Cómo crear un rastreador de afirmaciones y desinformación en YouTube

El problema que resuelve

Los verificadores pueden buscar en las plataformas de texto, pero el vídeo es en gran medida opaco. Las afirmaciones se repiten con formulaciones ligeramente distintas en decenas de canales, y documentar su propagación implica ver horas de grabaciones. Los investigadores necesitan transcripciones en las que se pueda buscar, coincidencia semántica para las paráfrasis y un registro verificable de cada aparición.

Qué incluir en tu primera versión

• ■Seguimiento de un conjunto definido de canales
• ■Búsqueda semántica de paráfrasis de una afirmación, no solo de la formulación exacta
• ■Una cronología que muestra la primera aparición y la propagación
• ■Citas con enlaces con marca de tiempo para su verificación
• ■Pruebas exportables para informes y publicaciones

Cómo construirlo, paso a paso

1. 01

   Recopila las transcripciones

   Resuelve los canales del estudio y procesa en lote sus vídeos del periodo elegido. Sigue vigilando los nuevos vídeos si el estudio continúa.

2. 02

   Genera embeddings de los segmentos

   Crea embeddings para cada párrafo de las transcripciones y así poder encontrar declaraciones con un significado parecido.

3. 03

   Busca la afirmación

   Genera embeddings de varias formulaciones de la afirmación, recupera los fragmentos parecidos y haz que una persona o un LLM confirme cuáles hacen realmente esa afirmación.

4. 04

   Crea la cronología

   Ordena las coincidencias confirmadas por fecha de publicación y expórtalas con el canal, la cita y el enlace con marca de tiempo.

Código de inicio

Esta idea se basa en el patrón "Receta 2: vigila canales y avisa de los nuevos vídeos". Usa tus propios canales, prompts y almacenamiento.

import requests

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

WATCHLIST = ["@somechannel", "@anotherchannel"]
KEYWORDS = ["your brand", "competitor"]
seen = set()  # persist this in a database in production

for handle in WATCHLIST:
    latest = requests.post(f"{API}/channels/resolve", headers=HEADERS,
                           json={"handle": handle, "limit": 10}).json()
    for video in latest["items"]:
        if video["video_id"] in seen:
            continue
        seen.add(video["video_id"])
        t = requests.post(f"{API}/transcribe", headers=HEADERS,
                          json={"video": video["video_id"]}).json()
        text = t.get("data", {}).get("transcript", {}).get("text", "").lower()
        hits = [k for k in KEYWORDS if k in text]
        if hits:
            print(f"ALERT {video['title']}: {hits}")

Por qué vale la pena construirlo

Las organizaciones de verificación y los grupos de investigación ganan velocidad y pruebas verificables. Los equipos de confianza y seguridad y las empresas de monitorización de medios pagarán por herramientas que cubran el vídeo.

Errores que debes evitar

• ✕Tratar las coincidencias automáticas como conclusiones: haz siempre que una persona lo confirme antes de publicar.
• ✕Buscar solo frases exactas: las afirmaciones mutan, así que usa búsqueda semántica con varias formulaciones.
• ✕Perder la trazabilidad: conserva el ID del vídeo, la marca de tiempo y la fecha de obtención de cada cita.

Preguntas sobre esta idea