Un reel de 24 de secunde, făcut din unul dintre articolele mele, m-a costat 0,78 dolari. Nu e o estimare: e suma pe care o arată contoarele celor trei furnizori pe care îi folosesc, adunată pentru un video publicat pe YouTube, Facebook și TikTok. Al doilea reel a costat mai puțin decât primul, deși are de trei ori mai multă muncă vizuală în el — pentru că partea scumpă nu e regia, ci vocea și chipul.
Scriu articolul acesta pentru că mă întreabă lumea „cu ce faci reelurile” și răspunsul scurt nu ajută pe nimeni. Mai jos e linia de producție întreagă, cu instrumentele, cu cat costă fiecare pas și cu ce am greșit până a ieșit. Cele două rezultate concrete le poți vedea aici: primul reel și al doilea, cu șablonul nou.
Pe scurt
- Un reel pornește dintr-un articol deja scris, nu din pagină albă. Textul se taie la 20–25 de secunde, cu prima frază care oprește scroll-ul.
- Instrumentele plătite sunt trei: ElevenLabs (voce), HeyGen (chipul care vorbește), KIE.ai (imagini generate). Tot restul — montaj, subtitrare, animații, compoziție — se face local, cu ffmpeg și Python, și nu costă nimic.
- 80% din ce se vede nu e generat cu inteligență artificială. E montaj: tăieturi, mișcare de cadru, text animat.
- Al doilea șablon vizual a fost gata în aceeași zi cu primul, pentru că rețeta stă scrisă într-un fișier, nu în capul meu.
Ce înseamnă, concret, o „fabrică de reels”?
Înseamnă un prompt text și un lanț de pași care nu se sar. Textul se aprobă înainte de voce, vocea înainte de imagine, imaginea înainte de montaj. Fiecare script refuză să pornească dacă etapa dinainte n-a fost aprobată.
Regula nu e cochetărie. Primul video l-am generat cap-coadă, automat: a ieșit de 54 de secunde, greșit pe cinci dimensiuni deodată, și m-a costat 2,65 dolari pe care i-am aruncat. De atunci, nimic nu se generează fără o poartă înainte — aceeași disciplină de verificare pas cu pas cu care am găsit, tot cu dovezi concrete, că propriul server bloca ChatGPT fără să știu.
Care sunt instrumentele și cât costă fiecare?
| Ce face | Instrument | Cost real |
|---|---|---|
| Vocea, dialogul în două voci, alinierea pe cuvânt, muzica | ElevenLabs | câțiva cenți pe reel |
| Chipul care vorbește, sincronizat pe voce | HeyGen Avatar IV | 0,05 $ pe secundă de video |
| Imagini generate pe subiectul frazei | KIE.ai (Nano Banana, z-image) | 0,004–0,02 $ pe imagine |
| Secvențe de stoc | Pexels | gratuit |
| Montaj, efecte, subtitrare, compoziție | ffmpeg + Python, local | 0 |
| Coordonarea întregului lanț | Claude Code | abonamentul lunar |
Cifra care schimbă felul în care gândești producția: costul e chipul, nu vocea. Narațiunea unui reel are vreo 400 de caractere și costă sub cinci cenți. Aceleași 20 de secunde de chip animat costă un dolar. De aici vine o decizie de regie care se vede în video: cardurile de text și replicile puse pe ecran nu costă nimic, deci pe ele se poate insista.
De ce nu las inteligența artificială să facă montajul?
Pentru că nu-l face mai bine, iar la a doua iterație plătești din nou. Am măsurat ce dă fiecare furnizor și am păstrat la mine tot ce se poate face local:
- punch-in pe fiecare tăietură — cadrul intră puțin mai mare și se așază în trei zecimi de secundă;
- zvâcnire pe accent — cuvintele apăsate de voce nu le aleg eu, se citesc din fișierul de aliniere;
- flash de două cadre pe schimbarea de plan;
- subtitrare cuvânt cu cuvânt, sincronizată pe rostire;
- carduri de text care intră cu impact și ies.
Toate rulează în ffmpeg. Costul lor este zero, iar diferența pe care o fac se vede: un reel fără stratul acesta are peste 70% dintre cadre practic identice cu precedentul. Cu el, sub 60% — adică în zona în care se află referințele profesionale pe care le-am măsurat.
Cum arată o decizie de regie, în practică?
Nu se decide din vorbe. Se randează variantele și se compară pe același material.
Așa am ales subtitrarea. Patru variante peste același cadru, la aceeași scară, în aceeași secundă. A câștigat cea cu fundal întunecat, pentru un motiv practic: pe secvențele luminoase, conturul negru al literelor nu mai ajunge, iar pe telefon mulți se uită fără sunet — subtitrarea nu e decor, e conținutul.
Cât de greu a fost să trec de la primul șablon la al doilea?
Aici e partea care contează pentru oricine vrea să repete lucrul acesta. Primul șablon — un om care vorbește la cameră, cu inserturi — a necesitat 6 ore de lucru in Claude Cowork. Al doilea a luat numai 2 ore, deși are în el dialog în două voci, carduri animate, casetă pe fundal și muzică.
Motivul e simplu: rețeta primului șablon a fost scrisă într-un fișier, nu ținută minte. Ce voce, ce model, ce viteză, unde se taie, cum se încadrează, ce se aprobă și în ce ordine. Al doilea șablon a pornit din același fișier, cu alte valori.
