YouTube-Transkripte für eine RAG-App im großen Maßstab: Credits, automatisches Aufladen und Budgets

Wenn deine RAG- oder KI-App YouTube-Transkripte im großen Maßstab braucht, ist das praktische Setup eine Transkript-API mit Bezahlung nach Verbrauch und vorausbezahlten Credits, ein automatisches Aufladen, damit ein langer Einlesevorgang nie stockt, und ein Monatsbudget, damit ein Fehler keine Rechnung in die Höhe treibt. Dieses Szenario begleitet einen Entwickler durch dieses Setup mit der sum.video Transcript API.

Die Situation

Maya baut einen Recherche-Assistenten, der Fragen zu Konferenzvorträgen beantwortet. Ihr Index soll etwa 10.000 YouTube-Videos aus ein paar hundert Kanälen abdecken und dann um etwa 300 neue Videos im Monat wachsen. Sie lässt das Einlesen auf einem kleinen Server laufen und will weder danebensitzen noch von einer Rechnung überrascht werden.

Ihre Vorgaben sind klar: berechenbare Kosten, kein manuelles Aufladen mitten im Lauf und ein sauberer Umgang mit Videos ohne Transkript.

Was sie braucht

• Reinen Text für jedes Video, bereit zum Aufteilen und Einbetten.
• Zeitstempel, damit eine Antwort auf die genaue Stelle im Video verlinken kann.
• Kosten, die sie vor dem Start abschätzen kann.
• Eine harte Obergrenze für die Ausgaben.

Schritt für Schritt

1. Zuerst die Kosten schätzen

Ein Transkript kostet 2 Credits, und Anfragen ohne Transkript kosten nichts. Für 10.000 Videos sind das höchstens 20.000 Credits. Mit dem 5.000-Credit-Paket für $74.99 ($0.030 pro Transkript) kosten 10.000 Transkripte insgesamt etwa $300, etwas weniger, falls manche Videos keine Untertitel haben. Die kleineren Pakete kosten pro Transkript mehr: $0.090 bei 100 Credits, $0.056 bei 500, $0.038 bei 2.000. Die aktuellen Details stehen auf der Preisseite.

Credits werden einmal gekauft und verfallen nie, es läuft also keine Abo-Uhr, während sie baut.

2. Mit den kostenlosen Credits testen

Ihr erster API-Schlüssel kommt mit 10 kostenlosen Credits, das sind 5 Transkripte. Damit prüft sie die Antwort für ein paar Videos im Format json (Segmente mit offset und duration in Sekunden) und im Format text. Die Anfragedetails findest du in der Anleitung YouTube-Transkript per API abrufen mit funktionierenden Beispielen in curl, Python und JavaScript.

3. Automatisches Aufladen einstellen

Im API-Dashboard schaltet sie das automatische Aufladen ein. Die Regel: Fällt das Guthaben unter eine gewählte Schwelle, wird die gespeicherte Karte für ein weiteres Paket belastet. Der Einleseauftrag läuft über Nacht ohne manuelles Aufladen weiter.

4. Die Budgets setzen

Zwei Grenzen schützen sie:

• Ein monatliches Aufladebudget, das begrenzt, wie viel das automatische Aufladen pro Monat ausgeben darf.
• Ein monatliches Credit-Limit. Ist es erreicht, liefern weitere Anfragen 402 budget_exceeded.

Außerdem aktiviert sie E-Mail-Warnungen bei niedrigem Guthaben, bei 80 % des Monatslimits und bei fehlgeschlagenen Aufladungen. Die Warnungen melden ein Problem, solange noch Zeit zum Handeln ist.

5. Das Ratenlimit einhalten

Jeder Schlüssel erlaubt 60 Anfragen pro Minute. In diesem Tempo brauchen 10.000 Anfragen etwa 167 Minuten, also unter drei Stunden mit einem einzigen Schlüssel. Sie betreibt eine einfache Warteschlange, die eine Anfrage pro Sekunde sendet, und bleibt so ohne Lastspitzen unter dem Limit. Sie könnte bis zu 5 aktive Schlüssel anlegen, zum Beispiel einen fürs Einlesen und einen für die Live-Abfragen der App, damit ein Nachladen nie eine Nutzeranfrage blockiert.

6. Videos ohne Transkript behandeln

Die API liefert nur vorhandene YouTube-Untertitel. Livestreams, private oder entfernte Videos und Videos ohne Untertitel liefern 404 no_transcript. In ihrer Warteschlange heißt dieser Status: als übersprungen markieren und weitermachen, niemals wiederholen. Da diese Anfragen nichts kosten, verbrennt ein Kanal voller Videos ohne Untertitel ihr Budget nicht.

Ihre Schleife in Pseudocode:

1. Die nächste Video-ID aus der Warteschlange nehmen.
2. Die API mit format=json aufrufen.
3. Bei Erfolg: die Segmente in Stücke von etwa einer Minute teilen, jedes Stück mit seinem Start-Offset speichern und einbetten.
4. Bei 404 no_transcript: ein Kennzeichen "kein Transkript" speichern.
5. Bei 402 budget_exceeded: die Warteschlange pausieren und sich selbst benachrichtigen.
6. Bei einem Serverfehler: nach einer Verzögerung wiederholen.

7. Das Guthaben im Code prüfen

Vor jedem großen Stapel ruft sie GET /api/v1/credits auf. Ist das Guthaben niedriger, als der Stapel braucht, und das automatische Aufladen aus, startet der Auftrag nicht. Das ist ein billiger Schutz vor einem halb fertigen Import.

Was sie am Ende hat

Nach der ersten Nacht enthält der Index die Transkripte fast aller 10.000 Videos, jedes Stück mit seiner Startzeit. Stellt ein Nutzer eine Frage, nennt der Assistent einen Vortrag und einen Zeitstempel, und der Link öffnet das Video an dieser Stelle. Die laufenden Kosten sind gering: 300 neue Videos im Monat sind höchstens 600 Credits, etwa $18 zum Satz des 5.000er-Pakets von $0.030 pro Transkript.

Hätte Maya Pro abonniert, bekäme sie außerdem jeden Monat 100 Bonus-Credits, die einen Teil dieses Wachstums abdecken.

Wo das an Grenzen stößt

• Keine Untertitel, kein Transkript. Die API transkribiert kein Audio. Für Videos ohne Untertitel brauchst du eine andere Quelle, etwa einen Speech-to-Text-Dienst, den du separat bezahlst. Einige andere Transkript-APIs bieten einen Audio-Fallback, siehe den Vergleich der YouTube-Transkript-APIs.
• Automatisch erzeugte Untertitel haben Fehler. Namen und Fachjargon leiden meist am stärksten. Die Antwort sagt, ob eine Spur automatisch erzeugt wurde, du kannst solche Stücke also gewichten oder markieren.
• Die Sprache ist die der Untertitelspur. Die Antwort nennt die tatsächliche Sprache, nimm also nicht an, sie stimme mit der angefragten überein.
• Der Durchsatz ist pro Schlüssel begrenzt. Ein sehr großes Nachladen dauert Stunden, nicht Sekunden.
• Sie liefert nur Transkripte. Aufteilen, Einbetten und Abrufen sind deine Aufgabe. Wenn du nur die Zusammenfassung eines Videos brauchst, nutze den YouTube-Zusammenfasser.

Quellen

• sum.video Transcript API
• sum.video Preise