TL;DR

GoraGen — SaaS platforma AI vaizdo įrašų generavimui. Vartotojas užsiregistruoja, gauna kreditų balansą, pasirenka personažą iš bibliotekos arba ištreniruoja savo, žodžiais aprašo sceną — platforma sugeneruoja vaizdo įrašą, automatiškai įvertina kokybę, kartoja procesą iki priimtino rezultato ir padeda paskelbti įrašą socialiniuose tinkluose pagal tvarkaraštį.

GoraGen — ką daro platforma

Kam to reikia

Turinio kūrėjams, rinkodaros specialistams, agentūroms ir nepriklausomiems pardavėjams, kuriems reikia reguliariai gaminti vaizdo turinį, bet trūksta laiko, biudžeto ar įgūdžių filmavimo procesui. AI vaizdo įrašai apima diapazoną nuo 5 sekundžių vertikalių klipų TikTok/Reels iki daugiakadrių istorijų.

Pagrindinis skausmas, kurį sprendžia platforma: AI vaizdo įrašų kokybė šiandien — tai loterija. Tas pats promptas gali duoti puikų rezultatą arba visišką šlamštą. Profesionalus AI videografas paleidžia generavimą 5–15 kartų su skirtingais parametrais, įvertina vizualiai ir išrenka geriausią. GoraGen tai automatizuoja — tarp generavimo ir vartotojo atsistoja Gemini, kuris vertina rezultatą pagal objektyvius kriterijus ir pats nusprendžia: palikti, bandyti dar kartą su kitais parametrais, ar pripažinti, kad šis modelis nesusitvarko, ir perjungti į kitą.

Vartotojo kelionė

1 žingsnis. Registracija ir kabinetas

Registracija per el. paštą — slaptažodis šifruojamas Argon2. Po registracijos sukuriamas workspace (komandos darbo erdvė) ir vartotojas gauna welcome-credit. JWT slapukai nustatomi .goragen.com domenui, todėl landing, dash ir admin dalijasi sesija.

Kabinete (apps/dash) — pagrindinis ekranas su kreditų balansu, naujausiomis generacijomis ir patarimais. Iš kabineto pasiekiama: personų biblioteka, scenarijų konstruktorius, generacijų istorija, LoRA treniravimas, balso klonavimas, distribution į socialinius tinklus, atsiskaitymai.

2 žingsnis. Personos pasirinkimas

Persona — tai virtualus „aktorius“: išvaizda, drabužių stilius, manieros. Sistemoje yra trys personų šaltiniai: — System personas — platformos paruoštos personos (vyrai, moterys, įvairaus amžiaus, įvairių stilių). — Workspace personas — pritaikytos, sukurtos workspace viduje. — Mine — tos, kurias vartotojas pats ištreniravo per LoRA-wizard.

Kiekviena persona turi „lookbook“ — sugeneruotų kadrų rinkinį peržiūrai. Ir „presetus“ — paruoštus parametrų rinkinius (kamera, fonai, apšvietimas), kurie veikia būtent su šia persona.

3 žingsnis. Pavienis generavimas

Paprasčiausias kelias: pasirinkai personą, parašei promptą, paspaudei „generuoti“. Po gaubtu:

1. Promptas rusų kalba (jei toks buvo) išverčiamas į anglų per deep-translator.
2. Claude pasirenka tinkamą modelį: WAN 2.2 (judesiui), HunyuanVideo (ilgiems kadrams), LTX 2.3 (image-to-video) — pagal prompto analizę.
3. Per Vast.ai nuomojamas GPU-instance (40–80 GB VRAM priklausomai nuo modelio).
4. ComfyUI workflow renkamas programiškai iš šablonų, įstatant LoRA modelius (jei persona juos naudoja).
5. Užklausa pastatoma į eilę nuotoliniame ComfyUI, progresas srautu siunčiamas klientui per WebSocket.
6. Paruoštas vaizdo įrašas keliauja vertinti į Gemini 2.5 Pro: keturi kriterijai (atitikimas promptui, artefaktai, laikinis nuoseklumas, bendra kokybė), kiekvienas 0–10, plius verdiktas excellent / good / acceptable / poor / regenerate.
7. Jei regenerate arba poor — Gemini siūlo parametrų pakeitimus, generavimas paleidžiamas iš naujo. Jei acceptable — padidiname seed vienetu ir kartojame. Jei good/excellent — išsaugome rezultatą ir įrašome kaip receptą į duomenų bazę.

Vartotojas mato visą šį procesą realiu laiku per WebSocket — koks modelis pasirinktas, ant kurio bandymo dabar esame, ką Gemini pasakė.

4 žingsnis. Siužetinės lentos

Daugiakadriams vaizdo įrašams — atskiras režimas. Vartotojas aprašo scenas (sh1: „personažas įeina į kambarį“, sh2: „stambus veido planas“, sh3: „išėjimas pro duris“). Platforma generuoja kiekvieną kadrą, bet negesina Vast-instance tarp jų — siužetinės lentos vykdytojas perduoda keep_instance=True visiems kadrams išskyrus paskutinį. Tai sutaupo 1–2 minutes GPU provisioning kiekvienam kadrui po pirmojo.

Jei siužetinės lentos vykdytojas krenta viduryje proceso — safety net storyboard_runner.py priverstinai užgesina instance, kad nereikėtų mokėti už pakibusį GPU.

5 žingsnis. LoRA treniravimas

Jei vartotojas nori savo personažo — jis įkelia 15–30 nuotraukų, ir platforma treniruoja LoRA modelį naudodama kohya_ss. Žingsniai:

1. BLIP-2 captioning — modelis automatiškai rašo nuotraukų aprašymus.
2. Validation grid — sugeneruojami testiniai kadrai prieš treniravimą, kad būtų galima įvertinti baseline.
3. Paleidžiamas treniravimas Vast-instance su ≥40 GB VRAM — tai užtrunka 45–90 minučių.
4. Po treniravimo — nauja validacinė tinklelė palyginimui.
5. Modelis siunčiamas į R2 saugyklą, metaduomenys — į lora_workspaces lentelę.
6. Persona automatiškai sukuriama vartotojo bibliotekoje su statusu „Mine“.

6 žingsnis. Distribucija

Paruoštą vaizdo įrašą galima paskelbti socialiniuose tinkluose pagal tvarkaraštį. distribution_worker tiksi kas 30 sekundžių, atrenka įrašus, pasiekusius publikavimo datą, ir siunčia juos į socialinę platformą. Captions generuoja Claude iš vaizdo įrašo metaduomenų.

Ekonomika ir kreditai

Kreditai rezervuojami generavimo pradžioje (numatomas kiekis) ir užfiksuojami pagal faktą (faktinės GPU laiko sąnaudos + API iškvietimų kaina). Jei generavimas nepavyksta — kreditai grąžinami. Live-tikeris UI rodo dabartinį spent / reserved / remaining / USD ekvivalentą.

user_daily_spend riboja maksimalias dienos išlaidas — apsauga nuo nekontroliuojamų kaštų, kai kode atsiranda bagų.

Multi-tenant

Platforma yra multi-tenant pagal principą „workspace = komanda“. Viename workspace gali būti keli vartotojai su skirtingomis teisėmis. Visi duomenys izoliuoti pagal workspace: personos, LoRA modeliai, istorija, atsiskaitymai.

Admin rolė mato cross-workspace (palaikymui ir auditui). Visi admin veiksmai logginami į domain_events (append-only event log).