Chronometrica vs Pinto Studio para transcrições do YouTube com verificação de idioma

Escolha as evidências de idioma de que sua aplicação precisa

Primeiro, defina sua regra de aceitação. Um estudo pode aceitar apenas legendas em chinês. Outro projeto pode aceitar qualquer idioma de legenda disponível. Cada regra produz uma coleção diferente.

A build 0.1.43 da Chronometrica aceita `preferredLanguages` em ordem de prioridade. Uma lista preenchida impõe uma restrição: só aceita os idiomas solicitados. Se nenhum deles estiver disponível, o contrato registra uma falha não cobrável `LANGUAGE_UNAVAILABLE` em `OUTPUT`. Esse resultado fica fora do conjunto de dados de sucesso, que contém os registros das transcrições retornadas. Uma lista de idiomas vazia significa usar o melhor idioma disponível. Ela não impõe uma restrição a um idioma escolhido. Esquema de entrada, contrato, build verificada

Os registros de sucesso apresentam estes campos:

• `requestedLanguageCodes`: os códigos dos idiomas solicitados.
• `transcriptLanguageCode` e `transcriptLanguageName`: o idioma da transcrição selecionada.
• `availableLanguageCodes`: evidências sobre os idiomas de legenda disponíveis.
• `languageMatch`: evidências sobre a correspondência de idioma.

Verifique esses campos antes de incluir um texto no corpus. A configuração da solicitação, por si só, não comprova o idioma retornado. Contrato de saída

Fontes da tabela: contrato da Chronometrica, entrada da Chronometrica, contrato do Pinto Studio, entrada do Pinto Studio.

O principal motivo para mudar é precisar das evidências de idioma e do registro sem correspondência documentados pela Chronometrica. Se seu fluxo atual já atende à sua regra de aceitação, essa necessidade talvez não justifique uma mudança.

Leia o relato sobre idioma do Pinto Studio no contexto

Um relato público sobre o Pinto Studio pergunta se `targetLanguage` determina o idioma das legendas retornadas. A discussão inclui uma explicação histórica sobre o uso de um idioma alternativo. Uma atualização do mantenedor, de 26 de agosto de 2026, diz que o tratamento do idioma de destino foi aprimorado e funciona corretamente. O relato mostra uma dúvida real sobre a aceitação de idioma. Ele não comprova uma falha atual no uso de um idioma alternativo. Relato público e atualização do mantenedor

A build 1.0.63 do Pinto Studio anuncia legendas no idioma solicitado. Seu README descreve segmentos estruturados com início, duração e texto. Suas perguntas frequentes mencionam legendas fornecidas ou traduzidas automaticamente pelo YouTube. Isso não significa que o próprio Pinto Studio gere traduções. Contrato atual e perguntas frequentes, build verificada

A interface verificada não estabelece um resultado específico para um idioma indisponível. Verifique esse comportamento antes que sua aplicação dependa dele. Uma discussão antiga ou a ausência de uma opção para restringir o idioma não permite determinar o resultado atual. Esquema de entrada atual, histórico do relato

Verifique se uma faixa de legendas existente atende à regra

A Chronometrica extrai legendas públicas existentes. Ela não traduz para suprir uma faixa ausente nem cria uma transcrição a partir da fala. Seu contrato atual também não promete fornecer apenas legendas manuais ou uma operação separada para listar faixas de legendas. Esses limites importam se seu projeto exige uma origem específica das legendas, além de um idioma específico. Contrato da Chronometrica

Para um corpus com restrição de idioma, declare quais códigos de idioma você aceita. Se aceitar mais de 1 idioma, declare a ordem de preferência. Inclua apenas idiomas aceitos em uma solicitação com restrição de idioma.

Depois, compare as evidências do idioma selecionado com essa regra. A lista de idiomas disponíveis fornece contexto. Sua decisão de aceitação diz respeito à faixa que forneceu o texto retornado.

Se você traduzir uma transcrição depois, registre isso como um processo separado. Um texto traduzido não comprova que a faixa extraída originalmente estava no idioma solicitado. Mantenha o idioma de origem e o idioma da tradução separados em seus registros.

Uma decisão fictícia com 3 fontes previstas

Este exemplo é fictício. Não é um resultado de Actor, um teste de fornecedor nem um caso de cliente.

