YouTube પરથી જાહેર બેઠકોનું શોધી શકાય તેવું આર્કાઇવ કેવી રીતે બનાવવું

તે કઈ સમસ્યા ઉકેલે છે

સ્થાનિક પત્રકારો અને રહેવાસીઓ જાણવા માગે છે કે અધિકારીઓએ ઝોનિંગ ફેરફાર, બજેટની કોઈ બાબત કે શાળા નીતિ વિશે શું કહ્યું. તે શોધવા માટે અનેક બેઠકોના કલાકોના વીડિયોમાં આગળ-પાછળ કરવું પડે છે. કાર્યસૂચિ અને કાર્યવાહી નોંધો ભાગ્યે જ સંપૂર્ણ ચર્ચા દર્શાવે છે, અને ઘણા સ્થાનિક ન્યૂઝરૂમ પાસે હવે દરેક બેઠકમાં હાજર રહેવા રિપોર્ટર નથી.

પહેલા વર્ઝનમાં શું સામેલ કરવું

• ■સંસ્થાની ચેનલમાંથી દરેક બેઠકનું ઓટોમેટિક ઇન્જેસ્શન
• ■સ્પીકર લેબલ, જેથી તમે અધિકારી મુજબ શોધી શકો
• ■વર્ષોની બેઠકોમાં વિષય અને કીવર્ડ સર્ચ
• ■કોઈ વિષય કે સરનામાની ચર્ચા થાય ત્યારે એલર્ટ
• ■રેકોર્ડિંગની ચોક્કસ ક્ષણની શેર કરી શકાય તેવી લિંક

તેને સ્ટેપ બાય સ્ટેપ કેવી રીતે બનાવવું

1. 01

   બેઠકના વીડિયો એકત્ર કરો

   કાઉન્સિલની ચેનલ કે બેઠકોનું પ્લેલિસ્ટ રિઝોલ્વ કરો અને નવા અપલોડ તપાસતા રહો.

2. 02

   વક્તાઓ સાથે ટ્રાન્સક્રાઇબ કરો

   speakerLabels ચાલુ રાખીને, અને જાણીતાં નામો સાથે speakerId વાપરીને ASR ચલાવો, જેથી દરેક ભાગ કોઈ વક્તાને સોંપાય. બેઠકો લાંબી હોય છે, તેથી ખર્ચનો અંદાજ જોવા estimate એન્ડપોઇન્ટ વાપરો.

3. 03

   બેઠક અને વક્તા મુજબ ઇન્ડેક્સ કરો

   ફકરાઓને બેઠકની તારીખ, વક્તા અને ટાઇમસ્ટેમ્પ સાથે સ્ટોર કરો, અને full-text તથા સિમેન્ટિક સર્ચ ઉમેરો.

4. 04

   એલર્ટ ઉમેરો

   યુઝર્સને શેરીનું નામ કે નીતિ વિષય જેવી સર્ચ સેવ કરવા દો અને નવી બેઠકમાં તે આવે ત્યારે તેમને ઇમેઇલ કરો.

સ્ટાર્ટર કોડ

આ આઇડિયા "રેસીપી 3: પ્લેલિસ્ટને નોલેજ બેઝમાં બલ્ક-લોડ કરો" પેટર્ન પર બનેલો છે. તમારી પોતાની ચેનલ, પ્રોમ્પ્ટ અને સ્ટોરેજ વાપરો.

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

તે બનાવવા યોગ્ય કેમ છે

સ્થાનિક સમાચાર સંસ્થાઓ, હિમાયત જૂથો અને રિયલ એસ્ટેટ કે પોલિસી ફર્મ એલર્ટ અને રિસર્ચ ટૂલ્સ માટે પૈસા ચૂકવશે. નાગરિક પ્રોજેક્ટ ઘણીવાર ગ્રાન્ટ પર ચાલે છે અથવા પેઇડ એલર્ટ સાથે મફત જાહેર આર્કાઇવ આપે છે.

ટાળવા જેવી ભૂલો

• ✕ઘણા વક્તાઓવાળી લાંબી બેઠકો માટે ઓટોમેટિક કૅપ્શન પર આધાર રાખવો: સ્પીકર લેબલ આર્કાઇવને ઘણું વધુ ઉપયોગી બનાવે છે.
• ✕લંબાઈને ઓછી આંકવી: બેઠકો કલાકો ચાલે છે, તેથી જૂના રેકોર્ડિંગ ટ્રાન્સક્રાઇબ કરતા પહેલાં ASR ક્રેડિટનો અંદાજ કાઢો.
• ✕સંદર્ભ વિના પબ્લિશ કરવું: દરેક ક્વોટને રેકોર્ડિંગ સાથે લિંક કરો જેથી વાચકો જાતે સાંભળી શકે.

આ આઇડિયા વિશેના પ્રશ્નો