Кейс · Разработка
Я слепил ИИ-блогера с нуля. Вот что оказалось самым сложным
Месяц с виртуальным персонажем: 62 подписчика, три площадки автопостинга и три бага, которые чуть не сорвали всё.
Месяц назад появилась идея: собрать виртуального блогера с нуля, с лицом, голосом, характером и историями, и вести аккаунт так, будто за ним стоит живой человек. Не аватар-заглушка для мемов, а полноценный персонаж с легендой, дневным контент-планом и реальной аудиторией.
Сейчас аккаунт «Настя» живёт в Instagram, Threads и на YouTube. Это 24-летняя девушка, которая переехала в деревню к бабушке после того, как у неё увели старый блог на 60 тысяч подписчиков. Публикуется каждый день сама, без моего участия, и уже набрала живых подписчиков за первый месяц без единого рубля рекламного бюджета. Дальше расскажу то, что реально пришлось решать по пути, без глянца.
Лицо и голос, это не «нажал кнопку»
Первая проблема: удержать одно и то же лицо от кадра к кадру. Нейросети любят «плыть»: то веснушки исчезнут, то оттенок волос уйдёт в другую сторону. Спасает жёсткий референс-портрет и подробные, буквально построчные промпты, не «грустная деревенская девушка», а точное описание позы, света, выражения и ракурса для каждого кадра.
Четыре разных сцены, одно и то же лицо: результат жёсткого референса, а не удачи
Голос тоже отдельная история. Клонировал его один раз, и дальше вся озвучка идёт с этого слепка. Но модель периодически ломает ударение в обычных словах: «полено» неожиданно превращалось в «полЁно», и это не разовый глюк, а тот же текст, тот же баг, второй раз подряд. Оказалось, дело не в словаре ударений, а в структуре фразы: три коротких обрывка через запятую модель читает как скороговорку и сбивается. Переписал реплики в связные предложения с союзами, и ударения встали на место.
Самый обидный баг
Готовые ролики иногда обрывались на середине слова, будто актёру заткнули рот. Разбирался долго: видео-нарезка из нейросети всегда выходит фиксированной длиной около пяти секунд, а озвучка иногда чуть длиннее. Финальная склейка молча подгоняла звук под более короткое видео и отрезала конец фразы. Починилось одной строчкой в сборке: видео теперь «доклеивается» последним кадром с запасом, а потом обрезается точно под длину голоса, а не наоборот.
Публикация, три площадки, три разных правила
Instagram, Threads и YouTube выглядят как одно и то же «залить видео», а по факту это три разных API с разными подводными камнями: у Threads подпись обрывается на 500 символах, у YouTube токен молча протухает через неделю, если приложение не перевести из тестового режима в боевой, у Instagram обычная кнопка «сгенерировать токен» не годится для долгоживущего доступа, нужен полноценный OAuth-проход, иначе через час всё отвалится.
Сейчас всё это работает само по расписанию на сервере: каждый день выходит либо ролик, либо фотокарусель, без моего участия.
Что дальше
Я строил это не как разовый эксперимент, а как воспроизводимый пайплайн из пяти шагов на диаграмме выше. Каждый шаг оформлен так, что его можно повторить под любую нишу и любое лицо.
Хотите такого же?
Если интересен свой личный ИИ-аватар или аватар для бизнеса, с голосом, лицом и автопостингом, без необходимости самому разбираться в нейросетях, готов показать, как это устроено.
Смотреть тарифы →