AI Video Factory Blueprint — Инфографика

Архитектура

Конвейер производства видео

Пять шагов от идеи до публикации. Полная автоматизация через Python cron job на VPS.

📝

ШАГ 01

Скрипт

Claude / GPT-4

~10 сек

🎙

ШАГ 02

TTS → Аудио

Silero v5 (CPU)

~8 сек / мин

🧑

ШАГ 03

Talking Head

EchoMimic V3

~2 мин / видео

~$3/мес

🎬

ШАГ 04

B-roll

Wan 2.1 (1.3B)

~4 мин / клип

~$2/мес

✂️

ШАГ 05

Сборка

FFmpeg (CPU)

~30 сек

25 мин

GPU-время / день

$0.08

GPU-стоимость / день

CX22

Hetzner VPS — $5/мес

100%

Автоматизация

Бенчмарк

Talking Head модели

Сводная таблица всех доступных моделей для генерации говорящих аватаров. Отсортировано по соотношению качество/цена.

Модель	Качество	VRAM	Скорость (1 мин)	Lip-sync RU	Лицензия	$/мес (1 блогер)
EchoMimic V3 BEST VALUE	8/10	12-24 GB	~50 сек/240 кадров	✅ Хорошо	Open	$3
Hallo3 TOP QUALITY	8.5/10	24 GB	10–15 мин на 4090	✅ Хорошо	CogVideo	$8
MuseTalk v1.5 FASTEST	7.5/10	12-16 GB	Real-time 30fps	✅ Мульти-язык	MIT ✨	$2
Wan 2.2 S2V NEW	8.2/10	24+ GB	Среднее	✅ Нативно	Apache 2.0	$5
LivePortrait LOW VRAM	8/10	6 GB	78fps на 4090 ⚡	⚠️ Video-driven	Permissive	$1
HunyuanPortrait	8.5/10	24 GB	Среднее	⚠️ Video-driven	Research	$6
HeyGen Avatar III SAAS	8/10	Cloud	2–5 мин	✅ Встроенный	SaaS	$29
SadTalker BUDGET	6.5/10	4-8 GB	Секунды ⚡⚡	✅ Базовый	Open	$1
Wav2Lip ULTRA BUDGET	5.5/10	2-4 GB	Near real-time	✅ Базовый	Open	<$1

Озвучка

Русский TTS — голоса блогеров

Четыре лучших варианта для русскоязычной озвучки. Все работают с 120+ мин/мес.

Silero v5

🇷🇺 Россия • snakers4

Open source, MIT лицензия

Качество RU

GPUНе нужен (CPU)

Скорость20× real-time

ЭмоцииНейтральный

Azure Neural TTS

🇺🇸 Microsoft

500K символов/мес бесплатно (~555 мин)

Качество RU

GPUCloud API

СкоростьReal-time

ЭмоцииСредние

CosyVoice 3

🇨🇳 Alibaba • Apache 2.0

Self-hosted, 3-4 GB VRAM

Качество RU

GPU3-4 GB VRAM

КлонированиеZero-shot ✨

ЭмоцииВысокие

ElevenLabs

🇺🇸 Premium

$22

Creator план, ~100 мин/мес

Качество RU

GPUCloud API

Клонирование6 секунд ✨

ЭмоцииМаксимальные 🔥

Перебивки

B-roll — кинематографичные вставки

5–7 клипов по 2–3 секунды на видео. ~525 клипов/мес при 5 блогерах.

Self-hosted GPU batch

LTX-Video
6-8 GB • 10 сек/клип ⚡

~$1/мес

Wan 2.1 (1.3B)
8 GB • 4 мин/клип • Хорошее

~$15/мес

HunyuanVideo 1.5
14-24 GB • 10 мин/клип • Отлично

~$38/мес

CogVideoX-5B
16-24 GB • 8 мин/клип

~$31/мес

API/SaaS Pay per use

Kling 2.5 (fal.ai)
Top-3 Elo • Camera control

~$38/мес

Pika 2.5
Elo #9 • Базовый контроль

~$39/мес

Runway Gen-4 Turbo
Высокое • Хороший контроль

~$79/мес

Luma Unlimited
Безлимит • Медленная очередь

$30/мес flat

Инфраструктура

GPU-платформы для batch-рендеринга

Оплата по секундам. 30 мин/день = $2–5/мес. Без серверов 24/7.

