Создание блога голосом с помощью ИИ: Telegram, n8n и Gemini

Вкратце

В этой статье я расскажу, как создал автоматизированную систему, которая превращает обычные голосовые сообщения в полностью отформатированные посты для блога на трех языках, используя мессенджер Telegram, платформу автоматизации n8n, искусственный интеллект Google Gemini и веб-фреймворк Next.js. Система создания блога голосом принимает аудио, пишет текст, рисует изображения и публикует черновик на сайте без участия человека. Это технологическое решение позволяет экономить время, развивать личный бренд и быстро публиковать идеи, не теряя их.

Почему я создал автоматизированный блог с переводом голоса в текст?

Мои лучшие идеи редко приходят, когда я сижу за клавиатурой компьютера. Обычно новые мысли появляются в дороге, во время прогулки или после хорошего разговора с кем-нибудь. Превращение этих идей в красивую, легко читаемую статью занимает часы. По этой причине многие ценные мысли нигде не публикуются и забываются.

В то же время мне очень нужен личный блог. Если кто-то ищет мое имя в интернете, он должен видеть, как я отношусь к бизнесу и технологиям. Личный бренд — это актив, который со временем только усиливается. Каждый новый пост на сайте — это еще одна страница, которую могут найти поисковые системы.

Настоящим препятствием было не отсутствие идей, а сам процесс написания. Поэтому я свел проблему к одному главному вопросу: что, если я буду просто говорить, а всю работу, от обработки голоса до готовой веб-страницы, выполнят компьютерные программы и искусственный интеллект? Этот вопрос и побудил меня создать полностью автоматизированную систему.

Как работает система: от Telegram-бота до готового веб-сайта

С точки зрения пользователя автоматизированная система блога работает очень просто. Я открываю своего бота в мессенджере Telegram и нажимаю специальную кнопку старта. Затем отправляю столько голосовых сообщений, сколько захочу. После нажатия кнопки завершения процесса Telegram-бот сообщает, что начал писать. Через пару минут бот присылает мне предварительный просмотр статьи. В этом превью есть обложка, заголовок, краткое описание и первый абзац. Ниже располагаются кнопки публикации или отмены. Для использования системы не нужны никакие сложные редакторы или ноутбук.

Архитектура представляет собой цепочку из семи частей, каждая из которых выполняет одну конкретную задачу. Telegram-бот — это единственный интерфейс, который я использую. Сервис под названием «ngrok» предоставляет моему ноутбуку публичный HTTPS-адрес, чтобы Telegram мог доставлять сообщения прямо на мой компьютер. Внутри платформы для запуска изолированных программ «Docker» работает система «n8n». «n8n» — это движок рабочих процессов, который принимает каждое сообщение и автоматически выполняет шаги.

Для генерации текста и изображений используются две отдельные модели искусственного интеллекта. Модель «Gemini» от Google слушает голосовые сообщения и пишет статью на трех языках. А модель генерации изображений от OpenAI рисует специальные иллюстрации для статьи.

Готовые данные отправляются в программный интерфейс (API) моего веб-сайта, написанного на фреймворке «Next.js». Сайт принимает поступившие данные как черновик. Все посты, изображения и комментарии пока хранятся в локальной базе данных под названием «SQLite». Главное правило заключается в том, что каждое соединение между этими частями осуществляется через простой HTTP-запрос. Благодаря этому любую часть системы можно легко заменить на другую.

Процесс программирования: как ИИ Claude выступил в роли инженера?

Я не писал код этой системы вручную. Я объяснил искусственному интеллекту «Claude» от компании Anthropic, что именно хочу получить. Инструмент «Claude Code» выполнял роль настоящего инженера-программиста на протяжении всего проекта. На стороне веб-сайта «Claude» полностью создал блог. Это включает в себя систему API для создания, чтения, публикации и удаления постов.

