Como criar um rastreador de alegações e desinformação para o YouTube

O problema que resolve

Checadores de fatos conseguem pesquisar plataformas de texto, mas o vídeo é em grande parte opaco. Alegações são repetidas com formulações ligeiramente diferentes em dezenas de canais, e documentar sua disseminação exige assistir a horas de gravação. Pesquisadores precisam de transcrições pesquisáveis, correspondência semântica para paráfrases e um registro verificável de cada ocorrência.

O que incluir na primeira versão

• ■Monitoramento de um conjunto definido de canais
• ■Busca semântica por paráfrases de uma alegação, não só pela formulação exata
• ■Uma linha do tempo mostrando a primeira aparição e a disseminação
• ■Citações com links com timestamp para verificação
• ■Evidências exportáveis para relatórios e publicações

Como criar, passo a passo

1. 01

   Colete as transcrições

   Resolva os canais do escopo e processe em lote os vídeos do seu período. Continue monitorando novos uploads se o estudo estiver em andamento.

2. 02

   Gere embeddings dos segmentos

   Crie embeddings para cada parágrafo da transcrição para encontrar declarações com significado parecido.

3. 03

   Pesquise a alegação

   Gere embeddings de várias formulações da alegação, recupere trechos semelhantes e peça a um revisor ou a um LLM que confirme quais realmente fazem a alegação.

4. 04

   Monte a linha do tempo

   Ordene as correspondências confirmadas pela data de publicação e exporte-as com canal, citação e link com timestamp.

Código inicial

Esta ideia segue o padrão "Receita 2: monitore canais e receba alertas de novos uploads". Use seus próprios canais, prompts e armazenamento.

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 que vale a pena criar

Organizações de checagem e grupos de pesquisa ganham velocidade e evidências verificáveis. Equipes de trust and safety e empresas de monitoramento de mídia pagam por ferramentas que cubram vídeo.

Erros a evitar

• ✕Tratar correspondências automáticas como conclusões: sempre tenha uma pessoa confirmando antes de publicar.
• ✕Pesquisar só frases exatas: alegações mudam, então use busca semântica com várias formulações.
• ✕Perder a procedência: guarde o ID do vídeo, o timestamp e a data de coleta de cada citação.

Dúvidas sobre esta ideia