AI Hub (AI 허브) vs C4 (Colossal Clean Crawled Corpus) 비교
데이터/API 가운데 AI Hub (AI 허브)와 C4 (Colossal Clean Crawled Corpus)를 나란히 놓고 봤어요.
AI Hub (AI 허브)
한국어 AI 학습용 데이터를 모은 공공 플랫폼
이런 점이 좋아요
- 한국어 음성, 텍스트, 이미지 데이터가 풍부
- 라벨 품질이 높음
- 무료
이런 점은 아쉬워요
- 내려받기 승인이 필요
- 데이터셋마다 이용 조건이 다름
C4 (Colossal Clean Crawled Corpus)
T5 학습에 쓰인 정제 웹 텍스트 코퍼스
이런 점이 좋아요
- 정제된 영어 웹 텍스트
- 형식이 단순
- 여러 언어 버전 제공
이런 점은 아쉬워요
- 2019년 수집분이라 최신성이 낮음
- 용량이 큼
한눈에 비교
색이 칠해진 줄은 서로 다른 항목이에요.
| 항목 | AI Hub (AI 허브)바로 가기 | C4 (Colossal Clean Crawled Corpus)바로 가기 |
|---|---|---|
| 시작가 | 무료 | 무료 |
| 무료 사용 | 무료 | 무료 |
| 형태 | 데이터셋, 파일 다운로드 | 데이터셋, 파일 다운로드 |
| 갱신 주기 | 비정기 | 갱신 없음 |
| 품질 | 좋음 | 좋음 |
| 품질 근거 | 공식 구축 사업이라 라벨 품질이 좋고 안내 문서가 있음 | 정제 방법이 논문으로 공개되고 형식이 안정적 |
| 상업 이용 | 확인 필요 | 출처 표시 후 가능 |
| 라이선스 | 데이터셋마다 이용약관이 다름 | ODC-By 1.0, 원문 저작권은 각 사이트에 있음 |
| 인증 방식 | 신청 후 승인 | 없음 |
| 데이터 기간 | 데이터셋마다 다름 | 2019년 Common Crawl 기반 |
| 주요 컬럼 | 데이터셋명, 분야, 구축년도, 용량, 라벨 형식, 이용 조건 | text, url, timestamp |
| 제공 형식 | JSON, 이미지, 기타 | JSON |
| 이런 분께 추천해요 | 한국어 AI 모델을 만드는 연구자와 개발자 | 언어 모델 사전학습 연구자 |
| 종류 | 데이터/API | 데이터/API |
| 카테고리 | AI/머신러닝, 언어/텍스트, 이미지/영상 | AI/머신러닝, 언어/텍스트 |
| 회사 |  한국지능정보사회진흥원(NIA) |  Allen Institute for AI |
| 요금제 | ||
| 장점 |
|
|
| 단점 |
|
|
가격과 혜택은 바뀔 수 있어요. 결제 전 공식 사이트에서 확인하세요.
더해 비교+ Hugging Face Datasets+ 공공데이터포털 (data.go.kr)+ 서울 열린데이터광장