Extreure referències de llibres de vídeos de YouTube: l'estil Repàs de Referències i Dades Clau

Recordes que van esmentar un llibre boníssim. No recordes quin.

Als noranta minuts d’entrevista, un convidat explica que allò que li va canviar la manera de veure el problema va ser un llibre concret. Tu vas conduint, corrent o rentant els plats. No ho apuntes. Dues setmanes després només sobreviu la forma del record: algú va recomanar alguna cosa bona, en aquell episodi, més o menys pel mig.

És un problema de recuperació, no de comprensió. Ho vas entendre perfectament en aquell moment. El que vas perdre va ser l’única dada concreta i cercable —el títol, el cognom, la xifra exacta— que et permetria tornar-ho a trobar.

Podhoc estrena un estil de pòdcast pensat exactament per a això: el Repàs de Referències i Dades Clau. Aquest article explica què extreu, què no pot fer i com es fa servir.

Per què l’àudio llarg enterra les seves pròpies referències

S’hi ajunten tres coses, i cap no és que et falli la memòria.

Hi ha una quantitat enorme d’aquest material i es consumeix en situacions on escriure és impossible. YouTube va declarar més de 1.000 milions d’espectadors mensuals actius de contingut de pòdcast el febrer del 2025, i que es veien «més de 400 milions d’hores de pòdcast al mes en dispositius de sala d’estar». La sala d’estar, el cotxe, el gimnàs i la cuina són justament els llocs on no pots aturar-te a prendre una nota.

Els episodis són llargs i les referències no estan senyalitzades. El Spotify Podcast Dataset (Clifton et al., 2020) va aplegar «aproximadament 100.000 episodis de pòdcast» que sumen «més de 47.000 hores d’àudio transcrit»: una mitjana al voltant de la mitja hora per episodi sobre una mostra àmplia, i els programes d’entrevistes solen durar tres o quatre vegades més. Una conversa de dues hores pot anomenar una dotzena de llibres, diversos investigadors, unes quantes eines i un grapat d’estadístiques, sense anunciar-ne cap i sense recollir-les enlloc al final.

La parla no deixa res per cercar. Un article et dóna Ctrl+F i una bibliografia. L’àudio et dóna una barra de reproducció. I encara que hi hagi una transcripció automàtica, trobar-hi un nom exigeix saber ja com s’escriu aquest nom, que és precisament allò que intentes recuperar.

Què produeix l’estil Repàs de Referències i Dades Clau

L’estil fa una sola feina: recorre les teves fonts i recapitula els elements concrets que s’hi anomenen —els llibres i els seus autors, els estudis i articles, les eines i productes, les estadístiques i xifres, i la resta de dades clau— juntament amb el context de per què va sortir cadascun.

No és un resum, i és deliberat. Deep Dive et dóna la conversa. Explicació simplificada et dóna l’argument reduït a l’os. Crítica interroga el raonament. El Repàs de Referències i Dades Clau et dóna la bibliografia, aquella part que tots els altres formats deixen fora amb tota la raó.

Per defecte fa servir una única veu narradora, perquè una llista llegida en veu alta no hi guanya res amb una segona veu. Pots veure el catàleg complet a la pàgina d’estils d’àudio.

Què no pot fer, dit clarament

Dos límits. Tots dos importen més que qualsevol funció de la llista anterior.

Només pot fer emergir allò que és realment a la font. Si un convidat diu «hi ha un llibre boníssim sobre això d’un paio de Stanford» i no l’anomena mai, res no recupera el títol: l’estil extreu, no investiga. El mateix val per a les estadístiques a mitges: «una cosa així com un terç de la gent» continuarà sent «una cosa així com un terç de la gent». El resultat no és mai més precís del que va ser qui parlava.

Els noms propis parlats són la part més difícil de tota la cadena. Un vídeo de YouTube arriba a Podhoc en forma de transcripció, i la transcripció automàtica de noms és mesurablement pitjor que la de les paraules corrents. El banc de proves Earnings-21 (Del Rio et al., Interspeech 2021) es va construir justament per mesurar-ho sobre «parla densa en entitats» i va concloure que «la precisió del reconeixement automàtic de la parla en certes categories d’entitats anomenades és dolenta, cosa que suposa un impediment significatiu per a la comprensió i l’ús de la transcripció».

