Datos públicos de YouTube, listos para entrenar
Datasets de YouTube para equipos de IA
Recopilamos y entregamos datos públicos de YouTube sobre nuestra propia red de más de 72M de IPs residenciales en más de 195 países. Tú defines el alcance; nosotros entregamos datos limpios y estructurados en JSON, CSV o Parquet.
{
"video_id": "dQw4w9WgXcQ",
"title": "Never Gonna Give You Up",
"channel": "Rick Astley",
"views": 1620000000,
"likes": 18400000,
"duration_sec": 213,
"published_at": "2009-10-25T06:57:33Z",
"language": "en",
"tags": ["music", "80s", "pop"],
"comments_count": 2300000
}Qué contiene cada registro
Ocho campos estructurados por vídeo, siempre con sus nombres originales en inglés. Pide todos o solo los que necesita tu pipeline.
title
Título del vídeo tal como aparece publicado en la plataforma.
channel
Nombre del canal e información básica del canal que publica el vídeo.
views
Número total de reproducciones en el momento de la captura.
likes
Número de me gusta registrados en el momento de la captura.
duration_sec
Duración del vídeo expresada en segundos.
published_at
Fecha y hora de publicación en formato ISO.
tags
Etiquetas del vídeo junto con el idioma detectado, en el campo language.
comments_count
Número de comentarios. El texto completo de los comentarios está disponible como opción.
Tres formas de recibir tus datos
Descarga única, rastreo personalizado programado o API: elige según cómo tu pipeline recibe los datos.
Dataset listo
Cortamos el dataset según tus requisitos y lo empaquetamos en una entrega única. Descargas los archivos y empiezas a entrenar.
Recopilación a medida
Definimos el rastreo por palabras clave, canales, regiones o ventanas de tiempo, y lo mantenemos actualizado con la frecuencia que acordemos.
Acceso por API
Extrae datos bajo demanda y en tiempo real. Pensado para integrarse directamente en tu propio pipeline de datos.
Para qué lo usan los equipos
Corpus para LLM y modelos multimodales
Títulos, metadatos y comentarios como corpus de entrenamiento para LLM y modelos multimodales, entregados limpios y estructurados.
Evaluación de recomendación y búsqueda
Señales reales de interacción — reproducciones, me gusta, comentarios — para evaluar tus sistemas de recomendación y búsqueda con datos frescos.
Tendencias y análisis de opinión
Sigue temas, creadores y reacciones del público por región e idioma para detectar tendencias antes de que exploten.
Brand safety y moderación de contenido
Audita junto a qué contenido aparece tu marca y entrena clasificadores de moderación con ejemplos reales de la plataforma.
Cumplimiento y seguridad
Solo datos públicos, con un alcance de cumplimiento definido desde la recopilación hasta la entrega.
Preguntas frecuentes
Envíanos tus requisitos
Cuéntanos por Telegram qué datos necesitas — alcance, campos y frecuencia — y te respondemos con un plan y una cotización. ¿Prefieres recopilarlos por tu cuenta? Nuestros proxies residenciales son la alternativa.
