Справка · технический разбор
Можно ли распарсить эти каналы и собрать базу вопросов?
Короткий ответ: автоматически выгрузить чистую базу «вопрос + ответ» со всех роликов не получится. Часть форматов поддаётся, но это не JSON с YouTube, а распознавание картинки или речи. Плюс вопросы - чужая авторская работа.
Что YouTube отдаёт сам
- Названия, длительность, число видео, превью - да, через Data API или RSS канала.
- Описания роликов - почти никогда не содержат список вопросов. Обычно это призыв подписаться и ссылка на Boosty.
- Субтитры - у проверенных поттер-квизов готовых дорожек не оказалось. Автогенерация тоже часто отсутствует: в кадре тикают часы и текст, а голоса нет.
Три формата - три способа
Вопросы на экране
ПроКино, Charm Quiz, MAGENTA QUIZ, тесты «на каждый день»
Слайды с текстом, таймер, потом ответ. Парсить нужно OCR кадров (ffmpeg + Tesseract/PaddleOCR). Качество среднее: стилизованные шрифты, тёмный фон, иногда вопрос закрыт картинкой. Shorts проще: 3 вопроса, мало кадров.
Своя игра, ведущий читает
Мозги Пони, oloo quiz, Страница 394, Drive, In kino veritas
Лучший кандидат на расшифровку. Whisper по дорожке даёт вопрос, сумму и ответ игрока. Шум, перебивания и опечатки ASR всё равно придётся править руками. Зато объём большой: только у Мозги Пони 17 отдельных игр.
Запись живого квиза
Псевдо, Mash-Up, МыслиБой, барные игры вроде «Смузи»
Ведущий, команды, музыка, вырезанный звук из-за претензий YouTube. Для базы вопросов почти бесполезно без ручной расшифровки.
Права и смысл
Даже если OCR отработает идеально, пак вопросов - это контент автора канала. Выкладывать чужой квиз как свою базу нельзя. Вселенная Поттера ещё и под торговыми марками. Нормальные варианты: писать свои формулировки, просить у автора пакет для домашней игры, использовать текстовые посты, если автор явно разрешает копирование.
Для базы выгоднее Telegram, чем YouTube. Там вопросы уже текстом: @amortentia_harry, @sevgarri, @playcatquiz, @mozgipony.
Практичный пайплайн
- Каталог каналов и URL - уже здесь, обновлять раз в квартал.
- Свою витрину наполнять оригинальными формулировками (это уже тренажёр и база). Чужие паки с YouTube и Telegram в репозиторий не копируем.
- OCR онскрин-квизов и Whisper «Своей игры» оставляем как личный черновик, не как публичную базу: пак принадлежит автору ролика.
- Дедупликация своих карточек: одни и те же факты («150 очков за снитч») не плодим второй раз.
- Англоязычные викторины - только карта пробелов в темах. Ответы пишем заново, имена как в РОСМЭН.
Разовые записи, не каналы
- Павел Левковец / квиз «Смузи». Полная запись барного квиза «Гарри Поттер: фильмы» (Москва). Это офлайн-игра, не регулярный канал.
- KinoSecret, ТВИЧ ШОУ, Стримерская Манурина. Разовые свои игры со стримерами. Много болтовни, мало пользы для чистой базы вопросов.
- The Pensieve (@thepensive_hp). Много квизов по Поттеру, но канал не русскоязычный (EN/ES). В выборку RU не включали.
Как считали: YouTube InnerTube search + yt-dlp flat playlist of /videos and /shorts. Counts from channel about page include shorts. Long-form HP count is title match on гарри/поттер/harry potter/хогвартс.