Саммари

🎯 О чём этот конспект: Пошаговый разбор шестиэтапного AI-пайплайна создания вирусных Talking Head видео (Shorts/Reels/TikTok) из длинных подкастов без ручного монтажа. Автор объединяет Claude (с кастомными AI-скиллами), ElevenLabs, консольную утилиту FFmpeg, сервис Submagic и генеративную видеоплатформу Higgsfield через протокол MCP для полного цикла продакшена.

👤 Кому будет полезно: Вайбкодерам, контент-мейкерам, соло-фаундерам и видеоредакторам, которые хотят автоматизировать производство коротких видео, генерировать брендовые анимации в стиле Vox и сократить время монтажа с двух дней до одного часа.

✨ Что получите: Готовую архитектуру связки инструментов (ElevenLabs + Claude + FFmpeg + Submagic + Higgsfield MCP + NLE-редактор), промпты для планирования удержания аудитории и инструкции по генерации согласованного моушн-дизайна с помощью AI.

1. Точный клиппинг длинных видео через ElevenLabs JSON и Claude с FFmpeg

Контекст: Ручной поиск сильных моментов в двухчасовых подкастах занимает от 2 до 5 часов: нужно отслушать материал, выписать хуки, отследить логику повествования и вручную проставить таймкоды. «Из коробки» Claude не умеет смотреть видео и не понимает специфику вирусного удержания в соцсетях. Чтобы решить эту проблему, видео транскрибируется в машиночитаемый JSON-формат с посекундными таймстемпами для каждого слова. Затем Claude, обученный на правилах драматургии хуков и сторителлинга, анализирует текст, выбирает лучший фрагмент и вызывает CLI-утилиту FFmpeg, нарезающую исходное видео без запуска тяжелого софта для монтажа.

Тайминг: [00:40], [01:23], [01:47]

Выгода: Сокращение времени отбора и черновой нарезки материала с 3–4 часов до 5 минут. Исключается необходимость вручную пересматривать видео и экспортировать черновые куски из Premiere Pro.

Как применить:

• Шаг 1: Извлечение транскрипта с таймкодами — ElevenLabs Speech to Text] — Перейдите в раздел Speech to Text в ElevenLabs, загрузите видео или аудио длинного подкаста. После завершения распознавания нажмите кнопку Export и выберите формат .json. Это сохранит точные таймкоды каждого слова.
• Шаг 2: Создание навыка клиппера — Claude] — Чтобы Claude отбирал клипы как профессиональный редактор, передайте ему правила отбора хуков и драматургии коротких видео, упаковав их в инструкцию (Skill/Project Instructions):

Ты — профессиональный short-form видеоредактор и эксперт по вирусным видео.
Твоя задача — проанализировать входящий JSON-транскрипт подкаста и выделить 3 самостоятельных фрагмента (Shorts/Reels) длительностью от 30 до 60 секунд.
 
Критерии отбора:
1. Сильный хук в первые 3 секунды: парадоксальная мысль, спорный тезис или вопрос, вызывающий разрыв шаблона.
2. Целостная история: тезис -> аргумент/пример -> итоговый инсайт (панчлайн).
3. Отсутствие вводных слов, "воды" и контекстных привязок к другим частям подкаста.
4. Точные таймкоды начала и конца (Start Time / End Time) строго по предоставленному JSON.
 
Выведи скрипт каждого варианта с указанием таймкодов начала и конца каждого предложения.

• Шаг 3: Нарезка через FFmpeg — FFmpeg / Claude Code] — Загрузите JSON в Claude и выберите лучший вариант клипа. Используйте команду FFmpeg для вырезки нужного диапазона без пережатия видеопотока (stream copy):

ffmpeg -ss 00:14:22 -to 00:15:18 -i raw_podcast.mp4 -c copy short_rough_cut.mp4

Результат: Готовый черновой .mp4 файл с цельным вирусным фрагментом, нарезанный с точностью до миллисекунды за несколько секунд.

2. Генерация динамических субтитров с сохранением удержания через Submagic

Контекст: Talking Head видео без текста теряют до 70% аудитории в лентах соцсетей, так как большинство пользователей смотрят рилсы с выключенным звуком. Стандартные статичные субтитры не удерживают внимание и выглядят дешево. Динамические анимированные субтитры выступают якорем внимания: они подсвечивают ключевые слова цветом, меняются синхронно с ритмом речи и удерживают фокус на спикере в моменты пауз.

