So bauen Sie aus YouTube ein durchsuchbares Archiv öffentlicher Sitzungen

Welches Problem es löst

Lokaljournalisten und Bürger wollen wissen, was Amtsträger zu einer Bebauungsplanänderung, einem Haushaltsposten oder einer Schulrichtlinie gesagt haben. Das herauszufinden, heißt stundenlang durch Videos vieler Sitzungen zu spulen. Tagesordnungen und Protokolle geben die Diskussion selten vollständig wieder, und viele Lokalredaktionen können nicht mehr zu jeder Sitzung jemanden schicken.

Was in die erste Version gehört

• ■Automatisches Einlesen jeder Sitzung vom Kanal des Gremiums
• ■Sprecherkennzeichnung, damit Sie nach Amtsträgern suchen können
• ■Themen- und Stichwortsuche über Jahre von Sitzungen
• ■Benachrichtigungen, wenn ein Thema oder eine Adresse besprochen wird
• ■Teilbare Links zur exakten Stelle in der Aufzeichnung

Schritt für Schritt bauen

1. 01

   Sitzungsvideos sammeln

   Lösen Sie den Kanal oder die Sitzungs-Playlist des Rats auf und prüfen Sie laufend auf neue Uploads.

2. 02

   Mit Sprechern transkribieren

   Nutzen Sie ASR mit aktiviertem speakerLabels und speakerId mit bekannten Namen, damit jede Passage einem Sprecher zugeordnet wird. Sitzungen sind lang, nutzen Sie also den Schätzungs-Endpunkt, um die Kosten vorab zu sehen.

3. 03

   Nach Sitzung und Sprecher indexieren

   Speichern Sie Absätze mit Sitzungsdatum, Sprecher und Zeitstempel und ergänzen Sie Volltext- und semantische Suche.

4. 04

   Benachrichtigungen hinzufügen

   Lassen Sie Nutzer Suchen speichern, etwa einen Straßennamen oder ein politisches Thema, und benachrichtigen Sie sie per E-Mail, wenn es in einer neuen Sitzung zur Sprache kommt.

Starter-Code

Diese Idee basiert auf dem Muster „Rezept 3: Eine Playlist gesammelt in eine Wissensdatenbank laden“. Setzen Sie Ihre eigenen Kanäle, Prompts und Speicherlösungen ein.

import requests

API = "https://www.youtubetranscript.dev/api/v2"
HEADERS = {"Authorization": "Bearer yt_sk_live_YOUR_KEY"}

playlist = requests.post(f"{API}/playlists/resolve", headers=HEADERS,
                         json={"playlist_url": "https://www.youtube.com/playlist?list=PLAYLIST_ID",
                               "limit": 100}).json()

ids = [v["video_id"] for v in playlist["items"]]
batch = requests.post(f"{API}/batch", headers=HEADERS, json={
    "video_ids": ids,
    "format": {"timestamp": True, "paragraphs": True},
}).json()

# Large batches run async: poll GET /batch/{batch_id} until status is "completed"
for r in batch.get("results", []):
    if r["status"] == "completed":
        for p in r["data"]["transcript"].get("paragraphs") or []:
            store(video_id=r["video_id"], start=p["start"], text=p["text"])  # your vector DB

Warum es sich lohnt

Lokalmedien, Interessengruppen sowie Immobilien- und Politikberatungsfirmen zahlen für Benachrichtigungen und Recherchetools. Zivilgesellschaftliche Projekte finanzieren sich oft über Fördermittel oder bieten ein kostenloses öffentliches Archiv mit bezahlten Benachrichtigungen.

Fehler, die Sie vermeiden sollten

• ✕Sich bei langen Sitzungen mit vielen Sprechern auf automatische Untertitel verlassen: Sprecherkennzeichnung macht das Archiv deutlich nützlicher.
• ✕Die Länge unterschätzen: Sitzungen dauern Stunden, schätzen Sie also die ASR-Credits, bevor Sie einen Rückstand transkribieren.
• ✕Ohne Kontext veröffentlichen: Verlinken Sie jedes Zitat auf die Aufzeichnung, damit Leser es selbst hören können.

Fragen zu dieser Idee