ТехнологииКейс 04

Мультиязычный видеоконвейер на базе ИИ

Задача

Производство длинных документальных роликов для сети YouTube-каналов на нескольких языках включало много повторяющихся шагов: исследование, сценарии, озвучку, видеоряд, монтаж, обложки, метаданные и загрузку по расписанию.

Одновременно шло больше десяти проектов, и все они работали через один аккаунт генеративного видео с фиксированными лимитами запросов. Ручная координация была медленной, а сбой на одном шаге мог остановить ролик на полпути или повторно запустить платную генерацию.

Моя роль

Я спроектировал производственный процесс, ставил задачи LLM-агентам и подрядчикам, проверял и принимал результаты и управлял параллельной работой по проектам.

Подход

Вместо отдельных инструментов собрал единый производственный конвейер и адаптировал его копии под каждый язык и канал.
Разбил производство на этапы: тема и план, сценарий, озвучка (text-to-speech), изображения и видеоклипы (генеративное видео), монтаж и рендер (ffmpeg), обложки, метаданные, загрузка и расписание.
Добавил контрольную точку между этапами:
- сценарии проверяются по правилам стиля и чек-листу приёмки;
- озвучка расшифровывается и сверяется с текстом сценария;
- сгенерированные клипы проходят автоматическую проверку на бракованные кадры;
- перед загрузкой проверяются ID канала и расписание.
Ввёл общую очередь слотов: проекты работают по очереди в пределах лимитов аккаунта, а не конкурируют.
Настроил сторожевые задачи: они запускаются по расписанию, находят остановившиеся процессы и перезапускают их.
Сделал конвейеры возобновляемыми: выполненные шаги фиксируются, поэтому перезапущенный процесс продолжает с места остановки и не заказывает платную генерацию повторно.

Схема: Производственный конвейер с автоматическими контрольными точками между этапами, общей очередью генерации и ручным редакторским утверждением. — Производственный конвейер с автоматическими контрольными точками между этапами, общей очередью генерации и ручным редакторским утверждением.

Примеры

Пример A — португалоязычные документальные каналы. Три канала работали на едином производственном конвейере вместо трёх отдельных систем, и каждый фильм проходил одни и те же проверки сценария, озвучки и клипов. На одном канале первые шесть роликов набрали около 102,000 просмотров за первые четыре дня (31 августа – 3 сентября 2026), у двух лучших было 41,000 и 40,000. Другой канал с 213 подписчиками за 28 дней охватил около 20,000 уникальных зрителей.

Пример B — испаноязычный канал о морской истории. Канал опубликовал 69 роликов, в том числе около 35 фильмов по 27–34 минуты, и примерно за три месяца набрал 285,149 просмотров (YouTube Studio, 7 октября 2026). За неделю (30 сентября – 6 октября) число подписчиков выросло с 734 до 1,030. Лучший фильм получил 868,000 показов при CTR 5.99%; у топовых фильмов CTR достигал 6.5–6.6% при медиане канала 3.6%. 62% показов пришлись на главную страницу YouTube, а 90% просмотров дали подписчики.

Результат

За три месяца (август–ноябрь 2026) конвейер обеспечил производство для сети из десятков каналов на нескольких языках. Сотни длинных роликов были произведены и загружены на YouTube; короткие клипы также ставились по расписанию в TikTok.

На каналах с доступной аналитикой ролики набрали сотни тысяч просмотров. Лучший фильм набрал 191,550 просмотров за 18 дней после выхода 19 сентября, а у сильнейших 30-минутных фильмов средний процент просмотра составил 43–44% (12–14 минут из 28–32).

Рутинные шаги автоматизированы. Вручную остались только редакторские решения: утверждение обложек, названий и части текстов.