channel-miner: leggere anni di YouTube invece di guardarli
Leggere un canale YouTube invece di guardarlo.

Il problema
Parte delle conoscenze migliori su un argomento di nicchia sta in anni di lunghi video e dirette su YouTube: centinaia di ore, senza indice né ricerca. Guardare tutto non è realistico, e scorrere velocemente fa perdere proprio la frase che conta.
Cosa ho costruito
Gli dai un canale: raccoglie tutti i video con i sottotitoli, trascrive sul tuo computer quelli che non li hanno e trasforma tutto in testo semplice da cercare o leggere.
Poi gli dici cosa sai già, con un breve elenco di argomenti. Un modello AI locale legge le trascrizioni confrontandole con quell'elenco, e un secondo passaggio giudica ogni scoperta: tenere, tenere d'occhio o scartare, con un motivo. Il modello propone, non decide.
Un altro passaggio usa solo il conteggio, senza AI, per far emergere le idee su cui il canale torna spesso e che non rientrano in nessuno dei tuoi argomenti.
I risultati
- 377 ore di video, in 179 puntate, trasformate in 237 MB di testo.
- Una ricerca ha trovato una frase a 1 ora e 39 minuti di una diretta di quattro ore del 2024.
- Un video di quattro ore senza sottotitoli si trascrive in circa 3 minuti con una scheda video.
- Nessun account, nessuna chiave API, niente da pagare.
Le scelte e il perché
Perché gira tutto in locale?
Quello che sai e quello che cerchi non escono mai dal tuo computer, e non c'è un costo per ogni ora di video.
Perché la parte AI è facoltativa?
Un paio di gigabyte non devono mai iniziare a scaricarsi a sorpresa. Anche senza, hai comunque l'archivio completo del canale, da cercare.
Perché le esecuzioni programmate avvisano così tanto?
Un downloader rotto sembra identico a una settimana tranquilla senza novità. Così un'esecuzione che non riesce a scaricare lo dice, può riprendere da dove si era fermata e non può sovrapporsi a un'altra.
I limiti
- Su una scheda video piccola i modelli più grandi passano al processore, a circa 5 parole al secondo, quindi la lettura è lenta sui computer modesti.
- Il modello può sbagliare, ed è per questo che si limita a proporre e un secondo passaggio giudica ogni scoperta.
Codice e demo
Se ti serve qualcosa di simile
Automazioni AI per il marketing
Pipeline che tolgono il lavoro ripetitivo da localizzazione, report e contenuti, controllate prima che esca qualsiasi cosa.
Altri case study
Sicurezza prima di comprare, su EVM, Solana e TRON, con scambi simulati invece di un'API esterna.
Filtra chi vuole entrare in un gruppo Telegram privato.
Link referral, punti e classifica per una community Telegram.