз переглядається вручну та виправляється.
[!Danger]+ Важливо:
Фокус був на вилученні статей, майстер-класів, інтерв'ю тощо.
Публікації, такі як, наприклад, приватні оголошення тощо, я відкинув.
Вилучення та очищення текстів проводилося за допомогою LLM, тому завжди існує ймовірність, що тексти були транскрибовані не 1:1 або зміст дещо відрізняється від оригіналу. Я намагався мінімізувати кількість помилок, вибірково порівнюючи фрагменти тексту.
Статті¶
| Посилання | authors | type | sub-type | source |
|---|---|---|---|---|
| Майстер-клас Каскад - Сторінка Стовпа | Dr. P. Luftiko | Tutorial | Bälle | Kaskade 001 |
| Новий журнал для Європи | Gabi Keaton, Paul Keaton | Artikel | - | Kaskade 001 |
| Посмішка долає гравітацію | Toby Philpott | Artikel | - | Kaskade 001 |
| Майстер-клас Каскад - Шахрайство! | Dr. P. Luftiko | Tutorial | Bälle | Kaskade 001 |
| Гравітація - і що з того! | Christoph Schmitt | Artikel | - | Kaskade 001 |
| Шукаємо цирк! | Kattrin & Uli | Artikel | - | Kaskade 001 |
Неправильно названі / об'єднані випуски (002 - 004)
Каскад 002:
У вихідному німецькому PDF випуски 2+3 об'єднані.
Каскад 003:
У вихідному німецькому PDF тут знаходиться випуск 004.
Каскад 004:
Тут відсутня титульна сторінка, я ще не з'ясував(ла), до чого вона належить...
Виглядає як копія випуску 009, без титульної сторінки.
Виправлення:
Я розділив(ла) PDF випуску Каскад 002 (оригінал) на 002 та 003.
Перейменував(ла) Каскад 003 (оригінал) на Каскад 004.
А також видалив(ла) Каскад 004 (оригінал).