Transcripciones de YouTube para una app RAG a gran escala: créditos, recarga automática y presupuestos

Si tu app RAG o de IA necesita transcripciones de YouTube a gran escala, la configuración práctica es una API de transcripciones de pago por uso con créditos prepagados, una recarga automática para que un trabajo de ingesta largo nunca se detenga y un presupuesto mensual para que un error no dispare la factura. Este recorrido sigue a un desarrollador por esa configuración con la API de transcripciones de sum.video.

La situación

Maya crea un asistente de investigación que responde preguntas sobre charlas de conferencias. Su índice debe cubrir unos 10.000 vídeos de YouTube de unos cientos de canales, y luego crecer en unos 300 vídeos nuevos al mes. Ejecuta la ingesta desde un servidor pequeño y no quiere estar pendiente ni llevarse una sorpresa en la factura.

Sus condiciones son claras: coste predecible, ninguna recarga manual a mitad de un trabajo y un manejo limpio de los vídeos sin transcripción.

Qué necesita

• Texto plano de cada vídeo, listo para dividir y generar embeddings.
• Marcas de tiempo, para que una respuesta pueda enlazar al momento exacto del vídeo.
• Un coste que pueda estimar antes de empezar.
• Un tope firme de gasto.

Paso a paso

1. Estima primero el coste

Una transcripción cuesta 2 créditos, y las peticiones que no devuelven transcripción no cuestan nada. Para 10.000 vídeos son como máximo 20.000 créditos. Con el paquete de 5.000 créditos a $74.99 ($0.030 por transcripción), 10.000 transcripciones cuestan unos $300 en total, algo menos si algunos vídeos no tienen subtítulos. Los paquetes más pequeños cuestan más por transcripción: $0.090 con 100 créditos, $0.056 con 500, $0.038 con 2.000. La página de precios tiene los detalles vigentes.

Los créditos se compran una vez y nunca caducan, así que no corre ningún reloj de suscripción mientras ella construye.

2. Prueba con los créditos gratis

Su primera clave de API incluye 10 créditos gratis, es decir, 5 transcripciones. Los usa para comprobar la respuesta de unos cuantos vídeos en formato json (segmentos con offset y duration en segundos) y en formato text. Si quieres los detalles de la petición, la guía cómo obtener la transcripción de YouTube con una API tiene ejemplos en curl, Python y JavaScript.

3. Configura la recarga automática

En el panel de la API activa la recarga automática. La regla: cuando el saldo baja de un nivel elegido, se cobra a la tarjeta guardada otro paquete. El trabajo de ingesta sigue funcionando toda la noche sin recargas manuales.

4. Fija los presupuestos

La protegen dos límites:

• Un presupuesto mensual de recarga, que limita cuánto puede gastar la recarga automática en un mes.
• Un límite mensual de créditos. Al alcanzarlo, las peticiones siguientes devuelven 402 budget_exceeded.

También activa alertas por correo para saldo bajo, para el 80 % del límite mensual y para recargas fallidas. Las alertas le avisan de un problema cuando aún hay tiempo de actuar.

5. Respeta el límite de peticiones

Cada clave permite 60 peticiones por minuto. A ese ritmo, 10.000 peticiones tardan unos 167 minutos, menos de tres horas con una sola clave. Ejecuta una cola sencilla que envía una petición por segundo, así se mantiene por debajo del límite sin ráfagas. Podría crear hasta 5 claves activas, por ejemplo una para la ingesta y otra para las consultas en vivo de la app, de modo que una carga masiva nunca bloquee la petición de un usuario.

6. Gestiona los vídeos sin transcripción

La API solo devuelve subtítulos existentes de YouTube. Las emisiones en directo, los vídeos privados o eliminados y los vídeos sin subtítulos devuelven 404 no_transcript. En su cola, ese estado significa marcar como omitido y seguir, nunca reintentar. Como esas peticiones no cuestan nada, un canal lleno de vídeos sin subtítulos no consume su presupuesto.

Su bucle, en pseudocódigo:

1. Toma el siguiente ID de vídeo de la cola.
2. Llama a la API con format=json.
3. Si funciona: divide los segmentos en fragmentos de aproximadamente un minuto, guarda cada fragmento con su desplazamiento inicial y genera su embedding.
4. Si devuelve 404 no_transcript: guarda una marca de "sin transcripción".
5. Si devuelve 402 budget_exceeded: pausa la cola y avísate a ti misma.
6. Ante un error del servidor: reintenta tras una espera.

7. Comprueba el saldo en código

Antes de cada lote grande llama a GET /api/v1/credits. Si el saldo es menor que el que necesita el lote y la recarga automática está desactivada, el trabajo se niega a empezar. Es una protección barata contra una importación a medias.

Con qué se queda al final

Tras la primera noche, el índice contiene las transcripciones de casi los 10.000 vídeos, cada fragmento con su hora de inicio. Cuando un usuario hace una pregunta, el asistente cita una charla y una marca de tiempo, y el enlace abre el vídeo en ese momento. El coste continuo es pequeño: 300 vídeos nuevos al mes son como máximo 600 créditos, unos $18 a la tarifa del paquete de 5.000 de $0.030 por transcripción.

Si Maya se suscribiera a Pro, también recibiría 100 créditos de bonificación al mes, que cubren parte de ese crecimiento.

Dónde se queda corto

• Sin subtítulos, no hay transcripción. La API no transcribe audio. Para los vídeos sin subtítulos necesitas otra fuente, como un servicio de voz a texto, y lo pagas aparte. Algunas otras APIs de transcripción ofrecen un respaldo de audio, mira la comparativa de APIs de transcripción de YouTube.
• Los subtítulos automáticos tienen errores. Los nombres y la jerga suelen salir peor parados. La respuesta indica si una pista es automática, así que puedes ponderar o marcar esos fragmentos.
• El idioma es el de la pista de subtítulos. La respuesta indica el idioma real, así que no des por hecho que coincide con el que pediste.
• El rendimiento está limitado por clave. Una carga masiva muy grande es cuestión de horas, no de segundos.
• Solo devuelve transcripciones. Dividir, generar embeddings y recuperar es cosa tuya. Si solo necesitas el resumen de un vídeo, usa el resumidor de YouTube.

Fuentes

• API de transcripciones de sum.video
• Precios de sum.video