V-GEN собирает теленовости на Gemini и FFmpeg

Администратор техподдержки небольшого регионального телеканала Дмитрий Асанов разработал V-GEN — локальный сервис с веб-интерфейсом, который автоматически собирает новостные видеосюжеты «под ключ». Проект появился после того, как из редакции уволились редактор и оператор, а совмещать техподдержку со съёмками новостей стало невозможно. Код выложен в открытый доступ на GitHub.

V-GEN использует модель gemini-3.8-flash с инструментом Grounding with Google Search: вместо хрупких парсеров и RSS-лент система обращается к поисковому индексу Google в реальном времени и сканирует публикации за последние 7–10 дней по заданной географии. Модель сопоставляет факты из региональных СМИ, пресс-релизов МЧС и постов администраций, отсеивая бытовой мусор вроде объявлений о потерянных кошках. Промпт с редакционными критериями можно менять прямо в админ-панели.

Текст новости генерируется объёмом строго 800–1000 знаков с пробелами — это даёт хронометраж читки около 45–60 секунд. Система запрещает канцеляризмы и приветствия, прописывает числительные словами и выстраивает композицию с хук-лидом в первом предложении. Для озвучки применяется мультимодальный синтез Gemini TTS, по умолчанию голос Callirrhoe, доступны также Puck, Charon, Kore, Fenrir, Aoede, Leda, Orpheus и Zephyr.

Изображения автоматически приводятся к Full HD 1920×1080: при близких к 16:9 пропорциях выполняется масштабирование с центрированным кропом, иначе создаётся размытый затемнённый фон, поверх которого размещается чёткий передний план. Рендеринг слайдов построен на Pillow с субпиксельными координатами, что устраняет дрожание, характерное для фильтра zoompan в FFmpeg. Последний слайд всегда завершается плавным отъездом камеры.

Аудиопоток нормализуется через FFmpeg под вещательные требования 48 кГц, 16-бит stereo, а видеоряд подстраивается под голос диктора, а не наоборот. Готовый файл получает русское имя и попадает в эфирный плейлист. Автор отмечает, что раньше на один сюжет уходило 20–30 минут ручной работы, а теперь процесс автоматизирован.

Проект показывает, как генеративные модели проникают в нишевые производственные задачи малых телеканалов, где нет ресурсов на полноценную редакцию. Связка LLM с веб-поиском, TTS и классическим видеопайплайном позволяет сохранить лицензию и выпуск контента силами одного технического специалиста.