Поиск внутри сохранёнок: полный гайд на 2026

Полгода назад ты смотрел отличное YouTube-интервью. Кто-то сказал что-то цепляющее — конкретную фразу про pricing strategy или конкретное исследование на которое сослались. Сейчас оно тебе нужно. Открываешь «Посмотреть позже» и скроллишь. Мимо 200 видео. Мимо десятков кулинарных клипов которые сохранил случайно. Видео где-то есть, но какое именно — непонятно.

Этот failure mode у всех видео-букмаркеров с момента когда YouTube запустил favourites в 2005. Закладки сохраняют URL. Они не сохраняют что было сказано. Поиск по ним — это поиск по названиям, которые SEO-оптимизированные маркетинговые слоганы, а не описание того о чём видео реально.

В 2026 можно лучше. Технология поиска внутри произнесённого контента каждого сохранённого видео — через YouTube, Instagram Reels и TikTok, на любом языке — стала commodity. Этот гайд проходит по тому как это работает, по четырём реальным инструментам которые это делают, и как настроить workflow от начала до конца.

Почему сегодня нельзя искать внутри сохранёнок

Три фактора играют против тебя.

Названия — не контент. 90-минутный подкаст «Как мы построили бизнес с $40M ARR» мог быть сохранён потому что третий вопрос ведущего — на 38-й минуте — это единственное что тебе было нужно. Название этого не знает. И ни один тег который ты реалистично поставил бы при сохранении.

Память о том где ты это видел распадается быстро. Это хорошо задокументированный разрыв между recognition и recall (NN/g про recognition vs recall): ты узнаешь цитату когда снова её увидишь, но не вспомнишь на какой платформе она лежала. Через пару недель то «YouTube-интервью» окажется Reels, и твой ритуал «поиск по платформам по очереди» тихо провалится.

Транскрипты существуют, но разбросаны. Подавляющее большинство YouTube-загрузок на основных языках имеют субтитры — нативные или auto-generated. Instagram и TikTok генерируют их на лету при просмотре. Транскрипты публичные. Но каждая платформа заставляет искать в них по одному видео за раз, после того как ты уже открыл видео — ровно тогда когда ты не знаешь которое видео открыть.

Что «поиск внутри сохранёнок» реально означает в 2026

Сейчас mainstream — две различные техники, и большинство современных инструментов их комбинирует:

Full-text search (FTS). Классический подход: индексируешь каждое слово транскрипта, потом матчишь запрос пользователя как литеральную подстроку или токен. Быстро, детерминированно, легко объяснить. Падает когда пользователь помнит идею но использует другие слова. Если ищешь «какая стоимость привлечения клиентов» а спикер сказал «сколько мы платим чтобы привести нового клиента», FTS не найдёт.

Семантический поиск через vector embeddings. Каждый чанк транскрипта конвертируется в 768- или 1536-мерный вектор моделью типа OpenAI text-embedding-3-small. Твой запрос конвертируется в такой же вектор. Система возвращает чанки чьи векторы ближе всего по cosine distance. Это работает через разные формулировки, через разные языки, и даже когда спикер использовал жаргон который ты никогда не слышал.

State of the art в мае 2026 — гибридный поиск с reciprocal rank fusion (RRF): запускаешь FTS и семантический параллельно, потом мерджишь ранжирования. Инструменты которые отгружают гибридный retrieval стабильно бьют single-method в head-to-head оценках (Microsoft Research, 2024) потому что два метода ловят разные failure modes — FTS точно вытаскивает exact-phrase recall, семантика ловит перефразированный intent.

Четыре инструмента которые это делают в 2026

«Сохрани видео»-приложений тысячи. Тех что реально ищут по содержимому транскриптов — небольшой набор. Вот честное сравнение.

Каждый оптимизирует под своё.

SavedThat — bookmark-first, search-native

Заточен под: момент когда ты сохраняешь видео. Вставляешь URL YouTube/Instagram/TikTok, система забирает транскрипт, чанкует его на ~18-секундные окна с 5-секундным overlap, считает эмбеддинг каждого чанка, индексирует и векторы и full-text. Поиск по библиотеке возвращает точный момент с deep link на тот таймкод в оригинальной платформе.

Сильные стороны: единственный из четырёх кто обрабатывает все три short-video платформы. Кросс-пользовательская дедупликация означает что если ты сохраняешь видео которое уже кто-то сохранил, твоя библиотека обновляется мгновенно без дополнительной стоимости. Гибридный retrieval — default, а не upgrade.

Trade-off: ты платишь за транскрипцию-кредиты на Instagram и TikTok (YouTube транскрипты бесплатно). Free даёт 30 сохранений в месяц — этого хватит чтобы оценить, но тесно если сохраняешь много.

