AI-студія відеоновин (2026)

Система, що перетворює текст новини та вихідне відео на готовий змонтований ролик із віртуальною ведучою.

Керування через Telegram-бот: редактор надсилає матеріали — отримує ролик у двох форматах (16:9 і 9:16) із закадровим голосом, субтитрами й логотипом. Мультиагентний конвеєр. Аналіз тексту новини (DeepSeek V4 Pro) > покадровий розбір відеоряду vision-моделлю (Claude Haiku) > сценарист, що підганяє довжину тексту під заданий хронометраж і добирає відеофрагменти під зміст > коректор мови та власних назв (Claude Sonnet). Далі синтез мовлення, генерація аватара, монтаж. Власна система наголосів для української озвучки.

Словник на 2.9 млн форм, лематизація через Stanza, звірка з кількома зовнішніми словниками з вимогою збігу щонайменше двох незалежних джерел. Спірні слова редактор обирає кнопками в боті — вибір зберігається назавжди. Це прибрало систематичні помилки вимови прізвищ, топонімів і брендів. Монтаж на FFmpeg. Субтитри будуються з посимвольних таймінгів синтезу мовлення. Вписування кадру під формат, склейка кількох джерел, фрагменти з оригінальним звуком (синхрон) із підведенням від ведучої, щоденна ротація образів ведучої.

Експлуатація. Розгорнуто на власному VPS: systemd, self-hosted Telegram Bot API у Docker, стан діалогів зберігається на диску (перезапуск не втрачає роботу), моніторинг залишків на платних сервісах із попередженнями в Telegram, автоочищення диска, повтори мережевих збоїв. Економіка виміряна за фактичними списаннями, а не за прайсами: собівартість ролика — $0.65, час виробництва — 7 хвилин, близько $75 на місяць за три ролики на день. Розробив самостійно за допомогою Claude Code. Стек: Python, aiogram 3, FFmpeg, Docker, Ubuntu, systemd · Claude API, DeepSeek, ElevenLabs, HeyGen

AI-контент-автопілот для Telegram-каналу — Fullstack / AI Engineer (pet-project, продакшн)

Спроєктував і запустив автоматизовану систему створення контенту для Telegram-каналу про безкоштовні AI-інструменти: від пошуку інформації до генерації відео та публікації — з мінімумом ручної праці.

Побудував мультиагентний конвеєр на LLM (DeepSeek): агент-ресерчер шукає свіжі новини (Tavily / Perplexity / Exa), редактор фільтрує та перевіряє, креативник пише пости — з дедуплікацією та контролем достовірності.

Реалізував генерацію faceless-відео (YouTube Shorts / TikTok): сценарій від LLM > синтез мовлення (edge-tts) > караоке-субтитри (ASS) > стокове відео (Pexels) > зборка FFmpeg із музикою; окрема англомовна версія ролика з автоперекладом.

Автоматизував повний автопостинг у Telegram та Bluesky (AT Protocol на чистому httpx, включно з відео); для YouTube Shorts і TikTok зробив напівавтоматичний флоу — система генерує готовий ролик із підписами й доставляє його для публікації в один тап (їхні Content API вимагають верифікації).

Розробив Telegram-юзербота (Telethon): бот-пошуковик халяв із гейтом за підпискою, автокоментінг, щоденна аналітика та лічильники переходів.

Розгорнув у Docker на VPS (1 ГБ RAM), оптимізував FFmpeg під обмежену пам'ять; захистив сервер (SSH-ключі, fail2ban, автобекапи), додав відмовостійкість (ретраї, алерти власнику при збоях).

Стек: Python (asyncio), Docker / Docker Compose, DeepSeek LLM, edge-tts, FFmpeg, Telethon, Telegram Bot API, AT Protocol, Pexels API, Linux VPS.

Проект Wearnow - мобільний додаток примірки одягу та аксессуарів. (IOs, Android). Пошук та тестування моделей image-to-image для примірки одягу. (Google Vertex AI, GPT-Image-1) Настройка промптів для GPT. Розробка та розміщення REST API - доступів для інференсу моделей на облачному сервері AWS. Тестування роботи.

Дослідження різних технологій для примірки одягу, аксессуарів в AI та в AR. Швидка розробка прототипів додатків с ціллю тестування технологій.

AML_AI — стартап у сфері AI/ML (команда з 3 спеціалістів), що залучив інвестиційне фінансування для розробки продуктів на основі Computer Vision та LLM. Працював на посаді AI/ML Engineer: поєднував навчання нових технологій (фінансоване компанією) з повним циклом розробки — від дослідження та прототипування до впровадження готових рішень. За час роботи розроблено та доведено до робочих прототипів:

— Автоматизована система генерації та аналізу медіа-контенту: мультиагентна архітектура на базі LLM з моніторингом зовнішніх джерел, RAG-генерацією аналітичних матеріалів та повною автоматизацією процесів через n8n.

— AI-консультант з фітнесу та харчування (Telegram-бот): персоналізовані тренувальні та нутриціологічні плани на основі GPT, FSM-анкетування користувача, збереження профілів, експорт історії в Excel.GitHub: github.com/TimurPythonUser/telegram-fitness-bot

— Система розпізнавання показників лічильників (вода/газ/електрика): двокомпонентна CV-модель (YOLOv8 + OCR) на власному розміченому датасеті, Telegram-інтерфейс, перевірка через FSM, збереження в SQLite та Excel. GitHub: github.com/TimurPythonUser/meter_reading_bot

— Мультиагентний AI-консультант (психологічна підтримка): агенти-маршрутизатор, профайлер, дослідник, безпеки та аналітик; RAG над векторною базою FAISS.GitHub: github.com/TimurPythonUser/psycologist_telegram_bot

— Дослідження CV-навігації дронів без GPS: детекція об'єктів (YOLO), OCR на основі CTC Loss, трекінг SORT/DeepSORT для визначення положення за відеопотоком.Повне портфоліо: github.com/TimurPythonUser