ବଡ଼ ସ୍ତରରେ RAG ଆପ୍ ପାଇଁ YouTube ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ: କ୍ରେଡିଟ୍, ଅଟୋ ଟପ୍-ଅପ୍ ଓ ବଜେଟ୍

ଆପଣଙ୍କ RAG କିମ୍ବା AI ଆପ୍‌କୁ ବଡ଼ ସ୍ତରରେ YouTube ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ଦରକାର ହେଲେ, ବ୍ୟବହାରିକ ବ୍ୟବସ୍ଥା ହେଉଛି: ଅଗ୍ରିମ ପରିଶୋଧିତ କ୍ରେଡିଟ୍ ସହିତ ବ୍ୟବହାର ଆଧାରିତ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ API, ଲମ୍ବା ଇନଜେସନ୍ କାମ କେବେ ବନ୍ଦ ନହେବା ପାଇଁ ଅଟୋ ଟପ୍-ଅପ୍, ଏବଂ ବଗ୍ ବିଲ୍ ଫୁଲାଇ ନଦେବା ପାଇଁ ମାସିକ ବଜେଟ୍। ଏହି ବର୍ଣ୍ଣନା sum.video Transcript API ସହିତ ସେହି ବ୍ୟବସ୍ଥା ମଧ୍ୟରେ ଜଣେ ଡେଭଲପରଙ୍କୁ ଅନୁସରଣ କରେ।

ପରିସ୍ଥିତି

ମାୟା ସମ୍ମିଳନୀ ଭାଷଣ ବିଷୟରେ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେଉଥିବା ଏକ ଗବେଷଣା ସହାୟକ ତିଆରି କରୁଛନ୍ତି। ତାଙ୍କ ଇଣ୍ଡେକ୍ସ କିଛି ଶହ ଚ୍ୟାନେଲର ପ୍ରାୟ 10,000 YouTube ଭିଡିଓ ଆବୃତ କରିବା ଉଚିତ, ତା'ପରେ ପ୍ରତି ମାସ ପ୍ରାୟ 300 ନୂଆ ଭିଡିଓ ସହ ବଢ଼ିବା ଉଚିତ। ସେ ଇନଜେସନ୍‌କୁ ଏକ ଛୋଟ ସର୍ଭରରୁ ଚଳାନ୍ତି, ଏହାକୁ ଜଗିବାକୁ କିମ୍ବା ବିଲ୍ ଦେଖି ଚମକିବାକୁ ଚାହାଁନ୍ତି ନାହିଁ।

ତାଙ୍କ ସର୍ତ୍ତ ସରଳ: ଅନୁମାନଯୋଗ୍ୟ ଖର୍ଚ୍ଚ, କାମ ମଝିରେ ହାତରେ ରିଚାର୍ଜ ନାହିଁ, ଏବଂ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ନଥିବା ଭିଡିଓର ସ୍ୱଚ୍ଛ ପରିଚାଳନା।

ତାଙ୍କୁ କ'ଣ ଦରକାର

• ପ୍ରତ୍ୟେକ ଭିଡିଓ ପାଇଁ ସାଧାରଣ ଲେଖା, ବିଭାଜନ ଓ ଏମ୍ବେଡ୍ ପାଇଁ ପ୍ରସ୍ତୁତ।
• ଉତ୍ତର ଭିଡିଓର ଠିକ୍ ମୁହୂର୍ତ୍ତକୁ ଲିଙ୍କ୍ କରିପାରିବା ପାଇଁ ଟାଇମଷ୍ଟ୍ୟାମ୍ପ।
• ଆରମ୍ଭ ପୂର୍ବରୁ ଆକଳନ କରିପାରିବା ଭଳି ଖର୍ଚ୍ଚ।
• ଖର୍ଚ୍ଚ ଉପରେ କଠୋର ଉପର ସୀମା।

ପଦକ୍ଷେପ ପଦକ୍ଷେପ

1. ପ୍ରଥମେ ଖର୍ଚ୍ଚ ଆକଳନ କରନ୍ତୁ

ଗୋଟିଏ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟର ଖର୍ଚ୍ଚ 2 କ୍ରେଡିଟ୍, ଏବଂ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ନଫେରାଉଥିବା ଅନୁରୋଧର ଖର୍ଚ୍ଚ ନାହିଁ। 10,000 ଭିଡିଓ ପାଇଁ ତାହା ସର୍ବାଧିକ 20,000 କ୍ରେଡିଟ୍। $74.99 ($0.030 ପ୍ରତି ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ) ର 5,000 କ୍ରେଡିଟ୍ ପ୍ୟାକ୍ ସହିତ, 10,000 ଟ୍ରାନ୍ସକ୍ରିପ୍ଟର ମୋଟ ଖର୍ଚ୍ଚ ପ୍ରାୟ $300, କିଛି ଭିଡିଓରେ କ୍ୟାପସନ ନଥିଲେ ଟିକେ କମ୍। ଛୋଟ ପ୍ୟାକ୍ ପ୍ରତି ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ଅଧିକ ମହଙ୍ଗା: 100 କ୍ରେଡିଟ୍‌ରେ $0.090, 500 ରେ $0.056, 2,000 ରେ $0.038। ବର୍ତ୍ତମାନର ବିବରଣୀ ମୂଲ୍ୟ ପୃଷ୍ଠାରେ ଅଛି।

