Come creare un archivio ricercabile delle sedute pubbliche da YouTube

Il problema che risolve

Giornalisti locali e cittadini vogliono sapere cosa hanno detto gli amministratori su una variante urbanistica, una voce di bilancio o una politica scolastica. Trovarlo significa scorrere ore di video in molte sedute. Ordini del giorno e verbali raramente riportano l'intera discussione, e molte redazioni locali non hanno più cronisti presenti a ogni seduta.

Cosa includere nella prima versione

• ■Importazione automatica di ogni seduta dal canale dell'ente
• ■Etichette degli speaker per cercare per singolo amministratore
• ■Ricerca per argomento e parola chiave su anni di sedute
• ■Avvisi quando si discute di un argomento o di un indirizzo
• ■Link condivisibili al momento esatto della registrazione

Come realizzarla, passo dopo passo

1. 01

   Raccogli i video delle sedute

   Risolvi il canale del consiglio o la playlist delle sedute e continua a controllare i nuovi caricamenti.

2. 02

   Trascrivi con gli speaker

   Usa l'ASR con speakerLabels attivo, e speakerId con i nomi noti, così ogni passaggio viene attribuito a un oratore. Le sedute sono lunghe, quindi usa l'endpoint di stima per vedere il costo in anticipo.

3. 03

   Indicizza per seduta e speaker

   Salva i paragrafi con data della seduta, speaker e timestamp, e aggiungi la ricerca full-text e semantica.

4. 04

   Aggiungi gli avvisi

   Permetti agli utenti di salvare ricerche, come il nome di una via o un tema di policy, e invia loro un'email quando se ne parla in una nuova seduta.

Codice di partenza

Questa idea si basa sullo schema "Ricetta 3: carica in blocco una playlist in una knowledge base". Sostituisci canali, prompt e storage con i tuoi.

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

Perché vale la pena realizzarla

Testate locali, gruppi di advocacy e società immobiliari o di consulenza pagheranno per avvisi e strumenti di ricerca. I progetti civici spesso si reggono su finanziamenti o offrono un archivio pubblico gratuito con avvisi a pagamento.

Errori da evitare

• ✕Affidarsi ai sottotitoli automatici per sedute lunghe con molti oratori: le etichette degli speaker rendono l'archivio molto più utile.
• ✕Sottovalutare la durata: le sedute durano ore, quindi stima i crediti ASR prima di trascrivere un arretrato.
• ✕Pubblicare senza contesto: collega ogni citazione alla registrazione così i lettori possono ascoltarla di persona.

Domande su questa idea