Clase 4 · 18 min
base.md es el corazón del canal con fuentes. Cada número que aparece en pantalla incluye quién lo dijo, el video, la fecha y un fragmento copiado de la transcripción, sin editar. Un script verifica cada fragmento; si alguno no aparece, se descarta el video. Aquí crearás tu base y tu verificador.
Empezar la clase
Objetivo: crear la base.md de un video de tu nicho, con un fragmento literal en cada fila, y verificar cada fragmento en la transcripción con un script.
Haz clic en cada bloque.
La verificación no determina si el número es cierto en el mundo real: garantiza que alguien dijo exactamente eso en el video citado. Por eso todo se atribuye ("según él").
Ejemplos ilustrativos basados en una transcripción inventada para el nicho inmobiliario.
Copia directamente de la transcripción, tal como está, incluso si la frase queda suelta. Entre 6 y 30 palabras, suficientes para demostrar el número.
"el alquiler promedio aquí en la zona subió doce por ciento en un año"
Cambiar palabras para que suene mejor rompe la verificación. El script no lo encuentra y el video falla.
"el valor promedio del alquiler en la zona aumentó 12% el último año"
Unir el comienzo de una frase con el final de otra crea una frase que nadie dijo.
"el alquiler promedio subió… y seguirá subiendo en dos mil veintisiete"
Dos o tres palabras aparecen en cualquier parte y no muestran el contexto. Usa al menos 6.
"doce por ciento"
Ejecútalo en la carpeta del agente. Cambia <URL> por el video elegido.
yt-dlp -x --audio-format mp3 -o "audio.%(ext)s" "<URL>" # con inemavox (u otro transcriptor local): python transcrever_v1.py --in audio.mp3 --outdir tx --whisper-model large-v3
| Número usado | Quién lo dijo | Video | Fecha | Fragmento de la transcripción | |---|---|---|---|---| | | | <id do YouTube> | dd/mm/aaaa | "<6 a 30 palabras copiadas>" |
#!/usr/bin/env python3
"""uso: python3 confere.py base.md transcript.txt
¿Cada fragmento entre comillas de la base está en la transcripción? Sale 1 si alguno no está."""
import re, sys, unicodedata
def n(s): # minúsculas, sin acento, sin puntuación
s = unicodedata.normalize("NFD", s.lower()).encode("ascii", "ignore").decode()
return re.sub(r"\s+", " ", re.sub(r"[^a-z0-9%]+", " ", s)).strip()
base = open(sys.argv[1], encoding="utf-8").read()
tx = n(open(sys.argv[2], encoding="utf-8").read())
fora = 0
for trecho in re.findall(r'"([^"]{20,})"', base):
ok = n(trecho) in tx
fora += not ok
print("OK " if ok else "FORA", trecho[:70])
sys.exit(1 if fora else 0)OK el alquiler promedio aquí en la zona subió doce por ciento en un año FORA el valor promedio del alquiler en la zona aumentó 12% el último año
Una línea FORA: corrige copiándola de nuevo de la transcripción. El checar.py de los radares hace lo mismo con cada video citado.
La transcripción y la base pueden diferir en acentos, comas o mayúsculas sin que cambie el sentido. Normalizar ambos lados evita desaprobar sin motivo y sigue detectando palabras cambiadas o frases pegadas.
Cada línea de la base pasa por el verificador. Interrúmpelo a mitad y vuelve a ejecutarlo.
Simulación ilustrativa en el navegador. La línea que falla es intencional: su fragmento fue "mejorado" y ya no es literal.
Ejercicio 3 de la secuencia 4.
Transcribe un video de uno de tus 5 canales y arma la base.md con número, quién lo dijo, video, fecha y fragmento literal. Ejecuta el confere.py.
Listo cuando: cada línea tiene el fragmento literal entre comillas y el confere.py imprime solo OK.
Ejercicio completo: jornada-agentes/exercicios/04-redes.md.
La explicación aparece después de tu respuesta.
Pregunta 1 de 3
Cambiaste "doce por ciento" por "12%" en el fragmento de la base para que se viera más limpio. ¿Qué pasa en la verificación?competencia
Pregunta 2 de 3
¿Qué garantiza la verificación?
Pregunta 3 de 3
¿Qué fragmento sirve para la base?
Elige una opción. La explicación aparece después de tu intento.