Sicteg
Curioso
¡Usuario con pocos negocios! ¡Utiliza siempre saldo de Forobeta!
Hola. Llevo un tiempo trabajando con extracción de datos y me topé con algo que creo que le sirve a más de uno: las herramientas de transcripción de YouTube casi todas entregan traducciones automáticas sin avisar.
Lo medí: en un Short en inglés, la respuesta del reproductor trae 21 pistas de subtítulos — el idioma original del video y 20 traducciones automáticas. Casi todas las herramientas eligen "el idioma que pediste" y te devuelven un video en inglés traducido al español o al alemán, presentado como si fuera el original. El comprador no se entera hasta que lee el texto.
Tres cosas que hay que resolver bien (y que explican por qué la mayoría de estas herramientas tienen calificaciones de 2 estrellas)
1. Elegir la pista del idioma original, no la traducción. La respuesta sí marca cuál es el original, pero en un campo que no es el obvio.
2. El tamaño de cada descarga. Pedir la página del video cuesta 1,9 MB; por la vía móvil son 340 KB con los mismos datos. Con proxies residenciales caros (US$8/GB), esa diferencia decide si el negocio da o no da.
3. La rotación de IP. Una sola IP queda bloqueada a los 30-40 pedidos. Rotando en cada pedido y reintentando cuando YouTube pide "inicia sesión para confirmar que no eres un bot", el resultado pasó de 85% a 95%.
Con eso, los resultados medidos en canales reales: 38 de 40 Shorts transcritos en un canal en inglés y 12 de 12 en uno en español. Los que fallan es porque el video no trae subtítulo (se reporta como tal y no se cobra).
La dejé publicada como herramienta de Apify, se cobra por transcripción entregada (US$5 por 1.000) y devuelve el texto completo y con tiempos, además de título, canal, duración e idioma
https://apify.com/sicteg/youtube-shorts-transcripts
Si a alguien le sirve para un proyecto, quedo atento por acá en el tema. Y si están peleando con el bloqueo de YouTube para otra fuente de datos, cuenten qué les pasó — esa parte es la que más tiempo me comió.
Lo medí: en un Short en inglés, la respuesta del reproductor trae 21 pistas de subtítulos — el idioma original del video y 20 traducciones automáticas. Casi todas las herramientas eligen "el idioma que pediste" y te devuelven un video en inglés traducido al español o al alemán, presentado como si fuera el original. El comprador no se entera hasta que lee el texto.
Tres cosas que hay que resolver bien (y que explican por qué la mayoría de estas herramientas tienen calificaciones de 2 estrellas)
1. Elegir la pista del idioma original, no la traducción. La respuesta sí marca cuál es el original, pero en un campo que no es el obvio.
2. El tamaño de cada descarga. Pedir la página del video cuesta 1,9 MB; por la vía móvil son 340 KB con los mismos datos. Con proxies residenciales caros (US$8/GB), esa diferencia decide si el negocio da o no da.
3. La rotación de IP. Una sola IP queda bloqueada a los 30-40 pedidos. Rotando en cada pedido y reintentando cuando YouTube pide "inicia sesión para confirmar que no eres un bot", el resultado pasó de 85% a 95%.
Con eso, los resultados medidos en canales reales: 38 de 40 Shorts transcritos en un canal en inglés y 12 de 12 en uno en español. Los que fallan es porque el video no trae subtítulo (se reporta como tal y no se cobra).
La dejé publicada como herramienta de Apify, se cobra por transcripción entregada (US$5 por 1.000) y devuelve el texto completo y con tiempos, además de título, canal, duración e idioma
https://apify.com/sicteg/youtube-shorts-transcripts
Si a alguien le sirve para un proyecto, quedo atento por acá en el tema. Y si están peleando con el bloqueo de YouTube para otra fuente de datos, cuenten qué les pasó — esa parte es la que más tiempo me comió.
