Плагины OpenAI API и FFMPEG для ZennoPoster: новый уровень автоматизации

[vicos]

В этой статье хочу поделиться своим практическим опытом использования возможностей искусственного интеллекта в проектах ZennoPoster и показать, как с его помощью можно упростить, ускорить и сделать автоматизацию значительно удобнее.

Коротко о проекте

Основой для этой статьи стал наш собственный проект — браузерное расширение для Google Chrome, которое показывает степень страха и жадности прямо на страницах крупнейших криптовалютных бирж.
Идея проекта простая и практичная: пользователь получает возможность видеть рыночное настроение прямо там, где он анализирует графики и следит за движением цены, без необходимости переходить на сторонние сервисы и вручную искать аналитику.

После запуска проекта перед нами встал вполне логичный вопрос — как его продвигать.
Одним из основных каналов мы выбрали X.com, потому что именно там сосредоточена активная криптовалютная аудитория: трейдеры, аналитики, энтузиасты и пользователи бирж, которые постоянно следят за рынком и ищут новые полезные инструменты.
Именно под эту задачу и был собран шаблон автоматизации, о котором пойдёт речь дальше.

Обзор плагинов

При создании шаблона я использовал плагины собственной разработки.
Почему именно плагины? Потому что в реальной работе очень многие функции и логические блоки постоянно повторяются. Когда одни и те же действия приходится использовать снова и снова, гораздо удобнее один раз вынести их в отдельный инструмент, чем каждый раз собирать всё заново внутри шаблона.
Такой подход делает шаблоны чище, логику понятнее, а саму автоматизацию — удобнее в поддержке и масштабировании.
В рамках данного кейса основными стали два плагина:

• OpenAI API — для генерации текстового контента;
• FFMPEG — для автоматической сборки видео.

Оба плагина были написаны на C#, что позволило гибко реализовать нужную логику и адаптировать её под задачи проекта.

Плагин OpenAI API

Первый плагин — OpenAI API, и именно он отвечает за работу с текстовым контентом.
С его помощью мы:

• генерируем посты для X.com;
• создаём комментарии;
• получаем текстовые обзоры на основе визуальных данных;
• используем возможности искусственного интеллекта для ускорения и масштабирования продвижения.

То есть вместо того, чтобы вручную писать каждый пост и подстраивать текст под текущую ситуацию, мы передаём в плагин нужный контекст, данные и промпт — и на выходе получаем уже готовый материал.
Это экономит время, ускоряет выпуск контента и позволяет тестировать разные форматы подачи.
По сути, этот плагин выполняет роль интеллектуального текстового движка внутри шаблона.

Плагин FFMPEG

Второй плагин — FFMPEG.
Изначально он создавался как универсальный инструмент для разных задач, связанных с видео, но в рамках этого проекта используется для создания коротких вертикальных роликов на основе скриншотов экрана.

Логика здесь простая: сначала шаблон делает серию скриншотов, затем эти изображения автоматически собираются в видео, которое уже можно использовать для публикации.
Такой формат особенно удобен для социальных сетей, поскольку короткие вертикальные ролики воспринимаются лучше обычных статичных изображений и делают подачу проекта более живой.
Как и в случае с первым плагином, здесь также использовался C#, что позволило гибко управлять логикой сборки и адаптировать решение под нужды шаблона.
Таким образом, проект получает не только текстовое, но и визуальное продвижение.

Настройки шаблона

В настройках шаблона заранее задаются все основные параметры, необходимые для работы автоматизации:

• промпты;
• пути к нужным файлам и директориям;
• ID профиля в ZennoBrowser;
• ID нашего расширения.

Функционал шаблона

Теперь коротко о том, как всё работает на практике.
Сначала устанавливается наше расширение и запускается инстанс браузера Chromium.
После этого шаблон поочерёдно открывает страницы с заранее заданными криптовалютными парами.
На каждой из этих страниц выполняется скриншот сайд-панели, на которой отображается работа расширения и все основные показатели.
Таким образом, уже на первом этапе мы автоматически получаем готовую визуальную базу для дальнейшей публикации контента.


Анализ скриншотов через OpenAI

После того как скриншоты получены, в работу вступает плагин OpenAI API.
Он передаёт изображения по API в OpenAI, где в соответствии с заранее заданным промптом выполняется анализ визуальных данных.
На выходе мы получаем готовый обзор текущей ситуации, показанной на скриншотах.
То есть система автоматически превращает визуальную информацию в структурированный текстовый контент, который затем используется для публикации.
Именно это позволяет значительно сократить ручную аналитику и ускорить процесс подготовки материалов для X.com.

Работа в ZennoBrowser

Вся дальнейшая работа уже происходит непосредственно в ZennoBrowser.
Мы используем именно этот вариант, потому что работаем с облачным инстансом, где важно, чтобы профиль браузера всегда оставался стабильным и неизменным.
Это особенно важно в нашем случае, поскольку шаблон работает круглосуточно на сервере. Кроме того, у меня есть всегда возможность войти в этот же аккаунт и с компьютера не подвергая опасности аккаунт.

Результат

В видео к этой статье я наглядно показал, как работает сам шаблон с использованием плагинов, а также какой конечный результат он даёт на практике. Проект всё ещё находится в развитии, но уже на текущем этапе полученные результаты меня вполне устраивают.

Почему это действительно удобно

Если вспомнить времена, когда для генерации текстов приходилось писать длинные спинтаксы, вручную продумывать десятки вариантов подачи и усложнять шаблоны ради более-менее живого текста, то становится особенно заметно, насколько сильно искусственный интеллект упростил эту задачу.
Сегодня многие процессы, которые раньше занимали много времени, можно решать быстрее, проще и эффективнее.
Но не менее важную роль здесь играет и сам подход к построению автоматизации.
Использование плагинов даёт значительно больше возможностей и позволяет унифицировать большинство задач, делая автоматизацию удобнее, понятнее и проще в поддержке.

Заключение

В рамках данного проекта плагины OpenAI API и FFMPEG показали себя как действительно полезные инструменты, которые позволяют заметно расширить возможности ZennoPoster и вывести автоматизацию на новый уровень.
С их помощью удалось собрать удобный рабочий процесс, который включает:

• получение визуальных данных;
• анализ ситуации;
• генерацию текстового контента;
• создание видео;
• и последующее продвижение проекта через X.com.

Для меня это ещё один хороший пример того, как правильно вынесенная логика в плагины может не просто упростить конкретный шаблон, а стать основой для более серьёзной и масштабируемой системы автоматизации.