Chronometrica ou Pinto Studio pour des transcriptions YouTube avec vérification de la langue

Choisissez les informations nécessaires pour vérifier la langue dans votre application

Définissez d’abord votre règle d’acceptation. Une étude peut accepter uniquement des sous-titres chinois. Un autre projet peut accepter des sous-titres dans toute langue disponible. Chaque règle produit une collection différente.

La version 0.1.43 de Chronometrica accepte `preferredLanguages` par ordre de priorité. Une liste renseignée impose une sélection stricte. Si aucune des langues demandées n’est disponible, le contrat prévoit l’enregistrement d’un échec non facturé `LANGUAGE_UNAVAILABLE` dans `OUTPUT`. Ce résultat reste hors du jeu de données des réussites, qui contient les enregistrements des transcriptions renvoyées. Une liste de langues vide signifie que la meilleure langue disponible sera utilisée. Elle n’impose aucune restriction à une langue choisie. Schéma d’entrée, contrat, version vérifiée

Les lignes correspondant à une réussite présentent les champs suivants :

• `requestedLanguageCodes` : les codes des langues demandées.
• `transcriptLanguageCode` et `transcriptLanguageName` : la langue de transcription sélectionnée.
• `availableLanguageCodes` : des informations sur les langues de sous-titres disponibles.
• `languageMatch` : des informations sur la correspondance de langue.

Vérifiez ces champs avant d’ajouter un texte au corpus. Le paramètre de la demande ne prouve pas à lui seul la langue du texte renvoyé. Contrat de sortie

Sources du tableau : contrat de Chronometrica, entrée de Chronometrica, contrat de Pinto Studio, entrée de Pinto Studio.

La principale raison de changer est d’avoir besoin des informations documentées de Chronometrica sur la langue et de son enregistrement des absences de correspondance. Si votre processus actuel respecte déjà votre règle d’acceptation, ce besoin ne justifie pas nécessairement un changement.

Lisez le signalement sur la langue de Pinto Studio dans son contexte

Un signalement public de Pinto Studio demande si `targetLanguage` détermine la langue des sous-titres renvoyés. La discussion comprend une ancienne explication du mécanisme de repli. Une mise à jour du responsable du projet, datée du 26 août 2026, indique que la gestion de la langue cible a été améliorée et fonctionne correctement. Ce signalement soulève une question concrète : peut-on accepter la transcription au regard de sa langue ? Il n’établit pas de défaut actuel du mécanisme de repli. Signalement public et mise à jour du responsable

La version 1.0.63 de Pinto Studio annonce des sous-titres dans la langue demandée. Son README décrit des segments structurés avec un début, une durée et un texte. Sa FAQ mentionne des sous-titres fournis ou traduits automatiquement par YouTube. Cela ne signifie pas que Pinto Studio produit lui-même les traductions. Contrat actuel et FAQ, version vérifiée

L’interface vérifiée n’établit pas de résultat précis en cas de langue indisponible. Vérifiez ce comportement avant que votre application en dépende. Une ancienne discussion ou l’absence d’une option de langue stricte ne permet pas d’établir le résultat actuel. Schéma d’entrée actuel, historique du signalement

Vérifiez si une piste de sous-titres existante respecte la règle

Chronometrica extrait les sous-titres publics existants. Il ne traduit pas une piste manquante et ne crée pas de transcription à partir de la parole. Son contrat actuel ne promet pas non plus des sous-titres exclusivement manuels ni une opération distincte qui liste les pistes de sous-titres. Ces limites comptent si votre projet exige une source précise de sous-titres en plus d’une langue précise. Contrat de Chronometrica

Pour un corpus limité à certaines langues, déclarez les codes de langue que vous acceptez. Si vous acceptez plusieurs langues, déclarez leur ordre de préférence. Incluez uniquement les langues acceptées dans une demande stricte.

Comparez ensuite les informations sur la langue sélectionnée à cette règle. La liste des langues disponibles donne du contexte. Votre décision d’acceptation porte sur la piste qui a fourni le texte renvoyé.

Si vous traduisez une transcription par la suite, enregistrez cette traduction comme un processus distinct. Un texte traduit ne prouve pas que la piste extraite à l’origine était dans la langue demandée. Distinguez la langue source de la langue de traduction dans vos enregistrements.

Une décision fictive avec 3 sources prévues

Cet exemple est fictif. Ce n’est ni un résultat d’Actor, ni un test de fournisseur, ni un cas client.

Une étude accepte uniquement les sous-titres chinois. Elle prévoit 3 vidéos en entrée. Dans cet exemple inventé, 2 entrées ont des pistes chinoises disponibles. La 3e n’a aucune langue correspondante.

