YouTube-ის ტრანსკრიპტები RAG აპლიკაციისთვის დიდი მასშტაბით: კრედიტები, ავტომატური შევსება და ბიუჯეტები

თუ შენს RAG ან AI აპლიკაციას დიდი მასშტაბით სჭირდება YouTube-ის ტრანსკრიპტები, პრაქტიკული მოწყობა ასეთია: გამოყენებაზე დაფუძნებული ტრანსკრიპტის API წინასწარ გადახდილი კრედიტებით, ავტომატური შევსება, რომ ჩატვირთვის გრძელი სამუშაო არასდროს გაჩერდეს, და ყოველთვიური ბიუჯეტი, რომ შეცდომამ ანგარიში არ გაბეროს. ეს მიმოხილვა მიჰყვება დეველოპერს ამ მოწყობის გავლით sum.video-ს Transcript API-ით.

სიტუაცია

მაია აგებს კვლევის ასისტენტს, რომელიც პასუხობს კითხვებს კონფერენციის გამოსვლების შესახებ. მისმა ინდექსმა უნდა მოიცვას რამდენიმე ასეული არხის დაახლოებით 10 000 YouTube ვიდეო და შემდეგ გაიზარდოს თვეში დაახლოებით 300 ახალი ვიდეოთი. ჩატვირთვას ის პატარა სერვერიდან უშვებს და არც მის მეთვალყურეობას აპირებს, არც ანგარიშით გაკვირვებას.

მისი პირობები მარტივია: პროგნოზირებადი ხარჯი, სამუშაოს შუაში ხელით შევსება არ იყოს და ტრანსკრიპტის გარეშე ვიდეოების სუფთა დამუშავება.

რა სჭირდება მას

• უბრალო ტექსტი თითოეული ვიდეოსთვის, დაყოფისა და ჩაშენებისთვის მზად.
• დროის ნიშნულები, რომ პასუხმა ვიდეოს ზუსტ მომენტზე გააკეთოს ბმული.
• ხარჯი, რომლის შეფასებაც შეუძლია დაწყებამდე.
• ხარჯვის მკაცრი ზედა ზღვარი.

ნაბიჯ-ნაბიჯ

1. ჯერ შეაფასე ხარჯი

ერთი ტრანსკრიპტი ღირს 2 კრედიტი, ხოლო მოთხოვნები, რომლებიც ტრანსკრიპტს არ აბრუნებს, არაფერს ღირს. 10 000 ვიდეოსთვის ეს მაქსიმუმ 20 000 კრედიტია. $74.99-იანი ($0.030 ერთ ტრანსკრიპტზე) 5 000 კრედიტის პაკეტით 10 000 ტრანსკრიპტი სულ დაახლოებით $300 ღირს, ცოტა ნაკლები, თუ ზოგ ვიდეოს სუბტიტრები არ აქვს. პატარა პაკეტები ერთ ტრანსკრიპტზე უფრო ძვირია: $0.090 100 კრედიტზე, $0.056 500-ზე, $0.038 2 000-ზე. მიმდინარე დეტალები ფასების გვერდზეა.

კრედიტები ერთხელ იყიდება და არასდროს იწურება, ამიტომ სანამ ის აგებს, გამოწერის საათი არ ტკაცუნობს.

2. გამოსცადე უფასო კრედიტებით

მისი პირველი API გასაღები მოდის 10 უფასო კრედიტით, ანუ 5 ტრანსკრიპტით. მათით ის ამოწმებს პასუხს რამდენიმე ვიდეოსთვის json ფორმატში (სეგმენტები offset და duration-ით წამებში) და text ფორმატში. მოთხოვნის დეტალებისთვის გზამკვლევში როგორ მივიღოთ YouTube-ის ტრანსკრიპტი API-ით არის მოქმედი მაგალითები curl-ში, Python-სა და JavaScript-ში.

3. დააყენე ავტომატური შევსება

API პანელში ის რთავს ავტომატურ შევსებას. წესი: როცა ბალანსი არჩეულ დონეზე დაბლა ჩამოვა, შენახული ბარათიდან ირიცხება კიდევ ერთი პაკეტის საფასური. ჩატვირთვის სამუშაო მთელი ღამე გრძელდება ხელით შევსების გარეშე.

4. დააყენე ბიუჯეტები

მას ორი ლიმიტი იცავს:

• ყოველთვიური შევსების ბიუჯეტი, რომელიც ზღუდავს, რამდენის დახარჯვა შეუძლია ავტომატურ შევსებას თვეში.
• ყოველთვიური კრედიტის ლიმიტი. როცა მას მიაღწევს, შემდგომი მოთხოვნები აბრუნებს 402 budget_exceeded-ს.

ის ასევე რთავს ელფოსტის გაფრთხილებებს დაბალი ბალანსის, ყოველთვიური ლიმიტის 80%-ისა და ჩაშლილი შევსებების შესახებ. გაფრთხილებები პრობლემაზე ამცნობს, სანამ მოქმედების დრო ჯერ კიდევ არის.