I no s’acaba a la transcripció. Un estudi d’ACL 2023, «Why Aren’t We NER Yet?» (Szymański et al.), va constatar que els models de reconeixement d’entitats «fallen espectacularment fins i tot quan el reconeixement de la parla no introdueix cap error de paraula». La parla espontània per si sola —arrencades en fals, absència de puntuació, absència de majúscules— ja n’hi ha prou per degradar l’extracció d’entitats abans que se senti malament una sola paraula.

Així que el marc honest és aquest: la sortida és una llista de pistes, no una llista de citacions. Un cognom poc habitual pot tornar mal escrit. Un títol en una altra llengua pot aparèixer traduït. Un estudi pot quedar datat l’any en què es va comentar i no el que es va publicar. Cadascuna d’aquestes coses s’arregla en cinc segons quan tens la pista, i és irrecuperable quan no tens res. Però verifica abans de citar i abans de comprar.

Com seleccionar l’estil

El recorregut és el mateix a l’aplicació web i a l’aplicació mòbil.

1. Comença un pòdcast nou i afegeix-hi les fonts: una adreça de YouTube, un PDF, un enllaç web, text enganxat o diverses alhora.
2. Obre la Configuració avançada.
3. A Estil de pòdcast, tria Repàs de Referències i Dades Clau.
4. Tria una durada. Els repassos es comprimeixen bé: una font de dues hores rarament necessita més que un episodi curt per enumerar allò que va anomenar.
5. Genera.

Requisit de pla, sense rodejos: aquest estil necessita Creator o Pro. El pla Free no el pot seleccionar; l’opció queda bloquejada en comptes de substituir-se per una altra, de manera que no descobriràs a posteriori que has rebut un format diferent. Els detalls són a la pàgina de preus.

Per a quines fonts serveix i per a quines no

Hi encaixa bé. Pòdcasts d’entrevistes i taules rodones, on les recomanacions arriben de passada. Xerrades de congrés i classes, on la diapositiva amb la bibliografia és quatre segons a la pantalla. Vídeos de club de lectura i ressenyes. Assajos llargs i desordenats que esmenten vint coses i no en referencien cap. Generacions amb diverses fonts, on apuntes a quatre episodis del mateix programa i n’obtens una llista consolidada.

Hi encaixa malament. Tot allò que ja porta la seva llista de referències. Un article de revista acaba amb la bibliografia, així que passar-hi aquest estil retorna sobretot allò que el PDF ja et donava; per a articles científics, articles de recerca a pòdcast és la via més útil. El contingut narratiu i d’actualitat també hi encaixa malament, senzillament perquè hi ha poc a extreure.

Un flux de treball que aguanta

Genera el repàs abans que l’episodi complet. Triga un parell de minuts i et diu si la font és prou densa per merèixer dues hores de la teva atenció: un filtre previ que, davant d’una font fluixa, val més que el repàs mateix.

I deixa que s’acumuli. Apunta l’estil a un lot d’episodis d’un programa que segueixes i acabes amb una llista de lectura permanent construïda amb allò que va recomanar gent en qui confies, i no amb allò que et va posar al davant un algorisme. Com que és àudio, aquesta llista sobreviu a un trajecte, i tornar-la a escoltar una setmana després és repetició espaiada pràcticament de franc.

Mantén un costum: quan una pista importi, comprova-la. L’estil et diu on mirar. No et diu que l’ortografia sigui correcta.

Lectures relacionades

• Crear un pòdcast des d’una transcripció de YouTube: com hi entren les fonts de YouTube.
• Convertir un vídeo de YouTube en pòdcast d’aprenentatge: el flux més ampli on encaixa aquest estil.
• Articles de recerca a pòdcast: la via millor quan la font ja porta bibliografia.
• Aprenentatge en àudio amb repetició espaiada: per què un repàs que reescoltes guanya a una nota que no reobres.
• Estils d’àudio: la comparativa completa de formats.