Bence kritik ayrım şu: kitabı taramak, OCR (optik karakter tanıma) ile basılı sayfayı makinece okunabilir veriye dönüştürür; bu dosyanın otomatik olarak model eğitiminde kullanılacağı anlamına gelmez. Telif, izin ve veri kalitesi ayrıca değerlendirilir.