¿El caption es el hook de un reel?

Normalmente no. En video corto el caption suele estar haciendo el CTA — 'comentá PALABRA y te mando el template'. El hook real son los primeros segundos de lo que se dice en pantalla. Si solo leés captions, estás estudiando el llamado a la acción y te perdés lo que de verdad corta el scroll.

¿Cómo saco el hook hablado de un reel?

Bajás los top reels, los transcribís con un modelo de speech-to-text local como faster-whisper, y pasás la transcripción a un LLM que extraiga el hook (primeros ~3 seg hablados), hook tags, CTA, CTA keyword, CTA placement y los devices de retención. Todo cae en el mismo schema del vault que la extracción basada en captions.

¿Por qué transcribir local con faster-whisper en vez de una API?

Correr faster-whisper local (en GPU cuando tenés) es gratis, privado y rápido para trabajos en batch — transcribís tus top reels en un pase de fondo sin pagar por minuto de audio ni mandar el video fuera de tu máquina. Combinalo con un modelo barato como Haiku para el paso de extracción.

El Hook Real (Transcripción)

Hay una trampa en el extractor de la lección anterior, y conviene agarrarla antes de confiar en tu vault.

El extractor lee captions. Pero en video corto, el caption casi nunca es el hook. Mirá cualquier reel que la pegó: el caption normalmente está haciendo el CTA — "comentá TEMPLATE y te mando todo", "seguime para la parte 2". Lo que de verdad cortó el scroll pasó en los primeros tres segundos de audio, en pantalla, hablado.

Tip:

El caption no es el hook. En los reels, el caption normalmente está haciendo el CTA ("comentá PALABRA y te mando…"). El hook real es el opener hablado — los primeros ~3 segundos de lo que se dice en pantalla. Estudiás captions y aprendés el pedido; estudiás el audio y aprendés qué se gana la atención.

Así que el vault basado en captions es la mitad de la foto. Para tener la otra mitad, tenés que escuchar los reels.

Bajar, transcribir, extraer

Este es el upgrade. Para los top reels por viralidad, bajalos, transcribí el audio local, y dejá que un LLM saque el hook y los devices de retención de la transcripción.

Para los top 10 reels por viralidad: bajá el reel (yt-dlp / media-info video url), transcribilo con
faster-whisper (local), y pasá la transcripción a un LLM que extraiga: hook (primeros ~3 seg
hablados), hook_tags, cta, cta_keyword, cta_placement, y los "devices" de retención (body_beats,
micro_loops). Guardá todo en el mismo schema del vault.

Dos cosas hacen que esto funcione:

faster-whisper corre local. La transcripción es gratis y privada, y es lo bastante rápida para correr como batch sobre tus top reels sin tocar un medidor de API.
Todo cae en el mismo schema del vault. El hook hablado, sus hook_tags, el cta, cta_keyword, cta_placement y los devices de retención (body_beats, micro_loops) se escriben al lado de las entradas basadas en captions — así el vault sigue siendo un archivo rankeado, no dos desconectados.

Ese campo cta_placement es importante en silencio: te dice dónde cae el pedido — opener, mid o end — que es un patrón que vale la pena copiar por sí solo.

Cómo lo hago yo

Corro faster-whisper large-v3 en una GPU local para la transcripción, y después le paso cada transcripción a Haiku para la extracción — un modelo chico y barato alcanza de sobra para sacar campos estructurados de texto. Corre como batch, fuera del hilo principal: no me siento a esperar. El tracker encuentra los outliers, el trabajo de transcripción mastica los top en el fondo, y el vault se llena de hooks hablados reales para cuando lo miro.

faster-whisper large-v3 · GPUExtracción con HaikuCorre como batch

Ahora tu vault tiene las dos capas: el CTA del caption (qué pidieron) y el hook hablado (qué de verdad enganchó). Ese es un swipe file en el que se puede confiar.

Knowledge check

En un reel que la pegó, ¿qué está haciendo normalmente el caption?

Lo que te llevás

El caption está haciendo el CTA; el hook real es hablado. Bajá los top reels, transcribilos con faster-whisper (local, amigable con GPU), y dejá que un modelo barato como Haiku extraiga el hook, hook tags, CTA, keyword, placement y devices de retención al mismo schema del vault — corriendo como batch de fondo.