如何用 YouTube 视频搭建可搜索的公共会议档案库

它解决什么问题

地方记者和居民想知道官员对某项分区调整、预算项目或学校政策说了什么。要找到答案，就得在多场会议的数小时视频里来回翻找。议程和会议纪要很少记录完整讨论，而许多地方新闻机构也已无力派记者出席每一场会议。

第一版应该包含哪些功能

• ■自动导入该机构频道的每一场会议
• ■说话人标签，可按官员搜索
• ■跨多年会议的议题和关键词搜索
• ■某个议题或地址被讨论时发送提醒
• ■可分享的链接，直达录像中的精确时刻

分步实现指南

1. 01

   收集会议视频

   解析议会的频道或会议播放列表，并持续检查新上传的视频。

2. 02

   带说话人转录

   使用 ASR 并启用 speakerLabels，再配合已知姓名使用 speakerId，让每段内容都归属到具体发言人。会议时间长，建议先用估算接口预览费用。

3. 03

   按会议和发言人建立索引

   将段落连同会议日期、发言人和时间戳一起存储，并加入全文搜索和语义搜索。

4. 04

   添加提醒

   让用户保存搜索条件，如某条街道名或政策议题，当新会议中出现时通过邮件通知。

入门代码

这个创意基于“方案 3：把播放列表批量导入知识库”模式。替换成你自己的频道、提示词和存储即可。

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

为什么值得做

地方新闻媒体、倡导团体以及房地产或政策类公司愿意为提醒和研究工具付费。公民科技项目通常依靠资助运营，或提供免费公开档案库加付费提醒。

需要避开的坑

• ✕对多人发言的长时间会议只依赖自动字幕：说话人标签能让档案库实用得多。
• ✕低估时长：会议动辄数小时，转录积压内容前先估算 ASR 额度。
• ✕脱离上下文发布：每句引文都链接到录像，让读者能亲耳听到。

关于这个创意的问题