Chronometrica frente a Pinto Studio para transcripciones de YouTube con verificación del idioma

Elige los datos que tu aplicación necesita para comprobar el idioma

Primero, define tu regla de aceptación. Un estudio puede aceptar solo subtítulos en chino. Otro proyecto puede aceptar subtítulos en cualquier idioma disponible. Cada regla produce una colección distinta.

La compilación 0.1.43 de Chronometrica acepta `preferredLanguages` por orden de prioridad. Una lista con valores se aplica de forma estricta. Si ninguno de los idiomas solicitados está disponible, el contrato registra un fallo `LANGUAGE_UNAVAILABLE` no facturable en `OUTPUT`. Ese resultado queda fuera del conjunto de datos de resultados correctos, que contiene los registros de las transcripciones devueltas. Una lista de idiomas vacía indica que se elija el mejor idioma disponible. No impone una restricción a un idioma concreto. Esquema de entrada, contrato, compilación comprobada

Las filas de resultados correctos incluyen estos campos:

• `requestedLanguageCodes`: los códigos de los idiomas solicitados.
• `transcriptLanguageCode` y `transcriptLanguageName`: el idioma de la transcripción seleccionada.
• `availableLanguageCodes`: datos sobre los idiomas de subtítulos disponibles.
• `languageMatch`: datos sobre la coincidencia de idioma.

Comprueba estos campos antes de incorporar un texto al corpus. La configuración de la solicitud por sí sola no demuestra el idioma del texto devuelto. Contrato de salida

Fuentes de la tabla: contrato de Chronometrica, entrada de Chronometrica, contrato de Pinto Studio, entrada de Pinto Studio.

El principal motivo para cambiar es la necesidad de contar con los datos documentados sobre el idioma y el registro de casos sin coincidencia de Chronometrica. Si tu proceso actual ya cumple tu regla de aceptación, esta necesidad puede no justificar un cambio.

Lee en su contexto la incidencia sobre el idioma de Pinto Studio

Una incidencia pública de Pinto Studio pregunta si `targetLanguage` determina el idioma de los subtítulos devueltos. La conversación incluye una explicación histórica del comportamiento alternativo cuando no hay coincidencia. Una actualización del responsable de mantenimiento, fechada el 26 de agosto de 2026, afirma que se mejoró la gestión del idioma de destino y que funciona correctamente. La incidencia muestra una duda real sobre la aceptación por idioma. No demuestra un fallo actual en ese comportamiento alternativo. Incidencia pública y actualización del responsable de mantenimiento

La compilación 1.0.63 de Pinto Studio anuncia subtítulos en el idioma solicitado. Su README describe segmentos estructurados con inicio, duración y texto. Sus preguntas frecuentes mencionan subtítulos proporcionados o traducidos automáticamente por YouTube. Esto no significa que Pinto Studio genere las traducciones por sí mismo. Contrato actual y preguntas frecuentes, compilación comprobada

La interfaz comprobada no establece un resultado específico para un idioma no disponible. Verifica ese comportamiento antes de que tu aplicación dependa de él. Una conversación antigua o la ausencia de una opción de idioma estricto no permiten establecer el resultado actual. Esquema de entrada actual, historial de la incidencia

Comprueba si una pista de subtítulos existente cumple la regla

Chronometrica extrae subtítulos públicos existentes. No traduce para suplir una pista que falta ni crea una transcripción a partir del habla. Su contrato actual tampoco promete subtítulos exclusivamente manuales ni una operación independiente que enumere las pistas de subtítulos. Estos límites importan si tu proyecto exige un origen concreto de los subtítulos, además de un idioma concreto. Contrato de Chronometrica

Para un corpus restringido por idioma, declara qué códigos de idioma aceptas. Si aceptas más de 1 idioma, declara su orden de preferencia. Incluye solo los idiomas aceptados en una solicitud estricta.

Después, compara los datos del idioma seleccionado con esa regla. La lista de idiomas disponibles aporta contexto. Tu decisión de aceptación se refiere a la pista de la que procede el texto devuelto.

Si después traduces una transcripción, regístralo como un proceso independiente. Un texto traducido no demuestra que la pista extraída originalmente estuviera en el idioma solicitado. Distingue el idioma de origen y el idioma de traducción en tus registros.

Una decisión ficticia con 3 fuentes previstas

Este ejemplo es ficticio. No es un resultado del Actor, una prueba de un proveedor ni un caso de un cliente.

Un estudio acepta solo subtítulos en chino. Tiene 3 vídeos previstos como entradas. En este ejemplo inventado, 2 entradas tienen pistas en chino disponibles. La tercera no tiene ningún idioma que coincida.

