Fragen an ein Video stellen. Antworten mit Zeitstempel bekommen.Ask a video a question. Get the answer with a timestamp.
37 / 37 Antworten im echten Testlauf als voll durch die Untertitel gedeckt, Bewertung durch einen LLM-Richter (gpt-4o-mini)answers in the live run judged fully supported by the captions, rated by an LLM judge (gpt-4o-mini)
- Antwortzeit im Mittel
- Mean answer time
- 2,7 s
- Kosten aller 37 Antworten
- Cost of all 37 answers
- 0,065 US-Dollar
- Videos
- Videos
- 4, Deutsch und Englisch
YouTube-Link einfügen, Frage tippen oder sprechen. Whisper schreibt das Video mit, ChromaDB findet die passenden Stellen, ein LangChain-Agent antwortet in der Sprache der Frage und verlinkt die Stelle im Video. Jede Einstellung ist mit einer eigenen Messreihe begründet.
Paste a YouTube link, type or speak a question. Whisper transcribes the video, ChromaDB finds the matching passages, a LangChain agent answers in the language of the question and links the moment in the video. Every setting is backed by a benchmark of its own.
37 Fragen an 4 Videos, jede Antwort nachlesbar37 questions to 4 videos, every answer on record
Der Testlauf vom Oktober 2026 treibt das ausgelieferte Notebook von vorne bis hinten: Abschrift mit Whisper, Zerlegen, Einbetten, Agent mit Gedächtnis. Je Video stellt das Notebook acht Fragen aus den YouTube-Untertiteln. Dazu kommen Fragen auf Deutsch an englische Videos, eine englische Frage an ein deutsches Video und eine Frage, deren Antwort im Video gar nicht vorkommt. Ein zweiter Aufruf des Sprachmodells prüft jede Antwort gegen die Untertitel.
The October 2026 run drives the shipped notebook end to end: Whisper transcription, chunking, embedding, agent with memory. For each video the notebook generates eight questions from the YouTube captions; on top come German questions to English videos, an English question to a German video, and one question whose answer is not in the video at all. A second language-model call checks every answer against the captions.
Testlauf wird geladen.Loading the live run.
Vom Link zur belegten AntwortFrom link to sourced answer
- Ton holenFetch audioyt-dlp lädt die Tonspur mit 64 Kilobit je Sekunde. Darunter bricht die Erkennung ein (Messreihe 2).yt-dlp fetches the audio at 64 kilobits per second. Below that, recognition collapses (benchmark 2).
- MitschreibenTranscribeWhisper über die Programmierschnittstelle von OpenAI oder auf dem eigenen Rechner, mit Zeitstempel je Satz.Whisper through the OpenAI API or on your own machine, with a timestamp per segment.
- ZerlegenChunkDie Stückgröße hängt von der Videolänge ab, ermittelt aus 294 gemessenen Varianten.Chunk size depends on video length, chosen from 294 measured variants.
- AblegenStoretext-embedding-3-small macht aus jedem Stück eine Zahlenreihe für die Suche nach Bedeutung; ChromaDB speichert sie mit Video und Zeitspanne.text-embedding-3-small turns every chunk into a vector for search by meaning; ChromaDB stores it with video and time span.
- AntwortenAnswerEin LangGraph-Agent mit sieben Werkzeugen und Gedächtnis antwortet in der Sprache der Frage.A LangGraph agent with seven tools and memory answers in the language of the question.
Den ganzen Ablauf als Organigramm ansehenSee the whole flow as an organigram Die sieben Messreihen ansehenSee the seven benchmarks
Was die Zahlen nicht zeigenWhat the figures do not show
- Der Prüfer ist kein Mensch. gpt-4o-mini vergleicht jede Antwort mit den Untertiteln, dasselbe Modell, das auch antwortet. Volle Punktzahl heißt: durch die Untertitel gedeckt, nicht: von Hand nachgeprüft. Die Antworten stehen deshalb vollständig oben.
- The judge is not a person. gpt-4o-mini compares every answer with the captions, the same model that answers. Full marks mean covered by the captions, not checked by hand. That is why every answer is printed in full above.
- Die Fragen sind erzeugt. Acht je Video stammen vom Notebook selbst aus den ersten Minuten der Untertitel. Die Zusatzfragen sind von Hand gestellt, darunter eine ohne Antwort im Video.
- The questions are generated. Eight per video come from the notebook itself, drawn from the first minutes of the captions. The extra questions were written by hand, one of them without an answer in the video.
- YouTube sperrt Cloud-Server. Für das deutsche Video wurde die Tonspur vorab mit yt-dlp über einen Heimanschluss geholt; genau diesen Ausweg nennt das Notebook in seiner Fehlermeldung. Die drei englischen Tonspuren liegen im Repository.
- YouTube blocks cloud servers. For the German video the audio was fetched beforehand with yt-dlp over a home connection, the workaround the notebook names in its own error message. The three English audio files ship with the repository.
- Fehlerquote nur beim deutschen Video belastbar. Dort wurden die automatischen Untertitel frisch abgerufen. Für die englischen Videos liegen Untertitel im Zwischenspeicher, die fast wortgleich mit Whisper sind; ihre Fehlerquote ist kein unabhängiger Vergleich.
- Word error rate is only robust for the German video. Its automatic captions were fetched fresh. The English videos use cached captions that are almost identical to Whisper; their error rate is not an independent comparison.
So arbeitet der AnalyzerHow the analyzer works
Zehn Stationen in drei Bahnen: oben die Automatik im Hintergrund, in der Mitte die Aufnahme eines Videos, unten die Beantwortung einer Frage. Die Lichtpunkte zeigen, wohin die Daten fließen. Eine Station antippen, um zu sehen, was dort passiert und welche Fähigkeiten dort angewandt sind.
Ten stations in three lanes: automation in the background on top, taking in a video in the middle, answering a question at the bottom. The moving lights show where the data flows. Tap a station to see what happens there and which skills are applied.
Gemessen, nicht geratenMeasured, not guessed
Ein echter Testlauf vom Oktober 2026 und sieben Messreihen aus dem Abschlussprojekt (April 2026): drei Videos von 5, 17 und 42 Minuten, sechs Whisper-Varianten, fünf Bitraten, drei Einbettungsmodelle, fünf Sprachmodelle, 294 Zerlegungen und 90 Kombinationen. Gold markiert die Einstellung, mit der der Analyzer heute läuft. Unter jeder Grafik stehen die Quelldatei und die Werte als Tabelle.
One live run from October 2026 and seven benchmarks from the final project (April 2026): three videos of 5, 17 and 42 minutes, six Whisper variants, five bitrates, three embedding models, five language models, 294 chunkings and 90 combinations. Gold marks the setting the analyzer runs with today. Under every chart are the source file and the values as a table.
Messwerte werden geladen.Loading the measurements.