Технокафе собрало видеоэссе кодом: 73 секунды за $10 токенов Claude Code

Автор Telegram-канала «Технокафе» до сих пор делал рилсы на минуту. Теперь он пробует видеоэссе в формате 16:9, где одна тема разбирается по главам. Первая глава длится 73 секунды и посвящена компании из одного человека. Монтажной программы в процессе нет: сценарий, кадры, голос и сцены описаны текстом, а Claude Code на Opus 5.5 превращает это описание в ролик. По оценке автора, работа агента стоила примерно $10 в пересчёте на API, то есть около 1 % недельного лимита подписки Max.

Цифра, на которой держится глава

В основе главы данные Solo Founders Report, который Carta выпустила в декабре 2025 года. В США доля новых стартапов с одним основателем выросла с 23,7 % в 2019 году до 36,3 % в первой половине 2025-го. Это плюс 12,6 процентного пункта, рост примерно в полтора раза за шесть лет. Для канала про вайбкодинг и AI-агентов тезис удобный: цифра описывает ту аудиторию, которая собирает продукты в одиночку с помощью агентов.

В кадре сам автор. Он разбирает, как делит работу между Claude Code, Codex, n8n и Make, показывает отчёт Carta с выделенной цифрой и объясняет пример на пробковой доске. Логика формата простая: рилс держится на одной мысли, а в эссе есть место для примера, цифры с источником и вывода.

Из чего собран ролик и сколько это стоило

Автор перечислил весь стек с ценами:

• Claude Code (Opus 5.5) — оркестратор. Получает текстовое описание сценария, кадров, голоса и сцен и собирает из него видео. Около $10 по API, примерно 1 % недельного лимита Max.
• ElevenLabs (голос) — клон голоса автора, $0,25.
• ElevenLabs (музыка) — саундтрек генерируется там же, цена отдельно не названа.
• Veo 3.1 Lite через Vertex — оживляет фото автора и превращает его в ведущего. $0,80 из кредита Google.
• Volcengine через kie — синхронизация губ, только на фрагментах с лицом. Около $0,50.
• GPT Image через Codex — генерация кадров. Работает по подписке ChatGPT, отдельной платы за изображения нет.
• HyperFrames — монтаж кодом вместо классического редактора.
• SAM 2.1 — вырезает спикера из кадра локально, на видеокарте автора.
• n8n и Make — не входят в пайплайн ролика, а показаны в самой главе как часть рабочего процесса автора вместе с Claude Code и Codex.

Если сложить названные платные статьи ($10 + $0,25 + $0,80 + $0,50), получится около $11,55 за 73 секунды готового видео, примерно 16 центов за секунду. Подписки ChatGPT и Max в эту сумму не входят, а часть расходов покрыта кредитом Google.

Почему важна модульность

Главная инженерная идея в том, что каждая глава живёт отдельно. Длинное видео делается по частям, а одну главу можно переделать, не трогая остальные. Это та же логика, что и в разработке: небольшие независимые модули, которые легко пересобрать. Агент работает с текстовыми описаниями, значит правка сводится к изменению текста, а не к перемонтированию таймлайна.

Масштаб при этом растёт линейно. Десятиминутное эссе — это около восьми глав по 73 секунды. При той же стоимости главы выходит порядка $90–95 за видео без учёта подписок. Это грубая прикидка по цифрам автора: реальные расходы зависят от числа фрагментов с лицом и числа переделок.

Что можно взять в работу

Чтобы повторить подход, не нужен полный стек. Минимальный набор: агент для сборки (Claude Code), генератор изображений (GPT Image через Codex) и код-ориентированный монтаж (HyperFrames). Голос, ведущего и синхронизацию губ добавляют по мере необходимости. Самые дорогие операции — работа самого агента и генерация видео с лицом, поэтому на них стоит экономить: делить сценарий на независимые главы и применять липсинк только к кускам, где человека видно крупно. Если проверять идеи на коротких главах, цена ошибки остаётся в пределах нескольких долларов.

Автор спрашивает аудиторию, стали бы подписчики смотреть такие эссе по 10 или 15 минут, и просит предложить тему для первого выпуска.