如何开发 YouTube 说法与虚假信息追踪工具

它解决什么问题

事实核查人员可以搜索文字平台，但视频在很大程度上是不透明的。同一个说法会以略有不同的措辞在几十个频道中反复出现，要记录它的传播就得观看数小时的视频。研究人员需要可搜索的字幕、能匹配改写的语义搜索，以及每次出现的可核实记录。

第一版应该包含哪些功能

• ■监控一组确定的频道
• ■语义搜索说法的各种改写，而不只是精确措辞
• ■展示首次出现和传播过程的时间线
• ■附时间戳链接的引文，便于核实
• ■可导出的证据，用于报告和发表

分步实现指南

1. 01

   采集字幕

   解析研究范围内的频道，批量处理该时间段内的视频。如果是持续性研究，就继续监控新上传的视频。

2. 02

   为分段生成嵌入

   为每个字幕段落生成向量嵌入，以便查找含义相近的表述。

3. 03

   搜索说法

   为该说法的几种表述生成嵌入，检索相似段落，再由审核人员或 LLM 确认哪些段落确实提出了这一说法。

4. 04

   生成时间线

   按发布日期排列确认的匹配项，并连同频道、引文和时间戳链接一起导出。

入门代码

这个创意基于“方案 2：监控频道，新视频上传即提醒”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"}

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}")

为什么值得做

事实核查机构和研究团队能获得速度和可核实的证据。信任与安全团队以及媒体监测公司愿意为覆盖视频的工具付费。

需要避开的坑

• ✕把自动匹配结果当作结论：发布前务必由人工确认。
• ✕只搜索精确短语：说法会变形，应使用多种表述进行语义搜索。
• ✕丢失出处信息：为每句引文保留视频 ID、时间戳和获取日期。

关于这个创意的问题