Så bygger du ett verktyg för att spåra påståenden och desinformation på YouTube

Problemet det löser

Faktagranskare kan söka på textplattformar, men video är i stort sett ogenomskinlig. Påståenden upprepas med något olika formuleringar i dussintals kanaler, och att dokumentera spridningen innebär att titta på timmar av material. Forskare behöver sökbara transkript, semantisk matchning av omskrivningar och ett verifierbart register över varje förekomst.

Vad den första versionen bör innehålla

• ■Bevakning av en definierad uppsättning kanaler
• ■Semantisk sökning efter omskrivningar av ett påstående, inte bara exakt formulering
• ■En tidslinje som visar första förekomst och spridning
• ■Citat med tidsstämplade länkar för verifiering
• ■Exporterbara belägg för rapporter och publikationer

Så bygger du det, steg för steg

1. 01

   Samla in transkript

   Slå upp kanalerna som ingår och hämta deras videor för din tidsperiod i batch. Fortsätt bevaka nya uppladdningar om studien pågår.

2. 02

   Skapa embeddings för segmenten

   Skapa embeddings för varje transkriptstycke så att du kan hitta uttalanden med liknande betydelse.

3. 03

   Sök efter påståendet

   Skapa embeddings för flera formuleringar av påståendet, hämta liknande avsnitt och låt en granskare eller en LLM bekräfta vilka som faktiskt framför påståendet.

4. 04

   Bygg tidslinjen

   Sortera bekräftade träffar efter publiceringsdatum och exportera dem med kanal, citat och tidsstämplad länk.

Startkod

Den här idén bygger på mönstret "Recept 2: Bevaka kanaler och larma vid nya uppladdningar". Byt till dina egna kanaler, promptar och lagring.

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}")

Därför är det värt att bygga

Faktagranskningsorganisationer och forskargrupper vinner snabbhet och verifierbara belägg. Trust and safety-team och medieövervakningsföretag betalar för verktyg som täcker video.

Misstag att undvika

• ✕Att behandla automatiska träffar som slutsatser: låt alltid en människa bekräfta innan publicering.
• ✕Att bara söka efter exakta fraser: påståenden förändras, så använd semantisk sökning med flera formuleringar.
• ✕Att tappa bort ursprunget: spara video-ID, tidsstämpel och hämtningsdatum för varje citat.

Frågor om den här idén