Как одна статья превращается в четыре видео: HyperFrames, Shotcraft и OmniVoice

Мы строим видеофабрику pimenov.ai — систему, которая принимает ссылку на материал и выпускает несколько авторских роликов в разных форматах. Чтобы проверить её не на демонстрации, а на реальной статье, мы взяли материал «ИИ-контент на потоке: почему проблема не в генерации, а в контроле» и получили четыре тридцатисекундных видео: две независимые режиссуры — HyperFrames и Shotcraft — каждая в форматах 9:16 и 16:9.

Это не генератор, который перекрашивает один шаблон. HyperFrames и Shotcraft по-разному читают исходный материал, а общий производственный контур удерживает сценарий, мой голос, длительность, субтитры, технические проверки и правила первого кадра.

Что такое эта видеофабрика

Обычная схема производства ролика почти всегда распадается на набор ручных действий. Сначала нужно перечитать материал, придумать короткий сценарий, записать голос, собрать сцены, синхронизировать субтитры, подобрать музыку, сделать вертикальную версию, затем почти заново собрать горизонтальную, проверить первый кадр и куда-то загрузить результат.

Мы решили описать это как один управляемый производственный процесс:

1. На вход приходит ссылка на статью, страницу Notion или другой документ.
2. Из материала извлекаются главная мысль, доказательства и редакторская позиция.
3. Собирается короткий сценарий с монтажными точками.
4. OmniVoice генерирует озвучку моим голосом.
5. Один и тот же смысловой пакет получают два независимых креативных контура.
6. Каждый собирает собственные версии 9:16 и 16:9.
7. Готовые MP4 проходят локальную техническую и визуальную проверку.
8. Только после моего решения выбранные версии получают стабильные ссылки в Kinescope.

На выходе не «проект, который можно когда-нибудь дорендерить», а конкретные файлы с понятными именами, форматом, версией, обложкой и результатами проверки.

Три инструмента, три разные роли

HyperFrames: авторское видео как управляемый проект

HyperFrames — основной production-инструмент для авторских narrative-видео pimenov.ai. В нём сцены, типографика, анимация, звук, субтитры и длительности живут не как случайный набор действий на таймлайне, а как структура проекта.

Это особенно важно при работе с Codex и другими агентами. Замечание «сделай быстрее» можно превратить в изменение конкретной сцены и её длительности. Фразу «текст режется» — в проверяемую правку композиции. Просьбу «нужна отдельная горизонтальная версия» — в самостоятельный проект 16:9 с тем же сценарием и голосом, но с другой расстановкой элементов.

HyperFrames хорошо держит целостную драматургию: тезис за тезисом, крупная типографика, работа с реальными материалами сайта, кинетические субтитры, музыка и визуальные акценты ровно там, где они помогают смыслу.

Shotcraft: второй режиссёр, а не другая тема оформления

Shotcraft — независимый креативный контур, который использует Remotion как render engine и добавляет собственные визуальные приёмы, логику кадров и «рецепты камеры».

Его задача не в том, чтобы повторить HyperFrames в другой палитре. Наоборот: Shotcraft получает тот же материал, сценарную основу, голос и технические ограничения, но имеет право собрать другое прочтение. Оно может быть более графичным, резким, коллажным или кинематографичным.

Поэтому мы не встраиваем Shotcraft внутрь HyperFrames и не переносим HyperFrames-проекты на Remotion. У фабрики общий вход и общий выход, но внутри работают два самостоятельных режиссёра.

OmniVoice: мой голос на Mac mini

Озвучку мы делаем через OmniVoice, установленный на Mac mini. Сценарий уходит на машину с voice-моделью, там генерируются аудиофайлы моим голосом, а затем готовая речь возвращается в видеопроект вместе с фактическими таймингами.

Дальше уже под эту речь выстраиваются сцены, кинетические субтитры, музыкальные акценты и переходы.

