Transcrições do YouTube para um app RAG em grande escala: créditos, recarga automática e orçamentos

Se o seu app RAG ou de IA precisa de transcrições do YouTube em grande escala, a configuração prática é uma API de transcrição de pagamento por uso com créditos pré-pagos, uma recarga automática para que um trabalho longo de ingestão nunca trave e um orçamento mensal para que um bug não faça a conta disparar. Este passo a passo acompanha uma desenvolvedora nessa configuração com a API de transcrição do sum.video.

A situação

Maya está criando um assistente de pesquisa que responde perguntas sobre palestras de conferências. O índice dela deve cobrir cerca de 10.000 vídeos do YouTube de algumas centenas de canais e depois crescer em torno de 300 vídeos novos por mês. Ela roda a ingestão em um servidor pequeno e não quer ficar de babá nem ser surpreendida por uma fatura.

As restrições dela são simples: custo previsível, nenhuma recarga manual no meio de um trabalho e tratamento limpo dos vídeos que não têm transcrição.

O que ela precisa

• Texto simples de cada vídeo, pronto para dividir e gerar embeddings.
• Marcações de tempo, para que uma resposta possa linkar para o momento exato do vídeo.
• Um custo que ela possa estimar antes de começar.
• Um teto firme de gasto.

Passo a passo

1. Estime o custo primeiro

Uma transcrição custa 2 créditos, e requisições que não retornam transcrição não custam nada. Para 10.000 vídeos são no máximo 20.000 créditos. Com o pacote de 5.000 créditos a $74.99 ($0.030 por transcrição), 10.000 transcrições custam cerca de $300 no total, um pouco menos se alguns vídeos não tiverem legendas. Os pacotes menores custam mais por transcrição: $0.090 com 100 créditos, $0.056 com 500, $0.038 com 2.000. A página de preços tem os detalhes atuais.

Os créditos são comprados uma vez e nunca expiram, então não corre nenhum relógio de assinatura enquanto ela constrói.

2. Teste com os créditos grátis

A primeira chave de API dela vem com 10 créditos grátis, ou seja, 5 transcrições. Ela os usa para conferir a resposta de alguns vídeos no formato json (segmentos com offset e duration em segundos) e no formato text. Para os detalhes da requisição, o guia como obter a transcrição do YouTube com uma API tem exemplos funcionais em curl, Python e JavaScript.

3. Configure a recarga automática

No painel da API ela ativa a recarga automática. A regra: quando o saldo cai abaixo de um nível escolhido, o cartão salvo é cobrado por outro pacote. O trabalho de ingestão continua a noite toda sem recarga manual.

4. Defina os orçamentos

Dois limites a protegem:

• Um orçamento mensal de recarga, que limita quanto a recarga automática pode gastar em um mês.
• Um limite mensal de créditos. Quando é atingido, as requisições seguintes retornam 402 budget_exceeded.

Ela também ativa alertas por e-mail para saldo baixo, para 80% do limite mensal e para recargas que falharam. Os alertas avisam de um problema enquanto ainda há tempo de agir.

5. Respeite o limite de taxa

Cada chave permite 60 requisições por minuto. Nesse ritmo, 10.000 requisições levam cerca de 167 minutos, menos de três horas com uma única chave. Ela roda uma fila simples que envia uma requisição por segundo, ficando abaixo do limite sem picos. Poderia criar até 5 chaves ativas, por exemplo uma para a ingestão e outra para as consultas ao vivo do app, para que uma carga retroativa nunca bloqueie a requisição de um usuário.

6. Trate os vídeos sem transcrição

A API retorna apenas legendas existentes do YouTube. Transmissões ao vivo, vídeos privados ou removidos e vídeos sem legendas retornam 404 no_transcript. Na fila dela, esse status significa marcar como ignorado e seguir em frente, nunca tentar de novo. Como essas requisições não custam nada, um canal cheio de vídeos sem legendas não queima o orçamento dela.

O laço dela, em pseudocódigo:

1. Pegue o próximo ID de vídeo da fila.
2. Chame a API com format=json.
3. Em caso de sucesso: divida os segmentos em blocos de cerca de um minuto, armazene cada bloco com seu deslocamento inicial e gere o embedding.
4. Em 404 no_transcript: armazene um marcador "sem transcrição".
5. Em 402 budget_exceeded: pause a fila e avise a si mesma.
6. Em erro do servidor: tente de novo após um intervalo.

7. Confira o saldo no código

Antes de cada lote grande ela chama GET /api/v1/credits. Se o saldo é menor do que o lote precisa e a recarga automática está desligada, o trabalho se recusa a começar. É uma proteção barata contra uma importação pela metade.

O que ela tem no final

Depois da primeira noite, o índice guarda as transcrições de quase todos os 10.000 vídeos, cada bloco com seu horário de início. Quando um usuário faz uma pergunta, o assistente cita uma palestra e uma marcação de tempo, e o link abre o vídeo naquele momento. O custo contínuo é pequeno: 300 vídeos novos por mês são no máximo 600 créditos, cerca de $18 na taxa do pacote de 5.000, de $0.030 por transcrição.

Se a Maya assinasse o Pro, ela também receberia 100 créditos de bônus por mês, o que cobre parte desse crescimento.

Onde isso fica devendo

• Sem legendas, sem transcrição. A API não transcreve áudio. Para vídeos sem legendas você precisa de outra fonte, como um serviço de fala para texto, que você paga à parte. Algumas outras APIs de transcrição oferecem um recurso de áudio, veja a comparação das APIs de transcrição do YouTube.
• Legendas automáticas têm erros. Nomes e jargões costumam ser os mais afetados. A resposta informa se uma faixa é gerada automaticamente, então você pode dar peso menor ou sinalizar esses blocos.
• O idioma é o da faixa de legendas. A resposta informa o idioma real, então não presuma que ele coincide com o que você pediu.
• A vazão é limitada por chave. Uma carga retroativa muito grande é questão de horas, não de segundos.
• Ela só retorna transcrições. Dividir, gerar embeddings e recuperar é com você. Se você só precisa do resumo de um vídeo, use o resumidor do YouTube.

Fontes

• API de transcrição do sum.video
• Preços do sum.video