Тайминг: [02:35], [02:51], [02:88]

Выгода: Повышение досмотра видео (Retention Rate) на 30–50% за счет визуальной стимуляции при беззвучном просмотре.

Как применить:

• Шаг 1: Автоматическая транскрипция — Submagic] — Перейдите в Submagic, создайте проект (Create project), нажмите Generate captions и загрузите черновой отрезок short_rough_cut.mp4.
• Шаг 2: Настройка типографики и стилей — Submagic] — Выберите пресет субтитров Kali 2. Нажмите Customize и выставьте параметры брендового стиля:
  • Font: Poppins
  • Weight: Light (или Medium под плотный фон)
  • Size: 28
• Шаг 3: Экспорт видеоряда со вшитыми субтитрами — Submagic] — Проверьте корректность распознавания имен и терминов, затем нажмите Export и скачайте отрендеренный файл с «запеченными» субтитрами.

Результат: Базовый видеоролик с читабельными, динамично сменяющимися субтитрами, готовый для наложения графических перебивок.

3. Режиссура удержания: Разметка скрипта на «сцены ценности» и «зоны отдыха»

Контекст: Типичная ошибка новичков — забивать графикой каждую секунду ролика, либо оставлять только говорящую голову. Профессиональный монтаж строится на психологии восприятия: зрителю требуются смысловые визуализации (графики, метафоры, сцены) на ключевых тезисах, чтобы закрепить сложные концепции, и «паузы отдыха» (чистое видео спикера с субтитрами), чтобы установить эмоциональную связь с автором. Claude настраивается как арт-директор: он анализирует построчный текст и распределяет слои внимания.

Тайминг: [03:13], [03:36], [04:12], [04:58]

Выгода: Исключение хаотичного визуала. Видео получает профессиональный темпоритм топовых продакшенов без ручного написания режиссерского тритмента.

Как применить:

• Шаг 1: Создание системного промпта арт-директора — Claude] — Обучите Claude архитектуре удержания внимания, используя правила анализа текста:

Ты — лид-режиссер монтажа вирусных коротких видео.
Проанализируй скрипт ролика построчно и составь подробную монтажную карту визуального ряда.
 
Правила драматургии внимания:
1. Хук (0-3 сек): Только спикер + субтитры. Никакой лишней графики, зритель должен сфокусироваться на лице и голосе.
2. Сложная абстрактная мысль / ключевой тезис: Назначай графическую анимацию или иллюстрацию метафоры.
3. Эмоциональные реплики / переходы: Оставляй чистый Talking Head с субтитрами («зона отдыха»), чтобы зритель не перегружался визуалом.
4. Перечисления (1, 2, 3): Используй формат разделения экрана, плашек или текстур (например, разорванная бумага в стиле Vox).
5. Финальный вывод: Фокусный акцентный кадр с ключевой фразой на экране.
 
Формат вывода — таблица:
| Таймкод (начало-конец) | Строка скрипта | Тип отображения (Субтитры / Анимация) | Описание визуала и метафоры |

• Шаг 2: Генерация монтажного плана — Claude] — Отправьте расшифровку отобранного шортса в чат с активированным навыком.
• Шаг 3: Валидация сцен — Claude] — Убедитесь, что анимации назначены только на смысловые пики (в среднем 4–7 анимаций на 45-секундный ролик).

Результат: Посекундная таблица раскадровки, где зафиксировано, на каких секундах спикер остается в кадре один, а где выводятся визуальные метафоры.

4. Консистентный моушн-дизайн через Pinterest и Higgsfield MCP

Контекст: Генерация видео через ИИ часто превращается в «кашу», если сразу запускать генерацию движений: нейросети искажают лица, меняют стили и тратят дорогие кредиты впустую. Кроме того, Claude сам по себе не умеет рисовать. Для создания единой брендовой эстетики используется двухэтапный подход: сначала генерируются статичные мокапы каждого кадра в единой палитре, и только после утверждения композиции они анимируются. Связка Claude с платформой Higgsfield через открытый протокол MCP (Model Context Protocol) позволяет текстовой модели напрямую отдавать команды графическим диффузионным сетям.

Тайминг: [04:80], [05:25], [05:50], [06:05]

Выгода: Снижение расходов на генерацию видео в 3–5 раз за счет утверждения статических кадров до анимации. 100% соблюдение дизайн-кода (цвета, шрифты, настроение) по всем сценам ролика.