Технически OmniVoice не обязателен. Можно использовать системный голос Apple, облачный TTS или другой движок. Видео соберётся. Но с нейтральным голосом это будет демонстрация технологии, а с моим — мой материал. Для авторского видео эта разница важнее многих визуальных эффектов.

Ролик о самой видеофабрике

После того как производственный контур заработал на разных материалах, мы сделали следующий логичный шаг: пропустили через него уже саму статью, которую вы сейчас читаете.

Ниже — версия Creative Mode 16:9. Это тридцатисекундный ролик о том, как одна статья, один сценарий и один голос превращаются в несколько самостоятельных видео. Он произведён той же фабрикой, устройство которой объясняет.

На каком материале мы это проверили

Для показанного ниже прохода мы использовали статью «ИИ-контент на потоке: почему проблема не в генерации, а в контроле».

У неё ясная центральная мысль: ИИ уже умеет производить контент быстрее, чем человек успевает его осмыслять. Поэтому узкое место теперь не генерация, а контроль — источники, критерии приёмки, журнал решений и живой человек, который отвечает за результат.

Для обоих renderer мы сохранили одну основу:

• продолжительность — тридцать секунд;
• голос — мой, через OmniVoice;
• визуальный мир — светлый pimenov.ai;
• первый кадр — самостоятельная содержательная обложка;
• субтитры — читаемые на мобильном экране;
• форматы — обязательные 9:16 и 16:9;
• финальное решение — только после просмотра и прослушивания готового MP4.

А дальше позволили двум режиссёрам разойтись.

Версия HyperFrames

HyperFrames собрал редакционный narrative-ролик: тезисы появляются последовательно, крупная типографика держит внимание, музыка остаётся под голосом, а визуальные движения поддерживают смысл статьи.

Вертикальная версия 9:16

Горизонтальная версия 16:9

Это основной контур для авторских narrative-видео pimenov.ai: управляемая история, которую можно разбирать по сценам, править словами и стабильно собирать в нескольких форматах.

Версия Shotcraft

Shotcraft получил тот же исходный материал, но собрал более свободную авторскую версию — с другой энергией, композицией, логикой кадров и эффектов.

Вертикальная версия 9:16

Горизонтальная версия 16:9

Именно в сравнении видно, зачем фабрике нужны два renderer. Если заставить их совпасть, исчезнет смысл эксперимента. Ценность в том, что источник, голос и требования общие, а творческое решение разное.

Как один ролик превратился в производственный процесс

Видеофабрика не появилась как заранее спроектированный продукт. Сначала мы просто хотели сделать красивый ролик о том, как устроена моя инфраструктура.

Мы взяли архитектуру из README, схему из документации, визуальный язык pimenov.ai и собрали минутное вертикальное видео в HyperFrames. Потом посмотрели его не как разработчики, а как зрители.

И начался настоящий production:

• шестьдесят секунд оказались слишком длинными;
• в голосе на монтажных стыках появились щелчки;
• в одной сцене возник неуместный шрифт с засечками;
• скриншот сайта обрезался по тексту;
• вертикальная композиция не превращалась автоматически в хорошую горизонтальную;
• первый кадр оказался белым.

Последняя проблема проявилась особенно наглядно. Я попытался отправить видео в Telegram, а Telegram взял первый кадр как превью и показал белый прямоугольник. Красивый ролик начинался с обложки, на которую никто не захотел бы нажать.

Мы исправляли проблемы по одной. Щелчки убрали короткими сглаживаниями на стыках аудио. Первый кадр превратили в отдельную содержательную обложку. Сюжет сжали с минуты до тридцати секунд. Монтаж ускорили. Горизонтальную версию собрали как самостоятельную композицию, а не как механический кроп вертикальной.

После этого стало ясно: перед нами уже не один удачный ролик, а повторяемый производственный контур.

Главный архитектурный поворот

На этом этапе легко было выбрать один движок, объявить его универсальным и заставить все задачи проходить через него. Мы сделали иначе.

