Как в УБТ автоматизируют генерацию TikTok-контента через AI

Параллельно с проблемами в заливах FB и Google интересно наблюдать за тем, что происходит в УБТ. И если вы листаете только Reels или Shorts, то очень многое упускаете.  Пока большая часть УБТшников все еще строится вокруг нарезок, ручного монтажа роликов и бесконечного поиска идей, некоторые уже превращают производство контента в полноценные фабрики.

В этой заметке разберем небольшой кейс баера, который показал систему создания TikTok-постов (именно постов!) за нескольких минут. И самое интересное здесь даже не автоматизация сама по себе, а то, во что эта система еще и учится на паттернах самых залетевших публикаций! Разбираем, как это работает. #длярасширениякругозора

Материал подготовлен арбитражной командой Uragan Team!

Почему ставка именно на TikTok слайды

Сначала это был обычный инструмент для клонирования успешных TikTok-слайдшоу. Потом — библиотека паттернов. А в итоге получился движок, который уже сам предлагает новые посты на основе накопленного опыта. Автор сразу объясняет, почему выбрал не классические короткие видео, а слайдшоу.

Во-первых, они требуют активного вовлечения. Пользователь должен свайпнуть дальше сам. Это уже не автоплей-контент, как обычные видео в ленте, а осознанное действие. Во-вторых, такие посты намного дешевле и быстрее производить через AI. Не нужен монтаж, таймлайн, саунд-дизайн, синхронизация музыки или сложные переходы. Достаточно изображений и текста. В-третьих, слайды проще масштабировать. Один и тот же пайплайн способен генерировать десятки слайдов за то время, пока видео соберет один полноценный ролик.

☝️При этом структура у слайдов почти всегда одинаковая: первый слайд — хук, середина — история, контекст или пруфы и последний слайд — CTA. 

Автор отдельно подчеркивает: все строится вокруг первого слайда. Именно он решает, будет ли пользователь свайпать дальше (америку не открыл, но ладно).

Главная идея системы: не шаблоны, а клоны

Главная идея всей системы — не делать шаблоны “по мотивам”, а максимально точно повторять уже успешный контент. Автор статьи изначально пробовал классический подход: брать вирусные TikTok-посты, разбирать их структуру и пересобирать со стоковыми изображениями из Pinterest. Но такие креативы работали заметно хуже. По его мнению, проблема в том, что успешный TikTok-контент часто цепляет именно своей “реальностью”: живыми фотографиями, настоящим продуктом, естественным светом, деталями кадра и общей атмосферой.

В итоге он полностью отказался от шаблонного подхода и начал практически клонировать удачные посты. Система старается сохранять все, что делает оригинал убедительным: композицию, угол съемки, ритм, свет, расположение текста и общую подачу. Меняется только сам продукт. Главная цель — сделать так, чтобы пользователь вообще не заметил вмешательства или редактирования изображения.

Для этого используется сразу несколько инструментов: GPT Image 2, Nano Banana Pro, Claude и TikTok-скрейперы. Они помогают находить вирусные посты, анализировать их структуру и максимально точно воспроизводить визуал уже под свой оффер. То есть система строится вокруг точного воспроизведения того, что уже доказало свою эффективность в TikTok.

Как выглядела первая версия системы

Первая версия системы была максимально простой. Пользователь вставлял ссылку на успешное TikTok-слайдшоу, после чего система вытаскивала все слайды, анализировала структуру поста, расположение цепляющего заголовка, плотность текста, призыв к действию и ритм повествования. На основе этого она собирала аналогичный пост уже под нужную нишу.

При этом задача заключалась не в том, чтобы улучшать оригинал или придумывать что-то ради оригинальности, а в том, чтобы максимально точно повторять уже рабочую механику. Если оригинал строился на коротких эмоциональных подписях — новая версия делала так же. Если первый слайд держался на одной сильной фразе — система сохраняла этот ритм и подачу.

Такой подход резко ускорил производство контента. Создание самих постов теперь занимало считанные минуты, но быстро появилась другая проблема. Если раньше много времени уходило на сборку креативов, то теперь часами приходилось искать новые удачные примеры, бесконечно листая TikTok в поисках свежих референсов.

