Как алгоритм ищет вирусный момент: разбор open-source генератора шортсов

Есть особый жанр инструментов, которые появляются не потому, что кто-то придумал новую технологию, а потому что кто-то устал платить за старую. Short-video-generator-AI, написанный на Python и выложенный пользователем pierrenade, относится именно к этому жанру. Задача простая: взять длинное видео с YouTube и превратить его в набор коротких вертикальных роликов, готовых к публикации в TikTok, Reels или Shorts. Задача не новая — этим давно занимаются коммерческие сервисы вроде OpusClip и Vidyo.ai. Новое здесь то, что автор решил сделать то же самое бесплатно, открыто и без вотермарок на выходе.

Что происходит внутри

Пайплайн проекта описан в README как последовательность понятных шагов, и в этом описании видно, что авторы не пытались изобрести магию, а собрали рабочую цепочку из проверенных компонентов. Сначала видео скачивается с YouTube или берётся локальный файл. Затем faster-whisper — библиотека для локальной транскрипции речи — превращает звук в текст с таймкодами. Это происходит одинаково независимо от того, какой языковой движок выбран дальше, то есть транскрипция не зависит от внешнего API и работает на стороне пользователя.

Далее в дело вступает LLM — на выбор OpenAI, Gemini или muapi. Модель сначала классифицирует ролик: подкаст это, интервью, туториал или влог, — потому что темп и структура интересных моментов в этих форматах разные. После классификации та же модель сканирует транскрипт через то, что авторы называют «фреймворком виральности»: ищет хук-моменты, эмоциональные пики, спорные высказывания, признания, конфликты, цитируемые фразы, сюжетные повороты и практическую пользу. Каждому кандидату присваивается оценка от 0 до 100, пересекающиеся отрывки схлопываются, и из оставшихся отбираются лучшие N — уже готовые тайминги для клипов.

То есть система не просто режет видео на равные куски по три минуты, а пытается угадать, какой момент зацепит зрителя за первые секунды — собственно то, ради чего вообще существуют шортсы.

Что получает пользователь на выходе

Готовый клип приходит в формате 9:16 — вертикальном, под мобильный экран, — с субтитрами и, если нужно, с переводом и озвучкой. Отдельная опция называется «hooks»: при включении система генерирует контекстно-зависимую вступительную фразу, которая должна удержать зрителя в первые секунды просмотра. Это ровно та деталь, которую платные SaaS-конкуренты продают как премиум-функцию, а здесь она встроена бесплатно.

Работать с проектом можно тремя способами. Через командную строку — для тех, кто хочет автоматизировать процесс или встроить его в свой скрипт. Через локальный веб-интерфейс — для тех, кому проще вставить ссылку на YouTube в браузере и подождать результата. И через API — авторы прямо говорят, что инструмент можно свободно использовать внутри собственных проектов, что превращает его не только в готовый продукт, но и в компонент для чужих пайплайнов.

Почему это симптоматично

В описании репозитория авторы прямо называют себя альтернативой OpusClip и Vidyo.ai — сервисам, которые берут деньги за количество обработанных минут или клипов. Модель этих SaaS обычно построена на кредитах: платишь за то, сколько видео система нарезала. Open-source версия убирает этот барьер полностью — ни лимита на клипы, ни платы за отсутствие вотермарки. Взамен пользователь платит вычислительными ресурсами своей машины и, если выбирает облачную LLM, стоимостью запросов к API OpenAI или Gemini. Это честный обмен: разработчик отдаёт логику и код, а не хостинг и вычисления.

Показательно и то, что транскрипция сделана локальной по умолчанию — независимо от выбранного LLM-провайдера. Это архитектурное решение, а не случайность: самая тяжёлая с точки зрения приватности часть (аудио и текст исходного видео) не обязана покидать компьютер пользователя, если он того не хочет. LLM подключается только на этапе анализа уже готового транскрипта, а не сырого видео.

846 звёзд и 154 форка за относительно короткое время говорят не столько о технологическом прорыве, сколько о точном попадании в спрос: создатели контента массово ищут способ автоматизировать нарезку длинных интервью и подкастов на короткие вирусные фрагменты, а платить за это готовы не все. Форки, в свою очередь, намекают, что люди не просто пользуются инструментом, а адаптируют его логику ранжирования моментов под свои форматы — что для open-source проекта с понятной архитектурой пайплайна вполне ожидаемо.

В итоге перед нами не революция в генеративном видео, а хорошо собранная инженерная цепочка: локальная транскрипция плюс LLM-анализ плюс автоматическая нарезка под мобильный формат. Скромный, но узнаваемый пример того, как открытый код закрывает нишу, которую коммерческие сервисы годами удерживали за счёт подписки.