HyperFrames остался основным production-инструментом для авторских narrative-видео. Remotion сохранился для детерминированных шаблонных преобразований. Shotcraft стал отдельной авторской веткой на базе Remotion, а не обязательной стадией HyperFrames.

Общим стал производственный контракт:

• источник и его snapshot;
• главная мысль и сценарий;
• голос и фактические тайминги;
• визуальные опоры;
• длительность и форматы;
• требования к первому кадру, субтитрам и звуку;
• техническая и визуальная QA;
• версия каждого результата.

Внутри этого контракта режиссура остаётся свободной.

Что здесь уже автоматизировано

Самая ценная автоматизация происходит не в момент красивого перехода, а вокруг него.

Система хранит источник материала, сценарий и решения по сценам. Получает речь с Mac mini. Синхронизирует субтитры с реальной озвучкой. Собирает две геометрии. Проверяет длительность, разрешение, количество кадров, кодеки, наличие звука, первый кадр, пустые сцены и подозрительные аудиостыки. Складывает результаты по версиям, стилям, renderer и форматам.

У каждого файла понятно, что это за ролик. Название больше не выглядит как version-1-final-final-2.mp4: в нём зафиксированы материал, версия, стиль, renderer и aspect ratio.

Но публикация пока не является автоматическим продолжением render. Готовый файл ещё не означает готовый материал.

Что остаётся человеку

Я слушаю голос. Смотрю первый кадр. Проверяю, читается ли текст на телефоне. Решаю, работает ли музыка и не заслоняет ли эффект основную мысль. Сравниваю режиссуры и выбираю, какая из них подходит конкретному материалу и каналу публикации.

Это важный принцип всей системы: автоматизация должна снимать рутину, а не отнимать авторство.

Поэтому на текущем этапе фабрика производит варианты, собирает доказательства качества и предоставляет понятную папку для выбора. Решение о публикации остаётся отдельным человеческим действием.

Почему мы не начали с большого интерфейса

После первого удачного прохода хотелось немедленно построить панель управления, очередь задач, автоматическую публикацию и отдельный skill. Но это был бы очень красивый способ автоматизировать первые ошибки.

Сначала мы зафиксировали repo-local runbook, общий NarrativeJob, правила именования, независимость renderer и локальные проверки. Затем прогнали процесс на другом материале и расширили calibration pool визуальных стилей.

Теперь следующий шаг понятнее: перенести воспроизводимый worker на Mac mini, дать ему простой вход ссылкой, автоматически собирать versioned export folder и оставлять человеку удобный выбор. Telegram, Instagram, Threads и публикация на сайте подключаются только после того, как производство стабильно выдаёт хороший результат.

Куда это идёт

Целевая схема выглядит просто: я или сотрудник отправляет ссылку на статью, система готовит сценарий и голос, запускает нужные креативные контуры и возвращает готовые версии 9:16 и 16:9 в понятной папке.

HyperFrames отвечает за основной авторский narrative-контур. Shotcraft даёт независимую креативную интерпретацию. OmniVoice возвращает мой голос. Notion или сайт предоставляют исходный материал. Kinescope хранит утверждённые видео по стабильным ссылкам.

Но главный продукт фабрики — не восемь файлов и не впечатляющий pipeline. Главный продукт — хороший ролик, который не стыдно подписать своим именем.

Белый первый кадр оказался полезным напоминанием: зритель всегда видит конечный результат, а не красоту вашей автоматизации.

По теме

• ИИ-контент на потоке: почему проблема не в генерации, а в контроле
• HyperFrames от HeyGen — видео как код для ИИ-агентов и Codex
• video-shotcraft — как собирать кинематографичные видео на Remotion в Claude Code и Codex
• OmniVoice на GitHub

Если вы тоже превращаете статьи, знания или внутренние материалы в видео и хотите сохранить собственный голос и авторскую подачу, пишите в Telegram @pimenov.