Генератор видео на нейросети научился не терять деньги: чекпоинты спасают оплаченные сцены

Российский разработчик опубликовал на Хабре вторую версию Shorts Maker, генератора коротких видео на Python для Shorts, Reels и TikTok, в которой вместо «сырого» прототипа появился продакшн-пайплайн с защитой от потери денег на платных API.

Автор проекта описал проблему, знакомую любому, кто работает с платными ИИ-сервисами. Первая версия Shorts Maker принимала тему (например, «Сюжет "1984" за одну минуту»), генерировала сценарий, изображения, анимацию, озвучку и субтитры, а на выходе отдавала вертикальный ролик. Прототип доказал, что идея работает, но не выдерживал реальной эксплуатации: падение на восьмой сцене из десяти означало повторную оплату уже выполненных запросов. Публикация на Хабре разбирает не столько генеративные модели, сколько инженерную архитектуру, где каждый вызов API длится минуты и стоит реальных денег.

Что сломалось в первой версии и как это починили?

• Состояние жило только в памяти процесса. После обрыва сети, нажатия Ctrl+C или падения машины система не знала, какие сцены уже готовы. Во второй версии состояние стало частью предметной модели: каждая завершённая сцена фиксируется чекпоинтом (контрольной точкой, которую можно подхватить после перезапуска).
• Повторный запуск дублировал расходы. Ретрай (безопасный повтор) всего пайплайна (конвейера обработки) заново вызывал LLM (большую языковую модель, например GPT), генератор изображений или сервис превращения картинки в видео. Во второй версии система проверяет, какие артефакты уже получены, и платный запрос не повторяется.
• Частичный успех терялся. Если из десяти изображений девять сгенерировались, а одно упало по таймауту, стандартная функция asyncio.gather() не давала сохранить девять готовых и дозапросить одно недостающее. Теперь каждая сцена обрабатывается и сохраняется отдельно.
• Модели данных перемешались. Одни и те же Pydantic-модели (структуры для проверки данных) использовались и как ответы API, и как внутренние сущности, и как формат хранения. Смена формата у провайдера ломала бизнес-логику. Во второй версии домен написан на чистых dataclass, а Pydantic остался только на границах: настройки, JSON-манифест и ответы внешних API.

Как устроен пайплайн изнутри?

Shorts Maker v2 разделён на четыре слоя, зависимости направлены строго внутрь:

• Домен содержит агрегат (корневой объект, через который проходят все изменения) Project, сцены, персонажей и правила переходов между стадиями. Домен не знает ни про HTTP, ни про файловую систему.
• Слой приложения описывает сценарии использования: создать проект, построить план, сгенерировать изображения, речь и видео, выполнить финальный монтаж.
• Инфраструктура реализует конкретных провайдеров. Текущие адаптеры: CometAPI для плана и изображений через LLM, Kie/Grok для превращения картинки в видео, ImgBB как временный публичный мост для передачи исходного изображения, Yandex SpeechKit для озвучки, MoviePy и FFmpeg для монтажа.
• Презентация это CLI (интерфейс командной строки) на Typer и Rich: разбирает аргументы и показывает результат, но не принимает бизнес-решений.

Направление зависимостей проверяется автоматическим тестом: он разбирает импорты в коде и падает, если домен начинает импортировать инфраструктуру. По словам автора, «исполняемое правило живёт дольше документации».

Для тестирования без затрат предусмотрен профиль fake: он проходит тот же путь обработки, но не вызывает платные API.

Что делать с этим прямо сейчас?

Автору Дзена или TikTok. Shorts Maker v2 собирает вертикальный ролик от темы до готового файла: сценарий, картинки, анимация, голос, субтитры. Если вы готовы работать с Python и командной строкой, это бесплатный генератор видео (нейросеть выполняет творческую часть, а вы платите только за API-вызовы). Порог входа высокий: нужно уметь запускать Python-проекты.

Маркетологу. Архитектура показывает, как строить конвейер, в котором сбой не обнуляет бюджет на генерацию. Если вы заказываете автоматическую видеогенерацию у подрядчика, спросите, есть ли у него чекпоинты и безопасные ретраи. Без них каждый разрыв связи удваивает расходы.

Предпринимателю из РФ. Проект использует Yandex SpeechKit для озвучки, то есть часть стека уже рассчитана на российский рынок. Из генераторов видео (нейросеть как сервис), доступных в России, стоит посмотреть на связку YandexGPT для текста и российские TTS-сервисы для озвучки, хотя прямого аналога Shorts Maker с такой архитектурой отказоустойчивости пока нет.

Как попробовать?

1. Убедитесь, что на машине установлен Python (автор не указывает минимальную версию, но проект использует dataclass(slots=True), значит нужен Python 3.10 или выше).
2. Склонируйте репозиторий с GitHub (ссылка есть в оригинальной статье на Хабре) и установите зависимости.
3. Запустите профиль fake, чтобы проверить работу пайплайна без затрат на платные API.
4. Подключите реальные адаптеры (ключи CometAPI, Kie, ImgBB, Yandex SpeechKit) и запустите генерацию с темой через CLI.

Частые вопросы

Нужно ли платить за сам Shorts Maker?

Нет. Код открыт. Платить нужно только за вызовы внешних сервисов: генерацию изображений, превращение картинки в видео и озвучку. Для тестирования без затрат предусмотрен профиль fake, который проходит весь конвейер, но не обращается к платным API.

Можно ли использовать проект без знания Python?

На текущем этапе нет. Shorts Maker v2 управляется через командную строку, требует установки зависимостей и настройки API-ключей. Графического интерфейса автор пока не предусмотрел. Если вы не работали с Python, вам понадобится помощь разработчика.

Работает ли это в России?

Частично. Озвучка построена на Yandex SpeechKit, который доступен в РФ. Генерация изображений и видео идёт через CometAPI и Kie/Grok, доступность этих сервисов зависит от текущих ограничений и может потребовать VPN или замены адаптера на российский аналог.