5. პატივი ეცი სიჩქარის ლიმიტს

თითოეული გასაღები უშვებს 60 მოთხოვნას წუთში. ამ ტემპით 10 000 მოთხოვნა დაახლოებით 167 წუთს გრძელდება, ანუ ერთი გასაღებით სამ საათზე ნაკლებს. ის უშვებს მარტივ რიგს, რომელიც წამში ერთ მოთხოვნას აგზავნის, ამიტომ ლიმიტის ქვემოთ რჩება მკვეთრი ნახტომების გარეშე. მას შეუძლია შექმნას 5-მდე აქტიური გასაღები, მაგალითად ერთი ჩატვირთვისთვის და ერთი აპლიკაციის ცოცხალი ძიებისთვის, რომ ძველი მონაცემების შევსებამ არასდროს დაბლოკოს მომხმარებლის მოთხოვნა.

6. დაამუშავე ვიდეოები ტრანსკრიპტის გარეშე

API აბრუნებს მხოლოდ YouTube-ის არსებულ სუბტიტრებს. პირდაპირი ეთერები, პირადი ან წაშლილი ვიდეოები და სუბტიტრების გარეშე ვიდეოები აბრუნებს 404 no_transcript-ს. მის რიგში ეს სტატუსი ნიშნავს: მონიშნე როგორც გამოტოვებული და გააგრძელე, არასდროს გაიმეორო. რადგან ეს მოთხოვნები არაფერს ღირს, სუბტიტრების გარეშე ვიდეოებით სავსე არხი მის ბიუჯეტს არ წვავს.

მისი ციკლი, ფსევდოკოდში:

1. აიღე რიგიდან შემდეგი ვიდეოს ID.
2. გამოიძახე API format=json-ით.
3. წარმატების შემთხვევაში: დაყავი სეგმენტები დაახლოებით ერთწუთიან ნაწილებად, შეინახე თითოეული ნაწილი თავისი საწყისი წანაცვლებით და ჩააშენე.
4. 404 no_transcript-ის შემთხვევაში: შეინახე ნიშანი „ტრანსკრიპტი არ არის“.
5. 402 budget_exceeded-ის შემთხვევაში: შეაჩერე რიგი და თავს აცნობე.
6. სერვერის შეცდომისას: სცადე ხელახლა დაყოვნების შემდეგ.

7. შეამოწმე ბალანსი კოდით

ყოველი დიდი პარტიის წინ ის იძახებს GET /api/v1/credits-ს. თუ ბალანსი პარტიის საჭიროზე ნაკლებია და ავტომატური შევსება გამორთულია, სამუშაო დაწყებაზე უარს ამბობს. ეს იაფი დაცვაა ნახევრად დასრულებული იმპორტის წინააღმდეგ.

რით მთავრდება

პირველი ღამის შემდეგ ინდექსი შეიცავს თითქმის ყველა 10 000 ვიდეოს ტრანსკრიპტს, თითოეულ ნაწილს კი საკუთარი დაწყების დრო აქვს. როცა მომხმარებელი კითხვას სვამს, ასისტენტი ციტირებს გამოსვლასა და დროის ნიშნულს, ბმული კი ვიდეოს სწორედ იმ მომენტში ხსნის. მიმდინარე ხარჯი მცირეა: თვეში 300 ახალი ვიდეო მაქსიმუმ 600 კრედიტია, დაახლოებით $18 5 000-იანი პაკეტის $0.030 ერთ ტრანსკრიპტზე ტარიფით.

თუ მაია Pro-ს გამოიწერდა, ყოველთვიურად 100 ბონუს კრედიტსაც მიიღებდა, რაც ამ ზრდის ნაწილს ფარავს.

სად არ ჰყოფნის

• სუბტიტრების გარეშე ტრანსკრიპტი არ არის. API ხმას არ ტრანსკრიბირებს. სუბტიტრების გარეშე ვიდეოებისთვის სხვა წყარო გჭირდება, მაგალითად ხმის ტექსტად გადამყვანი სერვისი, რომელსაც ცალკე იხდი. ზოგი სხვა ტრანსკრიპტის API გთავაზობს აუდიო სათადარიგო ვარიანტს, იხილე YouTube-ის ტრანსკრიპტის API-ების შედარება.
• ავტომატურ სუბტიტრებს შეცდომები აქვს. სახელები და პროფესიული ჟარგონი, როგორც წესი, ყველაზე მეტად ზარალდება. პასუხი გვეუბნება, ავტომატურად არის თუ არა ტრეკი შექმნილი, ამიტომ ასეთ ნაწილებს წონა შეგიძლია მიანიჭო ან მონიშნო.
• ენა სუბტიტრების ტრეკის ენაა. პასუხი რეალურ ენას აცხადებს, ამიტომ ნუ ივარაუდებ, რომ ის შენს მოთხოვნილს ემთხვევა.
• გამტარუნარიანობა თითო გასაღებზეა შეზღუდული. ძალიან დიდი ძველი მონაცემების შევსება საათების საქმეა, არა წამების.
• ის მხოლოდ ტრანსკრიპტებს აბრუნებს. დაყოფა, ჩაშენება და მოძიება შენი საქმეა. თუ მხოლოდ ერთი ვიდეოს რეზიუმე გჭირდება, გამოიყენე YouTube-ის შემაჯამებელი.

წყაროები

• sum.video-ს Transcript API
• sum.video-ს ფასები