ИИ собирает книгу из видео‑транскриптов: новый способ работы с информацией
Исследователь создал конвейер, который из 206 длинных видео (160 ч) и 2,15 млн слов формирует ответы‑книгу, автоматически выделяя сущности, удаляя дубли и проверяя утверждения.
В статье на Habr AI описан эксперимент по радикальному упрощению доступа к знаниям: вместо поиска отдельных книг или статей автор построил конвейер, который «собирает» книгу под конкретный вопрос из огромного корпуса видеоматериалов.\n\nИсходный набор – 206 длинных видео (в сумме 160 ч 56 мин) с общим объёмом транскриптов 2,15 млн слов. Вместо сотен традиционных резюме система проходит несколько этапов:\n\n1. Выделение сущностей – LLM‑модель (например, Claude/ChatGPT) извлекает ключевые понятия и факты.\n2. Схлопывание дублей – векторный поиск объединяет повторяющиеся фрагменты, что уменьшает объём данных в 9 раз.\n3. Отслеживание происхождения – каждый вывод снабжается метаданными: URL, тайм‑коды, оригинальный контекст.\n4. Проверка утверждений – встроенный факт‑чекер сверяет важные заявления с внешними источниками.\n5. Оптимальное завершение – алгоритм определяет, когда оставшиеся источники уже не добавляют новой информации, и прекращает чтение.\n\nВ результате получилась «книга‑ответ», где каждый раздел снабжён ссылками на оригинальные видеоматериалы и пояснениями, почему другие источники стали избыточными. Автор подчёркивает, что такой подход позволяет сократить время исследования с часов до минут, а также повышает прозрачность и проверяемость полученных знаний. Полный текст статьи и репозиторий кода доступны по ссылке: https://habr.com/ru/companies/ods/articles/1070832/.
Для разработчиков AI‑инструментов это демонстрирует, как можно сочетать LLM‑модели, векторный поиск и автоматический факт‑чекинг в едином пайплайне. Студенты и исследователи получат возможность быстро собирать «книги‑ответы» из огромных наборов данных, но им придётся следить за качеством исходных транскриптов и корректностью метаданных.