Почему библиотека паттернов стала переломным моментом

Дальше автор внес одно из самых важных изменений: он перестал удалять весь анализ после генерации поста. Теперь каждый созданный клон сохранялся вместе с разбором структуры, изображениями, тематическими тегами, историей публикаций аккаунта, цепляющими фразами, призывами к действию и ритмом слайдов.

Спустя пару недель это уже перестало быть обычной папкой с примерами. Сформировалась полноценная библиотека рабочих паттернов, в которой накапливались проверенные структуры, удачные цепляющие заголовки, механики удержания внимания и связки, которые хорошо заходили именно в конкретных нишах.

И система начала сама отслеживать, что уже публиковалось, какие подходы начали выгорать, какие углы подачи повторяются слишком часто, а какие наоборот давно не использовались. Именно в этот момент проект начал превращаться не просто в инструмент для генерации постов, а в полноценный ИИ-движок для массового производства контента.

Когда AI начинает сам предлагать новые TikTok-посты

Следующим этапом система полностью отказалась от зависимости от ссылок на TikTok-посты. Теперь ей уже не нужно вручную скармливать новые примеры. Вместо этого ИИ анализирует всю накопленную библиотеку креативов и самостоятельно предлагает новые идеи для публикаций.

По сути, система получает доступ ко всей истории контента: прошлым структурам, подачам, опубликованным постам и рабочим механикам. На основе этого она сама собирает новые концепции, при этом учитывая внутренние ограничения. Например, не повторять один и тот же подход несколько недель подряд, чередовать подтемы внутри ниши и подбирать изображения под конкретный цепляющий заголовок.

В результате вместо многочасового поиска референсов в TikTok пользователь просто нажимает кнопку “Propose”, получает набор новых идей и выбирает лучшие варианты. На этом этапе ИИ уже не просто помогает делать контент — он превращается в полноценную систему для его постоянной генерации.

Почему автор все равно не автоматизирует все полностью

Отдельно автор подчеркивает, что часть процессов он специально не автоматизирует полностью. И это один из ключевых моментов всей системы. Например, новые аккаунты он ведет вручную, тексты и призывы к действию добавляет прямо внутри TikTok, а идеи перед публикацией всегда проверяет сам.

Причина довольно простая: TikTok очень чувствителен к поведению, похожему на работу ботов. Одинаковое время публикаций, повторяющиеся действия, автоматическая загрузка контента и одинаковые технические следы могут сильно резать охваты. Кроме того, автор считает, что текст, написанный прямо внутри TikTok, работает заметно лучше, чем заранее встроенные надписи на изображениях. Поэтому даже при почти полной автоматизации человек все равно остается финальным фильтром всей системы.

Сервис получает доступ к TikTok-аккаунту для загрузки черновиков

Какой стек используется в итоге и в чем соль данного треда

По сути, вся система строится вокруг TikTok-скрейпера, LLM для анализа структуры постов, ИИ-редактора изображений, библиотеки паттернов, истории аккаунтов и слоя публикации. При этом автор подчеркивает, что порядок здесь критически важен. Сначала должна появиться система клонирования успешного контента, затем — библиотека рабочих паттернов, и только после накопления достаточного объема данных имеет смысл запускать систему, которая сама предлагает новые идеи. Если пытаться перескочить эти этапы, качество контента начинает быстро падать.

Но самое интересное в этой системе — она создавалась не ради банальной экономии времени. Главная задача в другом: убрать узкое место в производстве контента. Когда ИИ берет на себя поиск рабочих структур, генерацию изображений, сборку слайдов, подготовку описаний, хэштегов и большую часть рутинной работы, человек начинает концентрироваться только на действительно важных вещах — цепляющих заголовках, подаче, призывах к действию и понимании того, почему один контент удерживает внимание, а другой нет. 

☝️Вот оно будущее баинга 🙂 То есть не просто делать залив TikTok быстрее, а превращать производство контента в масштабируемую систему, которая становится умнее после каждого опубликованного поста.

На этом у нас все, уверены вы поймали вдохновение! Подписывайтесь на наш Telegram-канал и пишите фидбэк в комментариях ниже, если есть что сказать по теме. Всем профита!