Как применить:

• Шаг 1: Подключение Higgsfield MCP к Claude — Claude Desktop / MCP] — Настройте коннектор Higgsfield в конфигурационном файле Claude:
• Шаг 2: Сбор мудборда стиля — Pinterest / Figma] — Соберите 10–15 референсов графического стиля. В кейсе автора: минималистичный стиль с доминирующим белым фоном и глубоким синим акцентным цветом (white & blue tech aesthetic).
• Шаг 3: Передача дизайн-кода и генерация мокапов — Claude + Higgsfield] — Загрузите изображения-референсы в Claude и запустите генерацию раскадровок через модель Nano Banana:

Изучи прикрепленные референсы брендинга: минималистичная 2D/3D графика, чистый белый фон, глубокие синие акценты (#0055FF), типографика без засечек, легкие тени.
Используя инструмент Higgsfield (модель Nano Banana), сгенерируй статичные мокапы в соотношении 9:16 для следующих сцен из нашей таблицы:
1. Сцена 1: Человек работает один в пустой минималистичной комнате перед экраном.
2. Сцена 2: Очередь одинаковых серых людей, один ярко выраженный силуэт делает шаг в сторону, надпись "Extraordinary".
3. Сцена 3: Метафора плохого лайфстайла и зависимостей в инфографичном виде.
4. Сцена 4: Стилизованный персонаж в стиле журнального коллажа разрывает лист бумаги.

Результат: Пакет статичных высокодетализированных изображений (9:16) в строгом соответствии с гайдлайнами бренда, готовых к оживлению.

5. Оживление сцен с помощью Higgsfield Cance 2.0 и стилистики Vox

Контекст: Сгенерированные картинки необходимо превратить в динамичные видеоперебивки. Простого эффекта параллакса или случайного зума недостаточно: для вирусных видео важна кинематографичность движения камеры, появление текста («write-out effect») и тактильные текстуры (эффект рваной бумаги, стоп-моушн в стиле эксплейнеров Vox). Для этого используется модель генерации видео Cance 2.0 внутри Higgsfield с контролем движения камеры и добавлением встроенных звуковых эффектов (SFX) без наложения фоновой музыки, которая заглушала бы голос.

Тайминг: [06:95], [07:40], [07:80], [08:14]

Выгода: Создание сложных моушн-дизайн шотов за 2–3 минуты на сцену без использования After Effects, ручного маскирования и трекинга слоев.

Как применить:

• Шаг 1: Формирование промптов движения — Claude + Higgsfield] — Задайте Claude правила анимации через модель Cance 2.0. Укажите требование генерировать SFX (звуковые эффекты шагов, свушей, разрыва бумаги), но исключить фоновую музыку.
• Шаг 2: Применение анимационных стилей к сценам — Higgsfield Cance 2.0] — Отправьте промпты на рендеринг 5-секундных отрезков:

Для сцены с разрывом бумаги (Vox Style):
"A dynamic Vox paper cutout style animation. The character tears through a rough white textured paper background to reveal the next concept. Fast-paced camera push-in, subtle stop-motion feel, high contrast blue elements highlighting key typography. Ambient paper tearing sound effects, whoosh sound, no background music."
 
Для сцены с текстом:
"Clean dynamic camera zoom-in centered on the subject. Minimal write-out animation for bold typography appearing seamlessly on the background. Subtle cinematic mechanical sound effects, no background music."

• Шаг 3: Контроль качества и рендеринг — Higgsfield] — Проверьте динамику каждой сцены. Если зум слишком резкий или объект деформируется, скорректируйте параметр motion speed и перегенерируйте шот.

Результат: Набор из 5–7 готовых 5-секундных анимированных футажей со встроенным звуковым саунд-дизайном (SFX), идеально подходящих под сетку таймкодов ролика.

6. Финальная сборка таймлайна в Premiere Pro за 5 минут

Контекст: Когда все компоненты сгенерированы AI (черновик с субтитрами, карта таймкодов, пакет анимаций), этап постпродакшена сводится к механическому переносу файлов на таймлайн. Вместо часов ручной подгонки дорожек, монтажер просто раскладывает сгенерированные блоки по таймкодам из таблицы Claude и балансирует звук.

Тайминг: [08:26], [08:45], [08:55]

Выгода: Финальный монтаж сокращается до 5–7 минут. Сборку может выполнить человек с нулевым опытом работы в видеоредакторах.

