ದೊಡ್ಡ ಮಟ್ಟದಲ್ಲಿ RAG ಅಪ್ಲಿಕೇಶನ್‌ಗಾಗಿ YouTube ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗಳು: ಕ್ರೆಡಿಟ್‌ಗಳು, ಸ್ವಯಂ ಟಾಪ್-ಅಪ್ ಮತ್ತು ಬಜೆಟ್‌ಗಳು

ನಿಮ್ಮ RAG ಅಥವಾ AI ಅಪ್ಲಿಕೇಶನ್‌ಗೆ ದೊಡ್ಡ ಮಟ್ಟದಲ್ಲಿ YouTube ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗಳು ಬೇಕಾದರೆ, ಪ್ರಾಯೋಗಿಕ ವ್ಯವಸ್ಥೆ ಹೀಗಿದೆ: ಮುಂಗಡ ಪಾವತಿಸಿದ ಕ್ರೆಡಿಟ್‌ಗಳೊಂದಿಗೆ ಬಳಕೆ ಆಧಾರಿತ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ API, ಉದ್ದದ ಇಂಜೆಷನ್ ಕೆಲಸ ಎಂದಿಗೂ ನಿಲ್ಲದಂತೆ ಸ್ವಯಂ ಟಾಪ್-ಅಪ್, ಮತ್ತು ದೋಷವೊಂದು ಬಿಲ್ ಹೆಚ್ಚಿಸದಂತೆ ಮಾಸಿಕ ಬಜೆಟ್. ಈ ವಿವರಣೆ sum.video Transcript API ಬಳಸಿ ಆ ವ್ಯವಸ್ಥೆಯ ಮೂಲಕ ಒಬ್ಬ ಡೆವಲಪರ್ ಅನ್ನು ಅನುಸರಿಸುತ್ತದೆ.

ಪರಿಸ್ಥಿತಿ

ಮಾಯಾ ಸಮ್ಮೇಳನ ಭಾಷಣಗಳ ಬಗ್ಗೆ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವ ಸಂಶೋಧನಾ ಸಹಾಯಕವನ್ನು ನಿರ್ಮಿಸುತ್ತಿದ್ದಾರೆ. ಅವರ ಸೂಚ್ಯಂಕ ಕೆಲವು ನೂರು ಚಾನಲ್‌ಗಳ ಸುಮಾರು 10,000 YouTube ವೀಡಿಯೊಗಳನ್ನು ಒಳಗೊಳ್ಳಬೇಕು, ನಂತರ ತಿಂಗಳಿಗೆ ಸುಮಾರು 300 ಹೊಸ ವೀಡಿಯೊಗಳೊಂದಿಗೆ ಬೆಳೆಯಬೇಕು. ಅವರು ಇಂಜೆಷನ್ ಅನ್ನು ಸಣ್ಣ ಸರ್ವರ್‌ನಿಂದ ಚಲಾಯಿಸುತ್ತಾರೆ, ಅದನ್ನು ಕಾಯುತ್ತ ಕೂರಲು ಅಥವಾ ಬಿಲ್‌ನಿಂದ ಆಶ್ಚರ್ಯಪಡಲು ಬಯಸುವುದಿಲ್ಲ.

ಅವರ ಷರತ್ತುಗಳು ಸರಳ: ಅಂದಾಜಿಸಬಹುದಾದ ವೆಚ್ಚ, ಕೆಲಸದ ಮಧ್ಯದಲ್ಲಿ ಕೈಯಿಂದ ರೀಚಾರ್ಜ್ ಇಲ್ಲ, ಮತ್ತು ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ ಇಲ್ಲದ ವೀಡಿಯೊಗಳ ಸ್ವಚ್ಛ ನಿರ್ವಹಣೆ.

ಅವರಿಗೆ ಏನು ಬೇಕು

• ಪ್ರತಿ ವೀಡಿಯೊಗೆ ಸರಳ ಪಠ್ಯ, ವಿಭಜಿಸಿ ಎಂಬೆಡ್ ಮಾಡಲು ಸಿದ್ಧ.
• ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್‌ಗಳು, ಉತ್ತರವು ವೀಡಿಯೊದ ನಿಖರ ಕ್ಷಣಕ್ಕೆ ಲಿಂಕ್ ಮಾಡಲು.
• ಪ್ರಾರಂಭಿಸುವ ಮುನ್ನ ಅಂದಾಜಿಸಬಹುದಾದ ವೆಚ್ಚ.
• ಖರ್ಚಿನ ಗಟ್ಟಿಯಾದ ಮೇಲ್ಮಿತಿ.