କ୍ରେଡିଟ୍ ଥରେ କିଣାଯାଏ ଏବଂ କେବେ ଲାପ୍ସ ହୁଏ ନାହିଁ, ତେଣୁ ସେ ନିର୍ମାଣ କରୁଥିବା ବେଳେ ସଦସ୍ୟତା ଘଣ୍ଟା ଚାଲେ ନାହିଁ।

2. ମାଗଣା କ୍ରେଡିଟ୍ ସହ ପରୀକ୍ଷା କରନ୍ତୁ

ତାଙ୍କ ପ୍ରଥମ API କୀ 10 ମାଗଣା କ୍ରେଡିଟ୍ ସହିତ ଆସେ, ଅର୍ଥାତ୍ 5 ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ। ସେଗୁଡ଼ିକ ବ୍ୟବହାର କରି ସେ କିଛି ଭିଡିଓର ପ୍ରତିକ୍ରିୟା json ଫର୍ମାଟ୍‌ରେ (ସେକେଣ୍ଡରେ offset ଓ duration ଥିବା ଖଣ୍ଡ) ଏବଂ text ଫର୍ମାଟ୍‌ରେ ଯାଞ୍ଚ କରନ୍ତି। ଅନୁରୋଧର ବିବରଣୀ ପାଇଁ, ଗାଇଡ୍ API ଦ୍ୱାରା YouTube ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ କିପରି ପାଇବେ ରେ curl, Python ଓ JavaScript ର କାମ କରୁଥିବା ଉଦାହରଣ ଅଛି।

3. ଅଟୋ ଟପ୍-ଅପ୍ ସେଟ୍ କରନ୍ତୁ

API ଡ୍ୟାସବୋର୍ଡରେ ସେ ଅଟୋ ଟପ୍-ଅପ୍ ଚାଲୁ କରନ୍ତି। ନିୟମ: ବାଲାନ୍ସ ବଛା ସ୍ତରରୁ ତଳକୁ ଗଲେ, ସାଇତା କାର୍ଡରୁ ଆଉ ଏକ ପ୍ୟାକ୍‌ର ଶୁଳ୍କ ଆଦାୟ ହୁଏ। ଇନଜେସନ୍ କାମ ହାତରେ ରିଚାର୍ଜ ବିନା ରାତିସାରା ଚାଲୁ ରୁହେ।

4. ବଜେଟ୍ ସେଟ୍ କରନ୍ତୁ

ଦୁଇଟି ସୀମା ତାଙ୍କୁ ସୁରକ୍ଷା ଦିଏ:

• ଅଟୋ ଟପ୍-ଅପ୍ ଏକ ମାସରେ କେତେ ଖର୍ଚ୍ଚ କରିପାରିବ ତାହା ସୀମିତ କରୁଥିବା ମାସିକ ଟପ୍-ଅପ୍ ବଜେଟ୍।
• ମାସିକ କ୍ରେଡିଟ୍ ସୀମା। ତାହା ପହଞ୍ଚିଲେ ପରବର୍ତ୍ତୀ ଅନୁରୋଧ 402 budget_exceeded ଫେରାଏ।

ସେ କମ୍ ବାଲାନ୍ସ, ମାସିକ ସୀମାର 80% ଓ ବିଫଳ ଟପ୍-ଅପ୍ ପାଇଁ ଇମେଲ୍ ସତର୍କତା ମଧ୍ୟ ଚାଲୁ କରନ୍ତି। ପଦକ୍ଷେପ ନେବାକୁ ସମୟ ଥିବା ବେଳେ ସତର୍କତା ସମସ୍ୟା ବିଷୟରେ ଜଣାଏ।