Также «Claude» создал систему, которая строго проверяет каждый входящий пост, черновики, возвращающие внешним пользователям код ошибки 404 до их утверждения, и систему изображений, которые раздает сам сайт. Он добавил автоматическую карту сайта для поисковых систем и функцию комментариев, которые можно оставлять через Google.

На стороне автоматизации «Claude» подключился к моей локальной программе n8n через сервер MCP (протокол контекста модели) системы n8n. «Claude» программно собрал рабочий процесс из двадцати четырех узлов. Он загрузил API-ключи напрямую из файла окружения в зашифрованное хранилище системы n8n. В результате ни один секретный ключ не остался открытым в коде. Больше всего мне понравилось то, что перед завершением работы «Claude» полностью протестировал систему и удалил тестовый черновик.

Генерация текста и изображений: как работают модели Gemini и OpenAI?

Модель «Gemini» от компании Google получает все мои голосовые сообщения в одном запросе, в аудиоформате и в правильном порядке. Отдельного шага транскрипции, то есть перевода голоса в текст, нет. Модель «Gemini» одновременно и слушает, и пишет. Этот подход проще и помогает сохранить смысл всей речи в одном месте.

Инструкции, данные модели, короткие, но строгие. «Gemini» должен написать один пост от первого лица моим голосом. Он обязан сохранить мои идеи, мысли и примеры. Ему следует убрать лишние слова, повторы и путаные начала. Он никогда не должен выдумывать факты, цифры или истории, о которых я не говорил. Базовая версия готовится на узбекском языке на латинице.

Ответ искусственного интеллекта принудительно приводится к строгой форме JSON, то есть формату хранения и передачи данных. Эта форма включает в себя заголовок до девяноста символов, описание из одного предложения для результатов поиска, разделы с подзаголовками, теги и идеи ровно для трех изображений. Поскольку форма гарантирована, результат каждый раз идеально вписывается в интерфейс сайта.

Для изображений используется модель DALL-E от компании OpenAI. «Gemini» предлагает три идеи иллюстраций для начала, середины и конца поста. Если узбекский текст длиннее шестисот слов, система рисует все три. К каждому запросу добавляется строгая стилевая строка о том, что это должна быть чистая, современная редакционная иллюстрация без текста. Изображения сохраняются в формате JPEG и имеют небольшой размер для быстрой загрузки веб-страниц.

Управление процессом: настройка ошибок и безопасности на платформе n8n

Платформа автоматизации «n8n» является дирижером, который связывает все воедино. Несколько правильных решений в ней сделали систему очень надежной. В системе есть один маршрутизатор для всего. Каждое обновление из Telegram проходит через один небольшой шаг кода и направляется по правильному пути.

Голосовые сообщения сохраняются не в памяти системы, а в специальной таблице данных. Если я отправляю несколько голосовых сообщений подряд, «n8n» обрабатывает их параллельно. Хранение списка в памяти могло бы привести к незаметной потере сообщений. Вместо этого каждое сообщение сохраняется в отдельной строке, привязанной к текущей сессии.

Если «Gemini», OpenAI или веб-сайт перестают работать, бот присылает мне ошибку через Telegram и сохраняет мои голосовые сообщения. Я просто снова нажимаю кнопку завершения. Ничто не ломается втихую. Запросы к искусственному интеллекту автоматически повторяются один раз перед тем, как сдаться, потому что в таких сервисах периодически случаются кратковременные сбои.

С точки зрения безопасности ботом могу пользоваться только я со своего личного аккаунта в Telegram. Интерфейс сайта требует секретный ключ, и без него ничего изменить нельзя. Все ключи хранятся в зашифрованном виде. Ключи, которые в процессе программирования по ошибке попали в открытый текст, я немедленно заменил, так как раскрытый ключ считается опасным.

SEO и мультиязычность: почему важно публиковать статьи на трех языках?

Поскольку главная цель — быть найденным в интернете, сайт автоматически выполняет SEO, то есть поисковую оптимизацию, для каждого поста. Правильная структура очень важна для того, чтобы поисковые системы хорошо понимали сайт и выводили его на высокие позиции.