ಹಂತ ಹಂತವಾಗಿ

1. ಮೊದಲು ವೆಚ್ಚವನ್ನು ಅಂದಾಜಿಸಿ

ಒಂದು ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗೆ 2 ಕ್ರೆಡಿಟ್ ವೆಚ್ಚ, ಮತ್ತು ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ ಹಿಂತಿರುಗಿಸದ ವಿನಂತಿಗಳಿಗೆ ಯಾವುದೇ ವೆಚ್ಚವಿಲ್ಲ. 10,000 ವೀಡಿಯೊಗಳಿಗೆ ಅದು ಗರಿಷ್ಠ 20,000 ಕ್ರೆಡಿಟ್. $74.99 ($0.030 ಪ್ರತಿ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್) ಬೆಲೆಯ 5,000 ಕ್ರೆಡಿಟ್ ಪ್ಯಾಕ್‌ನೊಂದಿಗೆ, 10,000 ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗಳ ಒಟ್ಟು ವೆಚ್ಚ ಸುಮಾರು $300, ಕೆಲವು ವೀಡಿಯೊಗಳಲ್ಲಿ ಕ್ಯಾಪ್ಷನ್ ಇಲ್ಲದಿದ್ದರೆ ಸ್ವಲ್ಪ ಕಡಿಮೆ. ಚಿಕ್ಕ ಪ್ಯಾಕ್‌ಗಳು ಪ್ರತಿ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗೆ ಹೆಚ್ಚು ದುಬಾರಿ: 100 ಕ್ರೆಡಿಟ್‌ಗೆ $0.090, 500ಕ್ಕೆ $0.056, 2,000ಕ್ಕೆ $0.038. ಪ್ರಸ್ತುತ ವಿವರಗಳು ಬೆಲೆ ಪುಟದಲ್ಲಿ ಇವೆ.

ಕ್ರೆಡಿಟ್‌ಗಳನ್ನು ಒಮ್ಮೆ ಖರೀದಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಎಂದಿಗೂ ಮುಕ್ತಾಯವಾಗುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ಅವರು ನಿರ್ಮಿಸುವಾಗ ಚಂದಾದಾರಿಕೆಯ ಗಡಿಯಾರ ಓಡುವುದಿಲ್ಲ.

2. ಉಚಿತ ಕ್ರೆಡಿಟ್‌ಗಳೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿ

ಅವರ ಮೊದಲ API ಕೀ 10 ಉಚಿತ ಕ್ರೆಡಿಟ್‌ಗಳೊಂದಿಗೆ ಬರುತ್ತದೆ, ಅಂದರೆ 5 ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗಳು. ಅವನ್ನು ಬಳಸಿ ಕೆಲವು ವೀಡಿಯೊಗಳ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು json ಸ್ವರೂಪದಲ್ಲಿ (ಸೆಕೆಂಡುಗಳಲ್ಲಿ offset ಮತ್ತು duration ಇರುವ ವಿಭಾಗಗಳು) ಮತ್ತು text ಸ್ವರೂಪದಲ್ಲಿ ಪರಿಶೀಲಿಸುತ್ತಾರೆ. ವಿನಂತಿಯ ವಿವರಗಳಿಗೆ, ಮಾರ್ಗದರ್ಶಿ API ಮೂಲಕ YouTube ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ ಹೇಗೆ ಪಡೆಯುವುದು ನಲ್ಲಿ curl, Python ಮತ್ತು JavaScript ನ ಕೆಲಸ ಮಾಡುವ ಉದಾಹರಣೆಗಳಿವೆ.

3. ಸ್ವಯಂ ಟಾಪ್-ಅಪ್ ಹೊಂದಿಸಿ

API ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ನಲ್ಲಿ ಅವರು ಸ್ವಯಂ ಟಾಪ್-ಅಪ್ ಆನ್ ಮಾಡುತ್ತಾರೆ. ನಿಯಮ: ಬ್ಯಾಲೆನ್ಸ್ ಆಯ್ದ ಮಟ್ಟಕ್ಕಿಂತ ಕೆಳಗೆ ಇಳಿದಾಗ, ಉಳಿಸಿದ ಕಾರ್ಡ್‌ಗೆ ಇನ್ನೊಂದು ಪ್ಯಾಕ್‌ನ ಶುಲ್ಕ ವಿಧಿಸಲಾಗುತ್ತದೆ. ಇಂಜೆಷನ್ ಕೆಲಸ ಕೈಯಿಂದ ರೀಚಾರ್ಜ್ ಇಲ್ಲದೆ ರಾತ್ರಿಯಿಡೀ ಓಡುತ್ತಲೇ ಇರುತ್ತದೆ.