RunPod

RTX 4090

24 GB VRAM

$0.20/час

50 мин/день → $5/мес

RunPod

RTX 3090

24 GB VRAM

$0.11/час

50 мин/день → $2.75/мес

Vast.ai

RTX 3090

24 GB • Interruptible

$0.08/час

50 мин/день → $2/мес

SaladCloud

RTX 4090

24 GB • Batch

$0.16/час

50 мин/день → $4/мес

Modal

L4 / A100

24-80 GB

$30 free кредитов/мес

Покрывает 1 блогера бесплатно

Бюджет

Три сценария стоимости

От минимального MVP до quality-оптимизированного production.

Сценарий A — Рекомендуемый

1 блогер, баланс

90–120 мин видео/мес

$11/мес

VPS (Hetzner CX22)$5

TTSSilero v5 (CPU)$0

Talking HeadEchoMimic V3$3

B-rollWan 2.1$2

СборкаFFmpeg$0

Storage (RunPod)20 GB$1

ИТОГО$11

Сценарий B — Премиум

1 блогер, макс качество

Premium голос + кинематограф

$74/мес

VPS$5

TTSElevenLabs$22

Talking HeadHallo3 (4090)$8

B-rollKling 2.5 API$38

StorageRunPod$1

ИТОГО$74

Сценарий C — Масштаб

5 блогеров

450–600 мин видео/мес

$40/мес

VPS$5

TTSAzure (free tier)$0

Talking HeadEchoMimic × 2 pods$22

B-rollWan 2.1 batch$10

Storage50 GB$3

ИТОГО$40

Рейтинг

Quality / Cost матрица

Топ-5 конфигураций по соотношению качества на доллар.

EchoMimic + Silero + Wan

Self-hosted batch pipeline

7.5

Качество /10

$11

$/мес

$0.09

$/мин видео

0.68

Quality/$/10

MuseTalk + CosyVoice + LTX

Ultra-lightweight pipeline

7.0

Качество /10

$/мес

$0.07

$/мин видео

0.88

Quality/$/10

HeyGen Creator

SaaS all-in-one

8.0

Качество /10

$29

$/мес

$0.24

$/мин видео

0.28

Quality/$/10

Hallo3 + ElevenLabs + Kling

Premium quality pipeline

8.5

Качество /10

$74

$/мес

$0.62

$/мин видео

0.11

Quality/$/10

SadTalker + Silero (Budget)

Minimum viable production

5.5

Качество /10

$/мес

$0.05

$/мин видео

0.92

Quality/$/10

План действий

Roadmap запуска

Пошаговый план от MVP до 5 блогеров. Старт с Лизы.

Дни 1–2

Генерация аватара Лизы

Создать AI-портрет блогера через FLUX/SDXL + RealVisXL. Сгенерировать 5-10 вариаций ракурсов через IP-Adapter Face. Настроить голос через Silero v5.

FLUXIP-AdapterSilero v5

Дни 3–4

Настройка GPU pipeline

Создать Docker образ с EchoMimic V3 + Wan 2.1. Развернуть на RunPod. Настроить persistent volume для весов модели. Тест: 1 видео от скрипта до финала.

DockerRunPodEchoMimic V3Wan 2.1

Дни 5–6

Автоматизация на VPS

Python скрипт: генерация скриптов → TTS → запуск RunPod pod → генерация видео → сборка FFmpeg → загрузка результатов. Cron job на ежедневный запуск.

PythonFFmpegCronHetzner VPS

Дни 7–9

Запуск Лизы + 2-й блогер

Публикация первых видео в Instagram + Telegram. A/B тест стилей (реалистичный vs иллюстрация). Запуск 2-го аватара-блогера по той же схеме.

Instagram APITelegram BotA/B test

Недели 3–4

Масштабирование до 5 блогеров

Параллельная генерация на 2× RunPod pods. Оптимизация: B-roll библиотека для повторного использования. Локализация на другие языки через CosyVoice voice cloning.

Scale ×5CosyVoiceB-roll library

Выводы

Три ключевых инсайта

Batch = экономия 20×

Разница между $200/мес и $10/мес — в том, арендуете ли вы GPU 24/7 или 30 минут в день. RunPod с посекундной оплатой делает GPU доступными.

TTS бесплатно при любом объёме

Azure/Google дают 500K+ символов бесплатно. Silero v5 работает на CPU без GPU. Стоимость определяет видео-генерация, не озвучка.

Китайский open-source доминирует

Wan, EchoMimic, CosyVoice, HunyuanVideo — каждый компонент рекомендуемого стека от китайских лабораторий, с Apache 2.0 лицензиями.