Glasp — для YouTube-хайлайт-публики

Заточен под: активного читателя который смотрит с интентом. Glasp позволяет хайлайтить конкретные предложения в YouTube-транскриптах пока смотришь, потом искать только по этим хайлайтам. Был доминирующим инструментом для highlights-workflow с запуска в 2021.

Сильные стороны: бесплатно, работает без аккаунта для разовых экспортов, интегрируется с Readwise.

Trade-off: только YouTube — нет Instagram, нет TikTok. Поиск — keyword по хайлайтам, не по полному транскрипту, так что нехайлайченные моменты невидимы. Нужно активно хайлайтить; пассивные сохранения не получают search-бенефита.

Mem — семантический, но сохраняешь вручную

Заточен под: AI-first note-taker'а. Mem проглатывает всё что ты в него вставляешь — включая YouTube-транскрипты — и запускает семантический поиск по всему через OpenAI embeddings.

Сильные стороны: широчайший охват контента. Если твои видео-закладки сосуществуют с заметками, статьями и Slack-сообщениями в одной searchable-поверхности — Mem самый чистый ответ.

Trade-off: нет интеграций с платформами. Транскрипт вставляешь сам, вручную. Для продвинутых юзеров которые реально сохраняют 50+ видео в месяц — это трение которое математика не переживает.

DIY — Whisper + pgvector

Заточен под: разработчика который хочет то же самое без SaaS-подписки. Запусти Whisper локально для транскрипции, складывай чанки в pgvector на Postgres-инстансе который ты контролируешь, выставь search endpoint. Total bill of materials: Mac mini, Docker и ~10 часов plumbing'а.

Сильные стороны: полный контроль, никакой recurring-расход, бесконечные сохранения.

Trade-off: бесконечные сохранения для тебя одного — расшарить или зайти с мобилки означает ещё plumbing. Whisper отлично работает на английском, но заметно хуже на русском/хинди/арабском по сравнению с коммерческими API которые fine-tune'или под эти языки. И каждая новая платформа (Instagram добавил редизайн Reels API в марте 2026; TikTok ротировал формат watermark два раза за прошлый год) — это maintenance-тикет.

Step-by-step: настраиваем transcript search на SavedThat

Восемь минут от регистрации до первого найденного момента.

1. Регистрируешься и пропускаешь empty state

Открываешь savedthat.app и регистрируешься через email или Google. Onboarding-оверлей показывает поле для вставки — кидаешь первый URL, или жмёшь Try with a demo video чтобы загрузить заготовленный 3-минутный клип. Карта не нужна, free-тариф безлимитен по времени (просто капается на 30 сохранениях в месяц).

2. Вставляешь URL видео

Поле принимает любой из этих форматов:

• https://www.youtube.com/watch?v=...
• https://youtu.be/... (короткая ссылка)
• https://www.youtube.com/shorts/...
• https://www.instagram.com/reel/...
• https://www.tiktok.com/@user/video/...

Жмёшь Save. Видео попадает в библиотеку за ~10 секунд для YouTube (fetch транскрипта быстрый), 30–60 секунд для Instagram и TikTok (транскрипция аудио медленнее). Если кто-то уже сохранил тот же URL — твой появляется мгновенно — мы шарим индексированный транскрипт между пользователями.

3. Ищешь по тому что было сказано

Когда у тебя есть хотя бы одно видео, ask-поле наверху библиотеки принимает свободные запросы. Попробуй один из этих чтобы увидеть разницу между keyword и semantic:

• Прямая фраза: "customer acquisition cost" — находит точное упоминание.
• Перефразированный intent: "сколько стоит привести нового клиента" — семантика ловит ту же идею даже если ни одно слово запроса не встречается в транскрипте.
• Кросс-язычный: английский запрос против русского транскрипта или наоборот — мультиязычная text-embedding-3-small мапит языки в одно векторное пространство, английский транскрипт всё равно матчится.

Каждый результат показывает точную цитату, таймкод и deep link который открывает оригинал на нужной платформе на нужной секунде.

4. Share-ссылки чтобы вернуться позже

Если нашёл момент стоящий сохранения или отправки кому-то — жми Share на результате. SavedThat выдаёт короткий URL типа savedthat.app/s/abc123 который открывает оригинал на таймкоде напрямую — получателю аккаунт не нужен.

Краевые случаи

Видео без транскрипта. YouTube имеет субтитры на подавляющем большинстве загрузок. Instagram/TikTok генерируют из аудио. Когда не работает ни тот ни тот (редко, в основном для музыкальных клипов и тихих монтажей) — сохранение всё равно появляется в библиотеке с названием и превью — просто не searchable пока транскрипт не появится. На free-тарифе такие saves не считаются в квоту.