4. ಬಜೆಟ್‌ಗಳನ್ನು ಹೊಂದಿಸಿ

ಎರಡು ಮಿತಿಗಳು ಅವರನ್ನು ರಕ್ಷಿಸುತ್ತವೆ:

• ಮಾಸಿಕ ಟಾಪ್-ಅಪ್ ಬಜೆಟ್, ಸ್ವಯಂ ಟಾಪ್-ಅಪ್ ಒಂದು ತಿಂಗಳಲ್ಲಿ ಎಷ್ಟು ಖರ್ಚು ಮಾಡಬಹುದು ಎಂಬುದನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತದೆ.
• ಮಾಸಿಕ ಕ್ರೆಡಿಟ್ ಮಿತಿ. ಅದನ್ನು ತಲುಪಿದಾಗ, ಮುಂದಿನ ವಿನಂತಿಗಳು 402 budget_exceeded ಹಿಂತಿರುಗಿಸುತ್ತವೆ.

ಅವರು ಕಡಿಮೆ ಬ್ಯಾಲೆನ್ಸ್, ಮಾಸಿಕ ಮಿತಿಯ 80% ಮತ್ತು ವಿಫಲ ಟಾಪ್-ಅಪ್‌ಗಳಿಗೆ ಇಮೇಲ್ ಎಚ್ಚರಿಕೆಗಳನ್ನೂ ಆನ್ ಮಾಡುತ್ತಾರೆ. ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳಲು ಇನ್ನೂ ಸಮಯವಿರುವಾಗಲೇ ಎಚ್ಚರಿಕೆಗಳು ಸಮಸ್ಯೆಯ ಬಗ್ಗೆ ತಿಳಿಸುತ್ತವೆ.

5. ದರ ಮಿತಿಯನ್ನು ಗೌರವಿಸಿ

ಪ್ರತಿ ಕೀ ನಿಮಿಷಕ್ಕೆ 60 ವಿನಂತಿಗಳನ್ನು ಅನುಮತಿಸುತ್ತದೆ. ಆ ವೇಗದಲ್ಲಿ 10,000 ವಿನಂತಿಗಳಿಗೆ ಸುಮಾರು 167 ನಿಮಿಷ ಬೇಕು, ಅಂದರೆ ಒಂದು ಕೀಯಲ್ಲಿ ಮೂರು ಗಂಟೆಗಿಂತ ಕಡಿಮೆ. ಅವರು ಸೆಕೆಂಡಿಗೆ ಒಂದು ವಿನಂತಿ ಕಳುಹಿಸುವ ಸರಳ ಸರತಿ ಚಲಾಯಿಸುತ್ತಾರೆ, ಹೀಗೆ ಹಠಾತ್ ಏರಿಕೆಗಳಿಲ್ಲದೆ ಮಿತಿಯೊಳಗೆ ಇರುತ್ತಾರೆ. ಅವರು 5 ವರೆಗೆ ಸಕ್ರಿಯ ಕೀಗಳನ್ನು ರಚಿಸಬಹುದು, ಉದಾಹರಣೆಗೆ ಒಂದು ಇಂಜೆಷನ್‌ಗೆ ಮತ್ತು ಒಂದು ಅಪ್ಲಿಕೇಶನ್‌ನ ಲೈವ್ ಹುಡುಕಾಟಗಳಿಗೆ, ಹಳೆಯ ಡೇಟಾ ತುಂಬುವಿಕೆ ಎಂದಿಗೂ ಬಳಕೆದಾರರ ವಿನಂತಿಯನ್ನು ತಡೆಯದಂತೆ.

6. ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ ಇಲ್ಲದ ವೀಡಿಯೊಗಳನ್ನು ನಿಭಾಯಿಸಿ

