KI-Pipeline · RAG
AI Video Studio
Von einer Bücherbibliothek zum vertonten, illustrierten Video: Das Skript wird aus gefundenen Textstellen geschrieben, geprüft, bevor Geld ausgegeben wird, dann vertont, illustriert, gerendert und veröffentlicht.
- 8Stufen, kein manueller Schritt
- 1Qualitätsprüfung vor kostenpflichtiger Generierung
- 3TTS-Anbieter mit Fallback
- RAGSkripte aus Quellen geschrieben
Die Aufgabe
Einen Content-Kanal von Hand zu betreiben heißt für jedes Video: Recherche, ein genaues Skript, Sprecher, Bilder, Musik, Schnitt und Upload. Ein Modell aus dem Gedächtnis schreiben zu lassen ist schnell und leise falsch.
So funktioniert es
- 01
Quellen einlesen
E-Books und PDFs werden extrahiert, bereinigt und in Abschnitte geteilt.
- 02
Index aufbauen
Abschnitte werden mit sentence-transformers eingebettet und in ChromaDB gespeichert.
- 03
Belegtes Skript
Ein LLM schreibt Szene für Szene aus gefundenen Textstellen. Ein Qualitätswert kann das Skript ablehnen, bevor ein kostenpflichtiger Schritt läuft.
- 04
Stimme und Timing
TTS von mehreren Anbietern mit Fallback; faster-whisper liefert Wort-Zeitstempel für Untertitel.
- 05
Bilder und Musik
Ein Bild pro Szene, mit einem CLIP-artigen Modell gegen den gesprochenen Satz geprüft, dann Musik unter der Stimme.
- 06
Rendern und veröffentlichen
MoviePy und FFmpeg rendern das Video; Titel und Tags werden erzeugt und jedes Video wird vor dem Upload pro Kanal erfasst.
Bekannte Grenzen
- Es ist aus einer Content-Pipeline von 2024 hervorgegangen; das öffentliche Repository ist eine bereinigte Version dieser Arbeit.