Всем привет! Это Денис Сметнев. Я тут рассказываю про вайбкодинг, про то, как один человек теперь может заменить команду, и как узкое горлышко переместилось из разработки в сторону маркетинга. При этом я наставник у ребят, которые пилят SaaS, но не справились бы без разработчиков. Речь про Reels-Boss — сервис, который нарезает длинные видео на вирусные вертикальные куски для Shorts, Reels и TikTok. Рассказываю, как ребята втроем обслуживают 50 000 клиентов и почему вайбкодеры не справятся с таким сервисом.

Контент-завод, который стал стартапом

Когда ребята только начинали, то думали, что делают простой сервис на нейронках. Но чем глубже погружались в проект, тем яснее понимали: здесь не сработает обычный промпт для Claude Code, и все это не собрать на коленке за вечер.

Суть продукта проста на словах: пользователь загружает двухчасовой подкаст, а сервис превращает его в несколько десятков потенциальных шортсов. Происходит это не мгновенно, как иногда обещают маркетологи в рекламе некоторых сервисов: двухчасовое видео обрабатывается примерно 30–90 минут. Скорость зависит от размера исходника, количества спикеров и насыщенности контента.

При этом на выходе нет фиксированного числа роликов. Сервис не режет видео механически через равные интервалы, а отбрасывает повторы, оборванные мысли и фрагменты без понятной развязки. Иногда из двух часов видео можно сделать только 8 законченных фрагментов, а можно и несколько десятков.

Важно и то, что нарезку можно дорабатывать. Доступны разные вертикальные композиции и кадрирование, стили и положение субтитров, заголовки и типографика, музыка, B-roll, водяные знаки и аутро, а в некоторых режимах — переходы и дополнительные визуальные эффекты. При этом не нужно повторно анализировать все исходное видео: изменения применяются уже к выбранному клипу.

«Начиналось все вообще не с идеи “давайте сделаем стартап”, а с, прости господи, контент-завода. Если коротко, это инфраструктура с фермами аккаунтов, которую нужно было постоянно кормить контентом. Чтобы не тратить кучу денег на монтажеров, они написали для себя внутренний софт по нарезке видео».

Сайта не было, но однажды ребята для удобства причесали интерфейс, прикрутили платежку и... забыли об этом.

Прошло месяца четыре. Команда занималась своими задачами, и тут заметили странное — в кабинете висят платежи. Люди сами находили этот внутренний инструмент, регистрировались и платили деньги. Это было удивительно, но в итоге парни направили фокус на этот проект, и с этого момента начался отдельный продукт.

Вайбкодинг хорош, пока не приходят живые пользователи

Уже писал, что вайбкодинг ускоряет MVP, но Reels Boss — это наглядный пример того, где заканчивается магия ИИ-кода и начинается суровая инженерия.

Когда пользователь закидывает видео, для него все просто: вот подкаст, а вот десять роликов с хайлайтами. Но под капотом в этот момент последовательно и частично параллельно работает каскад моделей, детекторов и классических алгоритмов обработки видео.

Вайбкодинг может собрать демо: загрузить MP4, распознать речь, попросить LLM выбрать интересные абзацы и вырезать их через FFmpeg. Но production-сервис — это не сумма API-вызовов. Каждая модель возвращает гипотезу, а не гарантированно правильный ответ. Ошибка распознавания сдвигает границу фразы, из-за этого модель теряет контекст, кадрирование переключается на другого человека, а субтитры попадают уже на следующую сцену.

Поэтому между моделями нужен инженерный слой: единая временная шкала, проверка границ по словам и сценам, устранение дублей, оценка уверенности, безопасные fallback-сценарии и контроль качества результата.

На двухчасовом видео добавляется еще одна проблема: его нельзя просто отправить целиком в одну модель. Исходник нужно разбить на части, сохранить контекст между ними, обработать части параллельно, а затем собрать результат без повторов и оборванных мыслей. На масштабе нужны очереди, контроль GPU-памяти, повторные попытки, продолжение с последнего успешного этапа, мониторинг и защита от повторного списания денег. ИИ способен написать отдельные функции, но он не знает заранее, какие странные файлы принесут реальные пользователи и как ошибки нескольких вероятностных моделей будут усиливать друг друга.

Вот что происходит на самом деле:

• Диаризация. Если в кадре два человека, нужно разделить голоса, и нейронка должна понять, кто именно говорит в этом моменте.

• Элайнмент. Модель распознает текст, а также расставляет тайминг, чтобы при монтаже не было рассинхрона.

• Анализ сцен. Нейронка должна понять, крупный план сейчас или дальний, говорит человек в кадре или просто сидит с умным лицом.

• Выбор момента. LLM не детерминирована, и если два раза скормить ей один и тот же текст, она выдаст разные результаты. Поэтому нужно заставить нейронку стабильно выбирать виральные куски, а не случайный набор слов, и это отдельная боль.

А теперь представьте, что все это должно работать на тысячах видео в день. Для этого нужны GPU-кластеры, правильная архитектура БД и умение параллелить задачи.