API ಈಗಿರುವ YouTube ಕ್ಯಾಪ್ಷನ್‌ಗಳನ್ನು ಮಾತ್ರ ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ಲೈವ್ ಸ್ಟ್ರೀಮ್‌ಗಳು, ಖಾಸಗಿ ಅಥವಾ ತೆಗೆದುಹಾಕಿದ ವೀಡಿಯೊಗಳು ಮತ್ತು ಕ್ಯಾಪ್ಷನ್ ಇಲ್ಲದ ವೀಡಿಯೊಗಳು 404 no_transcript ಹಿಂತಿರುಗಿಸುತ್ತವೆ. ಅವರ ಸರತಿಯಲ್ಲಿ ಆ ಸ್ಥಿತಿಯ ಅರ್ಥ: ಬಿಟ್ಟುಬಿಡಲಾಗಿದೆ ಎಂದು ಗುರುತಿಸಿ ಮುಂದುವರಿ, ಎಂದಿಗೂ ಮರುಪ್ರಯತ್ನಿಸಬೇಡ. ಈ ವಿನಂತಿಗಳಿಗೆ ವೆಚ್ಚವಿಲ್ಲದ ಕಾರಣ, ಕ್ಯಾಪ್ಷನ್ ಇಲ್ಲದ ವೀಡಿಯೊಗಳಿಂದ ತುಂಬಿದ ಚಾನಲ್ ಅವರ ಬಜೆಟ್ ಅನ್ನು ಸುಡುವುದಿಲ್ಲ.

ಅವರ ಲೂಪ್, ಸೂಡೋಕೋಡ್‌ನಲ್ಲಿ:

1. ಸರತಿಯಿಂದ ಮುಂದಿನ ವೀಡಿಯೊ ID ತೆಗೆದುಕೊಳ್ಳಿ.
2. format=json ನೊಂದಿಗೆ API ಕರೆ ಮಾಡಿ.
3. ಯಶಸ್ವಿಯಾದರೆ: ವಿಭಾಗಗಳನ್ನು ಸುಮಾರು ಒಂದು ನಿಮಿಷದ ತುಂಡುಗಳಾಗಿ ವಿಭಜಿಸಿ, ಪ್ರತಿ ತುಂಡನ್ನು ಅದರ ಆರಂಭಿಕ ಆಫ್‌ಸೆಟ್‌ನೊಂದಿಗೆ ಉಳಿಸಿ ಮತ್ತು ಎಂಬೆಡ್ ಮಾಡಿ.
4. 404 no_transcript ಆದಾಗ: "ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ ಇಲ್ಲ" ಗುರುತು ಉಳಿಸಿ.
5. 402 budget_exceeded ಆದಾಗ: ಸರತಿಯನ್ನು ವಿರಾಮಗೊಳಿಸಿ ಮತ್ತು ನಿಮಗೇ ತಿಳಿಸಿ.
6. ಸರ್ವರ್ ದೋಷದಲ್ಲಿ: ವಿಳಂಬದ ನಂತರ ಮರುಪ್ರಯತ್ನಿಸಿ.

7. ಕೋಡ್‌ನಲ್ಲಿ ಬ್ಯಾಲೆನ್ಸ್ ಪರಿಶೀಲಿಸಿ

ಪ್ರತಿ ದೊಡ್ಡ ಬ್ಯಾಚ್‌ಗೂ ಮುನ್ನ ಅವರು GET /api/v1/credits ಕರೆಯುತ್ತಾರೆ. ಬ್ಯಾಲೆನ್ಸ್ ಬ್ಯಾಚ್‌ಗೆ ಬೇಕಾದುದಕ್ಕಿಂತ ಕಡಿಮೆಯಿದ್ದು ಸ್ವಯಂ ಟಾಪ್-ಅಪ್ ಆಫ್ ಆಗಿದ್ದರೆ, ಕೆಲಸ ಪ್ರಾರಂಭಿಸಲು ನಿರಾಕರಿಸುತ್ತದೆ. ಅರ್ಧಂಬರ್ಧ ಆಮದಿನ ವಿರುದ್ಧ ಇದು ಅಗ್ಗದ ರಕ್ಷಣೆ.

ಕೊನೆಗೆ ಅವರಿಗೆ ಸಿಗುವುದು

ಮೊದಲ ರಾತ್ರಿಯ ನಂತರ, ಸೂಚ್ಯಂಕವು ಎಲ್ಲ 10,000 ವೀಡಿಯೊಗಳ ಬಹುತೇಕ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ, ಪ್ರತಿ ತುಂಡೂ ತನ್ನ ಆರಂಭದ ಸಮಯವನ್ನು ಹೊತ್ತಿರುತ್ತದೆ. ಬಳಕೆದಾರರು ಪ್ರಶ್ನೆ ಕೇಳಿದಾಗ, ಸಹಾಯಕ ಒಂದು ಭಾಷಣ ಮತ್ತು ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ ಅನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆ, ಮತ್ತು ಲಿಂಕ್ ವೀಡಿಯೊವನ್ನು ಆ ಕ್ಷಣದಲ್ಲಿ ತೆರೆಯುತ್ತದೆ. ಮುಂದುವರಿದ ವೆಚ್ಚ ಚಿಕ್ಕದು: ತಿಂಗಳಿಗೆ 300 ಹೊಸ ವೀಡಿಯೊಗಳು ಗರಿಷ್ಠ 600 ಕ್ರೆಡಿಟ್, 5,000 ಪ್ಯಾಕ್‌ನ ಪ್ರತಿ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗೆ $0.030 ದರದಲ್ಲಿ ಸುಮಾರು $18.