Мультиязычные видео. Гибридный поиск multilingual на уровне векторов потому что OpenAI-эмбеддинг тренировался на 100+ языках. Full-text-составляющая делает детекцию языка per chunk и использует Postgres tsvector с правильным language config. Запрос на русском против английского транскрипта всё равно хитает семантические матчи; FTS-бонус срабатывает только когда язык запроса совпадает с языком чанка.

Длинные видео. 4-часовой подкаст становится 800+ чанками. SavedThat капает максимальную длину видео на 1ч на free, 2ч на Pro, 3ч на Power — дальше мы бы платили за транскрипцию расходы которые не масштабируются на consumer-pricing. Performance гибридного поиска остаётся под 200мс даже на библиотеках с 50K+ чанков — мы используем HNSW индексацию на halfvec(768) эмбеддингах.

Приватность. Транскрипты и список твоих сохранений живут в твоей приватной библиотеке по умолчанию. Ничего не шарится пока ты явно не сделаешь share link.

Честный вердикт: какой transcript-search инструмент выбрать

Если ты сохраняешь больше пяти видео в месяц и хотя бы раз в квартал ловишь себя на «я знаю я это где-то видел» — SavedThat собран под тебя, и это единственный из четырёх с first-class поддержкой Instagram и TikTok. Если ты YouTube-only highlights-человек который любит аннотировать — Glasp отличный и бесплатный. Если ты Mem power-user который уже там живёт — вставляй транскрипты и оставайся. Если разраб которому plumbing в радость — DIY-стек честная работа.

Что бы ни выбрал, эра «я это где-то сохранил» заканчивается. Ищи внутри видео, а не вокруг.

Keep reading

guides

Best AI video bookmark manager in 2026: 4 tools compared

The best AI video bookmark manager in 2026 depends on what you save. Honest comparison of SavedThat, Mymind, Raindrop, and Glasp — pricing, search, platforms.

guides

Make saved YouTube videos searchable (2026 guide)

Make saved YouTube videos searchable in 2026 — three concrete methods, from a 5-min browser trick to a full transcript search tool. Side-by-side comparison.

Frequently asked questions (2026)

А YouTube сам позволяет искать внутри сохранённых видео?+

Нативный поиск YouTube матчит только названия, описания и теги из Watch Later или сохранённых плейлистов — не произнесённый контент. Встроенной фичи «искать по транскриптам всех моих сохранённых видео» не существует. Сторонние инструменты типа SavedThat существуют потому что product roadmap YouTube не приоритизировал это как минимум с 2020.

Можно так же искать по Instagram Reels и TikTok-закладкам?+

Да, но нужен инструмент который забирает аудио-транскрипт для этих платформ — ни Instagram ни TikTok не экспонируют transcript API так как YouTube. SavedThat использует Supadata для авто-транскрипции Reels и TikTok-ов в момент сохранения. Glasp и Mem поддерживают только YouTube; нативный поиск по Instagram/TikTok-сохранёнкам без стороннего инструмента недоступен.

Насколько точная авто-транскрипция?+

Для английского в стандартных условиях записи современные автосубтитры дают примерно 95% word accuracy. Для русского, испанского, португальского и других языков с сильным language-model-покрытием — типично 90–94%. Сильные акценты, музыкальный фон и наложенные голоса всё ещё бьют точность. Поиск остаётся полезным заметно ниже идеальной транскрипции — семантические эмбеддинги изящно обрабатывают near-miss'ы.

В чём разница между full-text и semantic search?+

Full-text матчит литеральные слова запроса против слов транскрипта. Семантический конвертирует и запрос и транскрипты в числовые векторы которые представляют смысл, потом возвращает ближайшие матчи по cosine distance. Семантика находит «сколько стоит привлечь клиентов» когда транскрипт говорит «CAC» или «customer acquisition cost»; full-text промажет. Лучшие инструменты комбинируют оба.

Сохранённые видео будут работать если оригинал удалят с YouTube?+

Транскрипт и закладка остаются у тебя в библиотеке, но deep link'и указывают на оригинальную платформу — если YouTube удалит видео, ссылка ломается. SavedThat хранит текст транскрипта неограниченно так что поиск и цитаты продолжают работать, но мы не можем переиграть аудио или видео. Для долгосрочного архивирования самой медиа нужно отдельное решение.

Это дорого на масштабе?+

На consumer-тарифах — нет. Основная часть стоимости это разовая транскрипция при сохранении (бесплатно для YouTube, платно per-Reel для Instagram/TikTok). Эмбеддинги — копейки за 1000 чанков через OpenAI text-embedding-3-small. Хранение 768-мерных halfvec'ов в Postgres — порядка 1.5КБ на чанк. Личная библиотека на 50 000 чанков комфортно помещается в $25/мес Postgres-инстансе — а на hosted-инструменте типа SavedThat unit economics уже зашита в $6.99 Pro-тариф.