Антон из Reels-Boss, кстати, ведет свой канал про вайбкодинг, но признается, что в этом проекте было трудно даже ему, хотя за плечами большой опыт в разработке:

«Я писал высоконагруженные системы для высокочастотной торговли. Там важны наносекунды и длина провода до биржи. Я думал, что это сложно. А здесь я просто охренел, насколько это оказалось тяжелее».

Вайбкодинг хорош, пока все идет по сценарию, но как только появляются живые пользователи с их «уникальным» контентом, начинаются сложности.

Пример кейса из саппорта: «Субтитры не совпадают со звуком». В 99% случаев все работает, а тут нет. Полдня парни искали проблему, и оказалось, что пользователь загрузил видео, где звуковая дорожка была перемонтирована отдельно от видео. Внутри контейнера был рассинхрон на уровне метаданных. Может ли это предусмотреть человек, который собрал MVP через Claude? Скорее всего, на выходе будет сервис, который утонет в клиентском негативе.

Есть и другие классы проблем, которые сложно вообразить заранее.

Например, запись Zoom с сеткой участников и демонстрацией экрана. Детектор лиц находит всех правильно, но самое крупное лицо может принадлежать слушающему, а реальный спикер находится в маленьком окне. Поэтому недостаточно «найти лицо»: нужно сопоставить голос и человека, понять раскладку кадра и сгладить переключения, чтобы камера не прыгала на каждое «угу».

Другой случай: тишина, музыка или шум в длинном видео. Распознавание речи иногда генерирует правдоподобную фразу, которой в исходнике не было. Следующая модель видит хороший текст и может выбрать его как «вирусный момент». Поэтому результат приходится сверять со звуком, учитывать уверенность распознавания и отдельно проверять границы каждого фрагмента.

«При этом я думаю, что с помощью вайбкодинга можно сделать MVP-шку такого сервиса, но до первых юзеров. А дальше все пойдет по одному месту, и надо будет привлекать человека, который разбирается в архитектуре, безопасности и базах данных».

Три человека, ИИ-агенты и 50 000 клиентов

В команде Reels-Boss сейчас три человека. Основатель-инженер, его партнер по коммуникациям и бизнес-ассистент, но при этом у них больше 50 000 зарегистрированных пользователей.

Команда справляется, потому что использует ИИ-агентов, которые заменяют сотрудников. Я писал, что теперь важно не только сделать сервис, а продать его, то есть организовать маркетинг. С этой задачей вайбкодинг как раз отлично справляется.

Например, ребята раньше платили агентству 40 000 рублей в месяц за настройку контекстной рекламы. Агентство вело десятки клиентов и смотрело на кампании раз в неделю. В результате на вложенный рубль возвращалось 43 копейки, то есть кампания уходила в минус.

Тогда они собрали своего агента, который подтягивает данные из Яндекс Директа и Метрики, анализирует метрики, ищет аномалии и передает рекомендации в LLM. Работает через API с DRY_RUN по умолчанию (то есть ничего не меняет сам без подтверждения) и sandbox-режимом.

Результаты за две недели:

• Старая кампания (от агентства): 8 недель, 210 000 ₽ потрачено, вернулось 89 000 ₽. 33 оплаты.

• Новая кампания (от ИИ-агента): 2 недели, 20 000 ₽ потрачено, вернулось 33 000 ₽. 8 оплат. ROAS вырос в 4 раза.

Агент не устает, не уходит на больничный и каждый день парсит поисковые запросы, чтобы докидывать минус-слова. Раньше их было 77, стало 1 400.

Кто использует сервис и сколько это стоит

На западном рынке полно конкурентов, которые зарабатывают десятки миллионов долларов в месяц. Но они заблокированы в России, поэтому нужен ВПН и зарубежная карта. Это и создало окно на нашем рынке: ребята c августа 2025 года почти год работали без конкурентов.

«Сейчас у сервиса больше 50 000 зарегистрированных пользователей, которые приносят несколько миллионов рублей выручки каждый месяц. Это эксперты, которые делают длинный контент: юристы, эзотерики, авторы интервью и подкастов. Внушительная часть аудитории стримеры и нарезчики, которые делают вертикальные ролики из фильмов и другого длинного видео. Подключаются и бизнесы, у которых есть свой длинный контент, а также студии производства, например, мультсериалов и видеофильмов».

Когда сервис начал расти, пришли инвесторы. Российский фонд прямых инвестиций оценил проект примерно в 70 млн рублей и предложил 5 млн за 7%. Еще один фонд хотел дать 10 млн за 10%. Ребята отказались — решили пока развиваться на свои.

Сейчас у Reels Boss три тарифа для физиков и корпоративный, когда нужна отчетность. Сервис работает не только с русским видео — можно загружать английский, испанский, португальский. И парни готовятся к выходу на международный рынок.

Подписывайтесь на мой тг-канал. Там я рассказываю про вайбкодинг, маркетинг и про проекты, которым помогаю развиваться и получать клеинтов.