ಮಾಯಾ Pro ಗೆ ಚಂದಾದಾರರಾದರೆ, ಅವರಿಗೆ ಪ್ರತಿ ತಿಂಗಳು 100 ಬೋನಸ್ ಕ್ರೆಡಿಟ್‌ಗಳೂ ಸಿಗುತ್ತಿದ್ದವು, ಇದು ಆ ಬೆಳವಣಿಗೆಯ ಒಂದು ಭಾಗವನ್ನು ಭರಿಸುತ್ತದೆ.

ಇದು ಎಲ್ಲಿ ಕೊರತೆಯಾಗುತ್ತದೆ

• ಕ್ಯಾಪ್ಷನ್ ಇಲ್ಲದಿದ್ದರೆ ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ ಇಲ್ಲ. API ಆಡಿಯೊವನ್ನು ಲಿಪ್ಯಂತರ ಮಾಡುವುದಿಲ್ಲ. ಕ್ಯಾಪ್ಷನ್ ಇಲ್ಲದ ವೀಡಿಯೊಗಳಿಗೆ ನಿಮಗೆ ಬೇರೆ ಮೂಲ ಬೇಕು, ಉದಾಹರಣೆಗೆ ಭಾಷಣದಿಂದ ಪಠ್ಯ ಸೇವೆ, ಅದಕ್ಕೆ ಪ್ರತ್ಯೇಕವಾಗಿ ಪಾವತಿಸುತ್ತೀರಿ. ಇತರ ಕೆಲವು ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ API ಗಳು ಆಡಿಯೊ ಬದಲಿ ಆಯ್ಕೆ ನೀಡುತ್ತವೆ, YouTube ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್ API ಗಳ ಹೋಲಿಕೆ ನೋಡಿ.
• ತಾನಾಗಿ ರಚಿತವಾದ ಕ್ಯಾಪ್ಷನ್‌ಗಳಲ್ಲಿ ತಪ್ಪುಗಳಿವೆ. ಹೆಸರುಗಳು ಮತ್ತು ಪರಿಭಾಷೆ ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ಬಾಧಿತವಾಗುತ್ತವೆ. ಟ್ರ್ಯಾಕ್ ತಾನಾಗಿ ರಚಿತವಾಗಿದೆಯೇ ಎಂದು ಪ್ರತಿಕ್ರಿಯೆ ಹೇಳುತ್ತದೆ, ಆದ್ದರಿಂದ ಅಂತಹ ತುಂಡುಗಳಿಗೆ ತೂಕ ನೀಡಬಹುದು ಅಥವಾ ಗುರುತಿಸಬಹುದು.
• ಭಾಷೆ ಕ್ಯಾಪ್ಷನ್ ಟ್ರ್ಯಾಕ್‌ನ ಭಾಷೆ. ಪ್ರತಿಕ್ರಿಯೆ ನಿಜವಾದ ಭಾಷೆಯನ್ನು ವರದಿ ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ ನೀವು ಕೇಳಿದ್ದಕ್ಕೆ ಹೊಂದುತ್ತದೆ ಎಂದು ಊಹಿಸಬೇಡಿ.
• ಥ್ರೂಪುಟ್ ಪ್ರತಿ ಕೀಗೆ ಸೀಮಿತ. ಬಹಳ ದೊಡ್ಡ ಹಳೆಯ ಡೇಟಾ ತುಂಬುವಿಕೆ ಗಂಟೆಗಳ ವಿಷಯ, ಸೆಕೆಂಡುಗಳದ್ದಲ್ಲ.
• ಇದು ಟ್ರಾನ್ಸ್‌ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಮಾತ್ರ ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ವಿಭಜನೆ, ಎಂಬೆಡಿಂಗ್ ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆ ನಿಮ್ಮ ಕೆಲಸ. ಒಂದು ವೀಡಿಯೊದ ಸಾರಾಂಶ ಮಾತ್ರ ಬೇಕಾದರೆ, YouTube ಸಾರಾಂಶಕಾರ ಬಳಸಿ.

ಮೂಲಗಳು

• sum.video Transcript API
• sum.video ಬೆಲೆಗಳು