Автор проекта, Дмитрий Асанов, опубликовал на GitHub репозиторий V-GEN — автономный генератор теленовостей и видеосюжетов. Поводом для разработки стала ситуация на небольшом местном телеканале, где после увольнения редактора и оператора обязанности по подготовке контента легли на администратора техподдержки. Чтобы не потерять лицензию на вещание, он начал автоматизировать сбор новостей, их обработку и монтаж, а результатом стал скрипт, объединяющий современные ИИ-сервисы и классический видеопродакшн. Проект выложен в открытый доступ без особых претензий на оформление, но уже привлек внимание в сообществе разработчиков.

Основная задача, которую решает V-GEN, — полностью автоматизировать цепочку от поиска информационного повода до готового эфирного файла. Система работает локально, имеет веб-интерфейс и запускается одной кнопкой «Собрать новости за 7 дней». По словам автора, на ручной сбор одного сюжета уходило от 20 до 30 минут, включая отсев бытового мусора, проверку актуальности, переписывание текста под телевизионный формат, подбор иллюстраций, озвучку и монтаж. V-GEN призван сократить эти трудозатраты до нескольких минут, освобождая сотрудников от рутинных операций. При этом в проекте есть и ограничения: он ориентирован на текстовые источники и не занимается съёмкой собственного видео.

С технической точки зрения V-GEN состоит из шести ключевых модулей. Первый — динамический сбор информации через Google Gemini Grounding with Google Search, который обращается к поисковому индексу в реальном времени, сканирует публикации за последние 7–10 дней и отбирает подтверждённые события, отсекая потерянных кошек и объявления. Второй — редакционный рерайт: языковая модель переписывает сухой или эмоциональный текст в строгий телевизионный сценарий объёмом 800–1000 знаков, что соответствует 45–60 секундам эфира, с лид-хуком, числительными словами и без панибратства. Третий модуль — синтез речи Gemini TTS с голосом Callirrhoe, нормализацией 48 кГц и стерео. Четвёртый — визуальный ряд: изображения проходят Smart UNCROP до 1080p, к ним применяется эффект Кена Бёрнса без дрожания, а также используются папки B-Roll с видеоархивом. Пятый — видеогенератор на FFmpeg, который рассчитывает хронометраж, динамически меняет кадры каждые 7–8 секунд, подкладывает фоновую музыку на уровне -5.4 дБ, делает синхронный Fade Out, склеивает с отбивкой канала и накладывает логотип. Шестой — экспорт готового MP4 с русским именем, например «Ремонт теплосетей в Тутаеве.mp4».

До появления V-GEN автор использовал комбинацию из парсеров рассылок, TTS от Google AI Studio, рерайта через DeepSeek и ручного монтажа. Это уже снижало нагрузку, но оставалось много ручной работы. Новый проект стал развитием этой идеи на базе Google Gemini с платной подпиской PRO, которую, по словам разработчика, удалось приобрести на год за 70 рублей через Telegram-бот. В связке с Google Antigravity скрипт был доработан за несколько дней тестов. Таким образом, V-GEN — это не первый опыт автоматизации, а скорее эволюция подходов, где ИИ-модели заменили несколько разрозненных инструментов. На рынке существуют и другие решения для автоматического создания видео, но они чаще ориентированы на маркетинг и соцсети, а не на телевизионный эфир с его строгими требованиями к хронометражу, графике и звуку.

Для российского рынка региональных телеканалов и медиацентров V-GEN может стать заметным подспорьем. Небольшие редакции часто испытывают кадровый голод и не могут позволить себе дорогие системы автоматизации вещания. Локальный сервис, работающий на обычном компьютере и не требующий постоянных платежей за облачные сервисы, выглядит привлекательно. Однако есть и вопросы: насколько качественно Gemini понимает региональную повестку, как решаются вопросы авторских прав на изображения и музыку, и готовы ли телеканалы доверять ИИ подготовку эфирных материалов без проверки человеком. Реакция отрасли пока сдержанная, но сам факт появления такого инструмента показывает, что генеративный ИИ проникает в консервативную сферу телепроизводства.

Если сравнивать V-GEN с альтернативами, то большинство существующих решений либо требуют ручного вмешательства на этапе монтажа, либо заточены под создание коротких роликов для соцсетей без учёта телевизионных стандартов. Например, сервисы на базе шаблонов предлагают готовые сцены, но не умеют самостоятельно искать инфоповоды и адаптировать текст под диктора. V-GEN же пытается закрыть весь цикл, включая поиск, рерайт, озвучку и финальную сборку с логотипом и отбивкой. Это делает его ближе к профессиональным системам автоматизации новостей, но по стоимости и сложности внедрения он значительно доступнее. Правда, качество итогового продукта будет сильно зависеть от исходных данных и настроек промптов, которые можно редактировать в админ-панели.

В перспективе автор планирует развивать проект, хотя конкретные планы не раскрыты. Открытые вопросы касаются поддержки других языков, интеграции с системами вещания и улучшения алгоритмов подбора видео. Также неясно, как будет решаться проблема проверки фактов: ИИ может ошибаться, а для телеканала цена ошибки высока. Тем не менее, появление V-GEN демонстрирует, что даже небольшие команды могут использовать передовые ИИ-инструменты для решения практических задач. Если проект получит поддержку сообщества, он может стать основой для более серьёзных решений в области автоматизации медиапроизводства.