Um estudo aceita apenas legendas em chinês. Ele prevê 3 vídeos de entrada. Neste exemplo inventado, 2 entradas têm faixas em chinês disponíveis. A terceira não tem um idioma correspondente.

O estudo aceita 2 textos de transcrição. Ele registra separadamente o resultado de idioma da terceira entrada. Sua cobertura de fontes aceitas é:

2 entradas aceitas / 3 entradas previstas × 100 = 66,67%.

Esse percentual mede a aceitação dentro da coleção fictícia. Não é uma taxa medida de sucesso de extração.

Uma faixa em inglês no vídeo ainda sem solução não atenderia à regra do estudo. Uma solicitação de chinês não tornaria esse texto em inglês aceitável. O estudo precisa manter as 3 entradas previstas no total usado para calcular a cobertura.

A entrada ainda sem solução precisa de um registro próprio. Ela não é uma transcrição bem-sucedida sem texto. Se um processo posterior obtiver um texto aceito, o estudo poderá atualizar seu registro e manter o resultado anterior visível.

Um projeto que aceita qualquer idioma de origem poderia usar outra regra. Ele precisa declarar essa regra. Uma tradução posterior continuaria sendo um processo separado.

Os campos documentados de idioma selecionado e o resultado `LANGUAGE_UNAVAILABLE` da Chronometrica atendem ao registro de aceitação desse estudo. O exemplo não afirma o que o Pinto Studio atual retornaria para o terceiro vídeo. Contrato de saída da Chronometrica

Aplique um método simples de aceitação de idioma

1. Escreva a regra. Liste os idiomas de legenda aceitos. Declare se um idioma alternativo é permitido. Registre o número de entradas de origem previstas antes da extração.
2. Configure a solicitação. Na Chronometrica, preencha `preferredLanguages` explicitamente. Mantenha `includeFailedInputDetails` definido como `true` para preservar detalhes de falha seguros para cada entrada. Uma lista de idiomas vazia significa usar o melhor idioma disponível. Esquema de entrada
3. Leia os 2 registros de resultados. Leia o conjunto de dados de sucesso e `OUTPUT` em conjunto. Mantenha dados de identificação suficientes para ligar cada resultado sem sucesso à sua fonte prevista. Contrato de saída
4. Verifique cada texto obtido com sucesso. Compare `requestedLanguageCodes`, `transcriptLanguageCode` e `languageMatch` com sua regra. Use o nome do idioma e as evidências dos idiomas disponíveis como contexto. Aceite o texto somente quando as evidências atenderem à regra. Campos de saída
5. Mantenha separados os resultados sem correspondência. Registre `LANGUAGE_UNAVAILABLE` fora do corpus aceito. Preserve os valores desconhecidos como desconhecidos. Não substitua um texto ou valor de idioma ausente por zero.
6. Verifique o fluxo existente. Mantenha-o quando as evidências retornadas e as verificações da sua aplicação atenderem à regra. Verifique seu comportamento sem correspondência antes de depender de um resultado específico.
7. Informe as contagens. Informe as contagens de entradas aceitas e ainda sem solução em relação ao número original de entradas previstas. Identifique qualquer tradução posterior como um processo separado.

A regra de aceitação pertence à sua aplicação, mesmo quando um Actor ajuda a aplicá-la.

Para o processo mais amplo de criar uma coleção a partir de vídeos encontrados, use o guia de corpus de transcrições do YouTube. Esta comparação trata da escolha mais específica das evidências de idioma necessárias para aceitar cada texto.

Defina uma solicitação explícita de idioma

Uma Task é uma configuração de entrada salva. A Task pública de extração de transcrições do YouTube pode servir como ponto de partida. Sua página retornou HTTP 200, uma resposta de página bem-sucedida, na verificação de 20 de outubro de 2026. Sua entrada salva não foi lida. Defina explicitamente os campos que sua regra exige.

Este exemplo de entrada solicita `zh-Hans`, o código de idioma para chinês simplificado. Ele passou por uma verificação estática em relação à cópia salva do esquema público atual. Essa verificação comparou a entrada com as regras de entrada documentadas. A entrada não foi executada. A URL do vídeo ilustra o formato da entrada; ela não comprova a disponibilidade atual de legendas.

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

O formato da entrada e as configurações dos campos seguem o esquema de entrada da Chronometrica verificado. Substitua a URL e o idioma do exemplo pela fonte prevista e pelo idioma aceito.