5. ହାର ସୀମାକୁ ସମ୍ମାନ କରନ୍ତୁ

ପ୍ରତ୍ୟେକ କୀ ପ୍ରତି ମିନିଟ୍‌ରେ 60 ଅନୁରୋଧ ଅନୁମତି ଦିଏ। ସେହି ଗତିରେ 10,000 ଅନୁରୋଧ ପ୍ରାୟ 167 ମିନିଟ୍ ନିଏ, ଅର୍ଥାତ୍ ଗୋଟିଏ କୀ ସହ ତିନି ଘଣ୍ଟାରୁ କମ୍। ସେ ପ୍ରତି ସେକେଣ୍ଡରେ ଗୋଟିଏ ଅନୁରୋଧ ପଠାଉଥିବା ସରଳ ଧାଡ଼ି ଚଳାନ୍ତି, ତେଣୁ ହଠାତ୍ ବୃଦ୍ଧି ବିନା ସୀମା ତଳେ ରୁହନ୍ତି। ସେ 5 ପର୍ଯ୍ୟନ୍ତ ସକ୍ରିୟ କୀ ତିଆରି କରିପାରିବେ, ଯେପରି ଗୋଟିଏ ଇନଜେସନ୍ ପାଇଁ ଓ ଗୋଟିଏ ଆପ୍‌ର ଲାଇଭ୍ ସନ୍ଧାନ ପାଇଁ, ଯେପରି ପୁରୁଣା ଡାଟା ଭରିବା କେବେ ଉପଯୋଗକର୍ତ୍ତାର ଅନୁରୋଧକୁ ଅଟକାଇବ ନାହିଁ।

6. ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ନଥିବା ଭିଡିଓ ସମ୍ଭାଳନ୍ତୁ

API କେବଳ ଉପଲବ୍ଧ YouTube କ୍ୟାପସନ ଫେରାଏ। ଲାଇଭ୍ ଷ୍ଟ୍ରିମ୍, ବ୍ୟକ୍ତିଗତ କିମ୍ବା ହଟାଯାଇଥିବା ଭିଡିଓ, ଏବଂ କ୍ୟାପସନ ନଥିବା ଭିଡିଓ 404 no_transcript ଫେରାନ୍ତି। ତାଙ୍କ ଧାଡ଼ିରେ ସେହି ସ୍ଥିତିର ଅର୍ଥ: ଛାଡ଼ିଦିଆଗଲା ବୋଲି ଚିହ୍ନିତ କର ଓ ଆଗକୁ ବଢ଼, କେବେ ପୁଣି ଚେଷ୍ଟା କର ନାହିଁ। ସେହି ଅନୁରୋଧର ଖର୍ଚ୍ଚ ନଥିବାରୁ, କ୍ୟାପସନ ନଥିବା ଭିଡିଓରେ ପୂର୍ଣ୍ଣ ଚ୍ୟାନେଲ ତାଙ୍କ ବଜେଟ୍ ପୋଡ଼େ ନାହିଁ।

ତାଙ୍କ ଲୁପ୍, ସ୍ୟୁଡୋକୋଡ୍‌ରେ:

1. ଧାଡ଼ିରୁ ପରବର୍ତ୍ତୀ ଭିଡିଓ ID ନିଅ।
2. format=json ସହ API କଲ୍ କର।
3. ସଫଳ ହେଲେ: ଖଣ୍ଡଗୁଡ଼ିକୁ ପ୍ରାୟ ଏକ ମିନିଟର ଟୁକୁରାରେ ବିଭକ୍ତ କର, ପ୍ରତ୍ୟେକ ଟୁକୁରା ଏହାର ଆରମ୍ଭ ଅଫସେଟ୍ ସହ ସାଇତି ରଖ ଓ ଏମ୍ବେଡ୍ କର।
4. 404 no_transcript ହେଲେ: "ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ନାହିଁ" ଚିହ୍ନ ସାଇତ।
5. 402 budget_exceeded ହେଲେ: ଧାଡ଼ି ବିରାମ ଦିଅ ଓ ନିଜକୁ ଜଣାଅ।
6. ସର୍ଭର ତ୍ରୁଟିରେ: ବିଳମ୍ବ ପରେ ପୁଣି ଚେଷ୍ଟା କର।

7. କୋଡ୍‌ରେ ବାଲାନ୍ସ ଯାଞ୍ଚ କରନ୍ତୁ

ପ୍ରତ୍ୟେକ ବଡ଼ ବ୍ୟାଚ୍ ପୂର୍ବରୁ ସେ GET /api/v1/credits କଲ୍ କରନ୍ତି। ବାଲାନ୍ସ ବ୍ୟାଚ୍‌କୁ ଦରକାର ଠାରୁ କମ୍ ଥିଲେ ଓ ଅଟୋ ଟପ୍-ଅପ୍ ବନ୍ଦ ଥିଲେ, କାମ ଆରମ୍ଭ କରିବାକୁ ମନା କରେ। ଅଧାଅଧୁରା ଆମଦାନୀ ବିରୁଦ୍ଧରେ ଏହା ଶସ୍ତା ସୁରକ୍ଷା।