L’étude accepte 2 textes de transcription. Elle enregistre séparément le résultat de la vérification de la langue pour la 3e entrée. Sa couverture des sources acceptées est la suivante :

2 entrées acceptées / 3 entrées prévues × 100 = 66,67 %.

Ce pourcentage mesure l’acceptation au sein de la collection fictive. Ce n’est pas un taux mesuré de réussite d’extraction.

Une piste anglaise sur la vidéo non résolue ne respecterait pas la règle de l’étude. Une demande de chinois ne rendrait pas ce texte anglais acceptable. L’étude doit garder les 3 entrées prévues dans le total utilisé pour calculer la couverture.

L’entrée non résolue nécessite son propre enregistrement. Ce n’est pas une transcription réussie sans texte. Si un processus ultérieur obtient un texte accepté, l’étude peut mettre à jour son enregistrement tout en gardant le résultat précédent visible.

Un projet qui accepte toute langue source pourrait utiliser une autre règle. Il doit déclarer cette règle. Une traduction ultérieure resterait un processus distinct.

Les champs documentés de Chronometrica sur la langue sélectionnée et son résultat `LANGUAGE_UNAVAILABLE` conviennent au suivi des acceptations de cette étude. Cet exemple n’affirme rien sur ce que la version actuelle de Pinto Studio renverrait pour la 3e vidéo. Contrat de sortie de Chronometrica

Appliquez une méthode simple d’acceptation de la langue

1. Écrivez la règle. Listez les langues de sous-titres acceptées. Précisez si une autre langue est autorisée. Enregistrez le nombre d’entrées sources prévues avant l’extraction.
2. Configurez la demande. Pour Chronometrica, renseignez explicitement `preferredLanguages`. Gardez `includeFailedInputDetails` défini sur `true` pour conserver les détails d’échec de chaque entrée qu’il est possible de conserver sans risque. Une liste de langues vide signifie que la meilleure langue disponible sera utilisée. Schéma d’entrée
3. Lisez les 2 ensembles de résultats. Lisez ensemble le jeu de données des réussites et `OUTPUT`. Conservez assez d’informations d’identification sur chaque entrée pour relier chaque résultat d’échec à sa source prévue. Contrat de sortie
4. Vérifiez chaque texte obtenu avec succès. Comparez `requestedLanguageCodes`, `transcriptLanguageCode` et `languageMatch` à votre règle. Utilisez le nom de la langue et les informations sur les langues disponibles comme contexte. Acceptez le texte uniquement lorsque ces informations confirment qu’il respecte la règle. Champs de sortie
5. Gardez les résultats sans correspondance à part. Enregistrez `LANGUAGE_UNAVAILABLE` hors du corpus accepté. Conservez les valeurs inconnues comme telles. Ne remplacez pas un texte ou une valeur de langue manquants par 0.
6. Vérifiez le processus existant. Gardez-le si les informations qu’il renvoie et les vérifications de votre application respectent la règle. Vérifiez son comportement en l’absence de correspondance avant de dépendre d’un résultat précis.
7. Présentez les nombres. Présentez les nombres d’entrées acceptées et non résolues par rapport au nombre initial d’entrées prévues. Indiquez toute traduction ultérieure comme un processus distinct.

La règle d’acceptation relève de votre application, même lorsqu’un Actor aide à la faire respecter.

Pour le processus plus large de constitution d’une collection à partir de vidéos découvertes, utilisez le guide du corpus de transcriptions YouTube. Cette comparaison porte sur le choix plus précis des informations nécessaires pour vérifier la langue avant d’accepter chaque texte.

Définissez une demande de langue explicite

Une Task est une configuration d’entrée enregistrée. La Task publique d’extraction de transcriptions YouTube peut servir de point de départ. Sa page a renvoyé le code HTTP 200 lors de la vérification du 20 octobre 2026. Ce code indique que la requête de la page a réussi. Son entrée enregistrée n’a pas été lue. Définissez explicitement les champs requis par votre règle.

Cet exemple d’entrée demande `zh-Hans`, le code de langue du chinois simplifié. La vérification statique de cet exemple par rapport à une copie enregistrée du schéma public actuel a réussi. Cette vérification a comparé l’entrée aux règles d’entrée documentées. L’entrée n’a pas été exécutée. L’URL de la vidéo illustre le format d’entrée ; elle n’établit pas la disponibilité actuelle des sous-titres.

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

Le format d’entrée et les paramètres des champs suivent le schéma d’entrée de Chronometrica vérifié. Remplacez l’URL et la langue de l’exemple par votre source prévue et la langue acceptée.