Каждый пост доступен на узбекском, английском и русском языках. Страницы сообщают поисковым системам друг о друге через специальные теги «hreflang». Это означает, что когда пользователи ищут информацию через Google, они видят версию статьи на своем родном языке.

URL-адрес статьи автоматически создается из узбекского заголовка. Часть с описанием пишется кратко и лаконично специально для результатов поиска. Каждый опубликованный пост немедленно добавляется в карту сайта. Таким образом, одна голосовая сессия дает три отдельные возможности быть найденным на трех языках, которые реально ищут люди в Узбекистане и регионе.

Как вы можете сами создать такую систему искусственного интеллекта?

Если вы тоже хотите создать для себя подобную автоматизированную систему, обратите внимание на следующие практические шаги:

1. Начните с адреса. Дайте вашему сайту небольшой и строгий интерфейс, который принимает пост в формате JSON и сохраняет его как черновик. Все остальное будет подключаться к этому.

2. Запустите платформу n8n на своем локальном компьютере с помощью Docker. Платформа n8n бесплатна, и ее функционала вполне достаточно для одного человека.

3. Создайте бота в мессенджере Telegram через BotFather и сделайте систему n8n доступной через туннели, такие как ngrok или Cloudflare. С первого же дня получите постоянный домен для туннеля, чтобы перезапуск системы не ломал бота.

4. Отправляйте все аудио в одном запросе к мультимодальной модели со строгой JSON-схемой. Если сырой транскрипт не нужен, пропустите отдельный шаг перевода голоса в текст.

5. Храните поступающие потоком данные, например, голосовые сообщения, в постоянной таблице, а не в памяти рабочего процесса.

6. Обязательно оставьте шаг подтверждения человеком. Функция предварительного просмотра с кнопками публикации или отмены защитит вашу репутацию и имя.

7. Прежде чем полностью доверять системе, протестируйте весь путь с фейковыми данными и настройте все так, чтобы каждая ошибка отправляла вам уведомление.

Основные выводы

- Система создания блога из голоса экономит время и позволяет быстро публиковать идеи, не теряя их.

- То, что каждая часть системы работает независимо и связывается через HTTP-запросы, обеспечивает ее стабильность.

- Ожидаемого результата можно достичь, давая моделям искусственного интеллекта четкие инструкции и строгую JSON-схему.

- Мультиязычность и SEO-оптимизация сильно помогают статьям легко находиться в поисковых системах.

- В автоматизированных системах оставление шага подтверждения человеком крайне важно для предотвращения ошибок.

- Больше всего ошибок происходит не в моделях искусственного интеллекта, а в соединениях между различными инструментами и сервисами.

Планы на будущее и возможности для бизнеса

Сейчас эта система работает только тогда, когда включен мой ноутбук. Следующие шаги заключаются в установке постоянного адреса туннеля, добавлении функции автоматического перезапуска, а затем в переносе сайта и системы «n8n» на публичный сервер с базой данных «Postgres». После этого я хочу научить бота принимать реальные фотографии вместе с голосовыми сообщениями.

Я создаю такие автоматизированные системы и для других людей и компаний. Эта идея работает гораздо шире, чем просто личный блог. Например, можно создать корпоративный блог, который ведется на основе голосовых сообщений основателя, новости о продуктах, выходящие на трех языках, или внутреннюю базу знаний, превращающую речь специалистов в документы.

Клиенты получают настроенного бота, автоматизацию и интеграцию с существующим сайтом на своих аккаунтах. Все ключи и данные остаются у самого клиента. Если вам тоже нужна такая система, вы можете связаться со мной и написать, что и где вы хотите публиковать. Кстати, черновик именно этой статьи написал искусственный интеллект «Claude», а я подтвердил его через Telegram. Система сама опубликовала историю о том, как она была создана.