Ce s-a schimbat între ele:
- O voce a devenit două. Întrebarea o pune o voce feminina, răspunsul îl dau eu. Se distinge cine vorbește fără nicio etichetă pe ecran.
- Vocea mea e acum clonată. Am citit trei minute de text și am comparat două variante tehnice pe același material, ascultându-le. Textul e scris la persoana întâi, despre ce am pățit eu — nu un narator închiriat care spune „site-ul meu” dar povestește experiența altcuiva.
- Fundalul a căpătat înțeles. Fiecare secvență are în spate altceva, legat de ce se spune atunci.
Când vorbesc despre cererile respinse din logurile serverului, în spate se desenează o rețea în care majoritatea legăturilor sunt roșii. Când spun „ușa în nas”, în spate se închide o ușă — sincronizată pe cuvânt, nu din ochi: momentul e citit din fișierul de aliniere a vocii.
Ce am greșit până a ieșit
Trei lucruri, toate plătite:
Am testat pe API-uri plătite cu parametri inventați. De două ori. Un model cu identificator corect și parametri minimi nu dă eroare — pornește și te taxează. M-a costat 0,98 dolari pe fișiere pe care nu le-a folosit nimeni. Regula de acum: se testează numai cu etape reale de producție.
Am pierdut lucru deja plătit pentru că procesul a murit înainte să salvez identificatorul sarcinii. Furnizorul nu are cum să-ți listeze ce ai comandat. Acum identificatorul se scrie pe disc în clipa creării.
Am imitat simptomul, nu cauza. Am măsurat că referințele profesionale au centrul cadrului mult mai luminos decât marginile și am pus o vinietă. Arăta prost. Diferența nu venea dintr-o întunecare pusă peste imagine, ci din compoziție: fundal întunecat, cu filmarea într-o casetă mai mică.
Ce NU face fabrica aceasta
Nu scrie textul în locul meu. Scriptul se taie din articol conversațional, frază cu frază, pentru că hookul e singura parte care nu se automatizează.
Nu garantează vizualizări. Primul reel a făcut 611 vizualizări în prima zi; nu știu încă dacă vreuna s-a transformat în ceva. De aceea linkurile din descriere poartă etichetă, ca să se vadă în Analytics.
Nu înlocuiește filmarea reală. Un om care vorbește în fața camerei rămâne mai bun decât o fotografie animată. Fabrica rezolvă altceva: publici constant, din ce ai scris deja, fără să blochezi timp pentru filmare.
Și nu e magie: 80% din rezultat e montaj clasic. Inteligența artificială face vocea, chipul și câteva imagini. Restul e muncă de editor, doar că o face un script. Regizorul sunt tot eu — exact ideea din ce rămâne pentru oameni când munca o fac agenții AI: agentul execută, omul decide.
Ce poți face cu informația aceasta
Dacă ai articole scrise și nu ajungi să faci video din ele, lucrul care se automatizează e exact acesta: textul, vocea, montajul, subtitrarea, urcarea pe trei rețele (sau mai multe). Decizia de conținut și aprobarea la fiecare pas ramane sa le iei tu singur.
Construiesc genul acesta de linie de producție și pentru firme — nu ca produs de raft, ci pe fluxul care există deja la tine. Dacă vrei să vezi cum se ține un asemenea lanț în frâu, cu porți de aprobare și cu costul afișat înainte de fiecare pas, exact acest lucru îl predau la cursul de AI: cum pui agenții la muncă pe procesele tale, nu cum le ceri să fie creativi.
Sunt inginer, lucrez cu sisteme de treizeci de ani și am scris SimpluSPV, folosit azi de firme și de contabili. Fabrica de reels e construită în același fel în care lucrez de obicei: măsor, notez cifrele și public și partea în care m-am înșelat.
Întrebări frecvente
Cât costă, în total, un reel?
Între 0,78 și 1 dolar la furnizori, pentru un video de 20–25 de secunde publicat pe trei rețele. Costul e dominat de secundele de chip animat: aproximativ 0,05 dolari pe secundă. Cardurile de text, subtitrarea, montajul și efectele nu costă nimic, pentru că rulează local.
De ce nu folosești un singur instrument care face tot?
Le-am încercat. Instrumentele integrate au fluxuri creative bune, dar cele mai multe nu au încă interfață de programare pentru automatizare, deci ar trebui să lucrez manual în ele. Iar componentele lor nu le aparțin: modelele de imagine și de video sunt aceleași la care am acces direct.
Cât durează să faci un reel după ce linia e construită?
Timpul meu se duce aproape tot în aprobări: citesc textul, ascult vocea, mă uit la video. Generările propriu-zise rulează în fundal. Scrisul scriptului se face conversațional. Nu am scris o linie de cod in acest proces.
Ai nevoie să știi să programezi?
Ca să folosești fabrica de reels, nu — comenzile le dă agentul. Ca să o construiești, nu: desi sunt vreo cincisprezece scripturi care se cheamă unul pe altul, plus reguli de montaj scrise în ffmpeg, toate au fost scrise si utilizate de Claude.
Se poate face același lucru pentru o firmă care n-are articole?
Fabrica pornește dintr-un text deja scris. Tu spui ce sa construiasca si fabrica o face.