Как применить:

• Шаг 1: Размещение базового слоя — Premiere Pro / CapCut / DaVinci] — Создайте вертикальный проект (1080x1920, 9:16). Поместите видео со вшитыми субтитрами из Submagic на видеодорожку V1.
• Шаг 2: Расстановка перебивок по тайм-кодам — Premiere Pro] — Откройте таблицу, сгенерированную Claude на Шаге 3. Перетащите каждую анимацию на дорожку V2 строго в указанные диапазоны секунд.
• Шаг 3: Наложение музыки и сайдчейн/балансировка — Premiere Pro] — Добавьте фоновый трек на аудиодорожку A2. Установите уровень громкости на -20 dB (или настройте Ducking под голос на A1), чтобы музыка звучала фоном и не перебивала голос спикера и встроенные SFX анимаций.
• Шаг 4: Экспорт — Premiere Pro] — Экспортируйте проект в формате H.264 / MP4 (Match Source — High Bitrate).

Результат: Готовый вирусный ролик экспертного качества с Talking Head спикером, динамическими субтитрами, брендовыми анимациями в стиле Vox и саунд-дизайном.

FAQ

В: Зачем экспортировать транскрипт из ElevenLabs именно в JSON, а не в обычном TXT? О: В обычном тексте нет временной разметки. JSON содержит точные таймстемпы начала и конца произношения каждого слова. Благодаря этому Claude видит точное положение сильных фраз внутри 2-часового файла и может скормить эти координаты в FFmpeg для нарезки без ручного поиска таймкодов.

В: Обязательно ли использовать платную подписку Submagic для субтитров? О: Нет, вы можете использовать CapCut, Premiere Pro (Auto-transcribe) или бесплатные открытые решения на базе Whisper. Автор использует Submagic исключительно из-за скорости применения готовых стилей анимации текста (пресет Kali 2) и встроенного авто-выделения ключевых слов.

В: Что такое MCP и зачем подключать Higgsfield к Claude через него? О: MCP (Model Context Protocol) — это открытый стандарт от Anthropic, позволяющий большой языковой модели обращаться к внешним инструментам и сервисам как к функциям. Подключение Higgsfield через MCP дает Claude возможность напрямую отдавать команды нейросетям генерации картинок и видео, исключая ручное копирование промптов туда и обратно.

В: Почему нельзя сразу сгенерировать видео через Higgsfield, минуя этап создания мокапов? О: Прямая генерация видео без опорного кадра дает непредсказуемый результат: персонажи мутируют, стилистика кадров распадается, цвета «гуляют». Создание статичного мокапа (Image-to-Image / Text-to-Image) фиксирует композицию и палитру с минимальными затратами, после чего видеомодель Cance 2.0 берет готовый кадр за основу и просто добавляет движение.

В: Будет ли этот воркфлоу работать в бесплатных редакторах вместо Premiere Pro? О: Да, на финальном шаге Premiere Pro используется исключительно для drag-and-drop наложения дорожки V2 (анимации) поверх дорожки V1 (видео спикера). Это можно сделать в бесплатном CapCut, DaVinci Resolve или даже через CLI-скрипт FFmpeg.

В: Как добиться консистентности персонажа или графики между разными сценами? О: Передайте Claude строгий мудборд из 10–15 изображений с четко очерченной стилистикой (цветовые HEX-коды, тип освещения, визуальная стилистика). Claude пропишет единые промпты для каждого шота, ссылаясь на общие стилевые маркеры в генераторе Nano Banana.

В: Что делать, если AI-анимации генерируют нежелательную музыку, заглушающую спикера? О: В системных инструкциях для видеогенератора необходимо явно указывать негативный промпт no music, no background melody и запрашивать исключительно точечный саунд-дизайн: only foley sound effects, whooshes, mechanical typing, paper tear SFX.

Ресурсы и ссылки

• ElevenLabs Speech to Text — инструмент транскрибации речи с возможностью экспорта таймкодов слов в JSON — elevenlabs.io
• Submagic — сервис автоматической генерации и стилизации динамических субтитров — submagic.co
• Higgsfield AI — платформа для генерации изображений и видео (модели Nano Banana и Cance 2.0) — higgsfield.ai
• Higgsfield Claude MCP Connector — протокол прямого взаимодействия Claude с генеративными моделями Higgsfield — упомянут в видео
• FFmpeg — консольная кроссплатформенная утилита для быстрой обработки и нарезки видео без потери качества — ffmpeg.org
• Adobe Premiere Pro — NLE-видеоредактор для финальной склейки слоев и балансировки звука — упомянут в видео
• Pinterest — платформа для подбора графических референсов и формирования мудборда брендинга — pinterest.com

Конспект создан на основе видео «How To Edit Viral Talking Head Videos With AI (Full Workflow)» канала Joseph / Ultimate Editors. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=WcMOCtas1pg