El estudio acepta 2 textos de transcripción. Registra por separado el resultado de idioma de la tercera entrada. Su cobertura de fuentes aceptadas es:

2 entradas aceptadas / 3 entradas previstas × 100 = 66.67%.

Este porcentaje mide la aceptación dentro de la colección ficticia. No es una tasa medida de éxito de extracción.

Una pista en inglés en el vídeo sin resolver incumpliría la regla del estudio. Solicitar chino no haría aceptable ese texto en inglés. El estudio debe mantener las 3 entradas previstas en el total que usa para calcular la cobertura.

La entrada sin resolver necesita su propio registro. No es una transcripción correcta sin texto. Si un proceso posterior obtiene un texto aceptado, el estudio puede actualizar su registro y mantener visible el resultado anterior.

Un proyecto que acepte cualquier idioma de origen podría usar una regla distinta. Debe declarar esa regla. Una traducción posterior seguiría siendo un proceso independiente.

Los campos documentados del idioma seleccionado y el resultado `LANGUAGE_UNAVAILABLE` de Chronometrica se ajustan al registro de aceptación de este estudio. El ejemplo no afirma qué devolvería Pinto Studio actualmente para el tercer vídeo. Contrato de salida de Chronometrica

Aplica un método sencillo de aceptación por idioma

1. Escribe la regla. Enumera los idiomas de subtítulos aceptados. Indica si se permite un idioma alternativo. Registra el número de entradas fuente previstas antes de la extracción.
2. Configura la solicitud. En Chronometrica, rellena `preferredLanguages` de forma explícita. Mantén `includeFailedInputDetails` en `true` para conservar detalles seguros de los fallos de cada entrada. Una lista de idiomas vacía indica que se elija el mejor idioma disponible. Esquema de entrada
3. Lee ambos registros de resultados. Lee juntos el conjunto de datos de resultados correctos y `OUTPUT`. Conserva suficientes datos de identificación de cada entrada para vincular cada resultado fallido con su fuente prevista. Contrato de salida
4. Comprueba cada texto obtenido correctamente. Compara `requestedLanguageCodes`, `transcriptLanguageCode` y `languageMatch` con tu regla. Usa el nombre del idioma y los datos de idiomas disponibles como contexto. Acepta el texto solo cuando las pruebas cumplan la regla. Campos de salida
5. Mantén separados los resultados sin coincidencia. Registra `LANGUAGE_UNAVAILABLE` fuera del corpus aceptado. Conserva los valores desconocidos como desconocidos. No sustituyas un texto o un valor de idioma ausente por 0.
6. Comprueba el proceso existente. Mantenlo si los datos que devuelve y las comprobaciones de tu aplicación cumplen la regla. Verifica su comportamiento cuando no hay coincidencia antes de depender de un resultado específico.
7. Informa de los recuentos. Indica los recuentos de entradas aceptadas y sin resolver respecto al número original de entradas previstas. Identifica cualquier traducción posterior como un proceso independiente.

Tu aplicación es responsable de la regla de aceptación, aunque un Actor ayude a aplicarla.

Para conocer el proceso más amplio de crear una colección a partir de vídeos encontrados, consulta la guía para crear un corpus de transcripciones de YouTube. Esta comparación se centra en elegir los datos sobre el idioma necesarios para aceptar cada texto.

Configura una solicitud de idioma explícita

Una Task es una configuración de entrada guardada. La Task pública de extracción de transcripciones de YouTube puede servir como punto de partida. Su página devolvió HTTP 200, una respuesta correcta de la página, en la comprobación del 20 de octubre de 2026. No se leyó su entrada guardada. Configura de forma explícita los campos que exige tu regla.

Este ejemplo de entrada solicita `zh-Hans`, el código de idioma del chino simplificado. Superó una comprobación estática frente a una copia guardada del esquema público actual. Esta comprobación comparó la entrada con las reglas de entrada documentadas. No se ejecutó la entrada. La URL del vídeo ilustra el formato de entrada; no demuestra la disponibilidad actual de subtítulos.

{
  "startUrls": [
    "https://www.youtube.com/watch?v=BPK_qzeH_yk"
  ],
  "preferredLanguages": [
    "zh-Hans"
  ],
  "includeFailedInputDetails": true
}

El formato de entrada y la configuración de los campos siguen el esquema de entrada de Chronometrica comprobado. Sustituye la URL y el idioma del ejemplo por tu fuente prevista y el idioma aceptado.