ଶେଷରେ ତାଙ୍କ ପାଖରେ କ'ଣ ଥାଏ

ପ୍ରଥମ ରାତି ପରେ, ଇଣ୍ଡେକ୍ସରେ ପ୍ରାୟ ସମସ୍ତ 10,000 ଭିଡିଓର ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ଥାଏ, ପ୍ରତ୍ୟେକ ଟୁକୁରା ଏହାର ଆରମ୍ଭ ସମୟ ବହନ କରେ। ଉପଯୋଗକର୍ତ୍ତା ପ୍ରଶ୍ନ ପଚାରିଲେ ସହାୟକ ଏକ ଭାଷଣ ଓ ଟାଇମଷ୍ଟ୍ୟାମ୍ପ ଉଦ୍ଧୃତ କରେ, ଏବଂ ଲିଙ୍କ୍ ସେହି ମୁହୂର୍ତ୍ତରେ ଭିଡିଓ ଖୋଲେ। ଚାଲୁଥିବା ଖର୍ଚ୍ଚ କମ୍: ମାସକୁ 300 ନୂଆ ଭିଡିଓ ସର୍ବାଧିକ 600 କ୍ରେଡିଟ୍, 5,000 ପ୍ୟାକ୍‌ର ପ୍ରତି ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ $0.030 ହାରରେ ପ୍ରାୟ $18।

ମାୟା Pro ରେ ସଦସ୍ୟତା ନେଲେ, ସେ ପ୍ରତି ମାସ 100 ବୋନସ୍ କ୍ରେଡିଟ୍ ମଧ୍ୟ ପାଇଥାନ୍ତେ, ଯାହା ସେହି ବୃଦ୍ଧିର ଏକ ଅଂଶକୁ ଆବୃତ କରେ।

ଏହା କେଉଁଠି ଅପୂରଣ ରହେ

• କ୍ୟାପସନ ନଥିଲେ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ନାହିଁ। API ଅଡିଓ ଟ୍ରାନ୍ସକ୍ରାଇବ୍ କରେ ନାହିଁ। କ୍ୟାପସନ ନଥିବା ଭିଡିଓ ପାଇଁ ଆପଣଙ୍କୁ ଅନ୍ୟ ଉତ୍ସ ଦରକାର, ଯେପରି ସ୍ପିଚ୍-ଟୁ-ଟେକ୍ସଟ୍ ସେବା, ଯାହା ପାଇଁ ଅଲଗା ଟଙ୍କା ଦେବେ। କେତେକ ଅନ୍ୟ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ API ଅଡିଓ ବିକଳ୍ପ ଦିଅନ୍ତି, YouTube ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ API ର ତୁଳନା ଦେଖନ୍ତୁ।
• ସ୍ୱୟଂଚାଳିତ କ୍ୟାପସନରେ ଭୁଲ୍ ଥାଏ। ନାମ ଓ ପାରିଭାଷିକ ଶବ୍ଦ ସାଧାରଣତଃ ସର୍ବାଧିକ ପ୍ରଭାବିତ ହୁଏ। ଟ୍ରାକ ସ୍ୱୟଂଚାଳିତ କି ନାହିଁ ପ୍ରତିକ୍ରିୟା କହେ, ତେଣୁ ଆପଣ ସେହି ଟୁକୁରାକୁ ଓଜନ ଦେଇପାରିବେ କିମ୍ବା ଚିହ୍ନିତ କରିପାରିବେ।
• ଭାଷା କ୍ୟାପସନ ଟ୍ରାକର ଭାଷା। ପ୍ରତିକ୍ରିୟା ପ୍ରକୃତ ଭାଷା ଜଣାଏ, ତେଣୁ ଆପଣ ମାଗିଥିବା ସହ ମେଳ ଖାଏ ବୋଲି ଧରନ୍ତୁ ନାହିଁ।
• ଥ୍ରୁପୁଟ୍ ପ୍ରତି କୀ ସୀମିତ। ବହୁତ ବଡ଼ ପୁରୁଣା ଡାଟା ଭରିବା ସେକେଣ୍ଡ ନୁହେଁ, ଘଣ୍ଟାର କଥା।
• ଏହା କେବଳ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ଫେରାଏ। ବିଭାଜନ, ଏମ୍ବେଡିଂ ଓ ପୁନରୁଦ୍ଧାର ଆପଣଙ୍କ କାମ। ଗୋଟିଏ ଭିଡିଓର ସାରାଂଶ ମାତ୍ର ଦରକାର ହେଲେ, YouTube ସାରାଂଶକାରୀ ବ୍ୟବହାର କରନ୍ତୁ।

ସୂତ୍ର

• sum.video Transcript API
• sum.video ମୂଲ୍ୟ