V-GEN automatizza la produzione di telegiornali regionali con Gemini e FFmpeg
15 ottobre 2026 · 2 min di lettura
V-GEN è un servizio locale con interfaccia web che genera autonomamente video di telegiornali in formato Full HD, integrando la ricerca di notizie, la sintesi vocale e il montaggio video. Il sistema è stato sviluppato per automatizzare la produzione di contenuti televisivi in un'emittente regionale che ha subito la perdita di personale editoriale e tecnico. L'obiettivo è produrre file video pronti per la trasmissione, con nomi in lingua russa per l'inserimento diretto nelle playlist di emittenza, riducendo il tempo di lavorazione da venti a trenta minuti per singolo servizio a un processo automatizzato.
Il motore di ricerca di V-GEN utilizza il modello gemini-3.8-flash con la funzione Grounding in tempo reale. Questo approccio consente alla modello di interrogare direttamente l'indice di ricerca di Google per raccogliere pubblicazioni degli ultimi sette o dieci giorni. Il sistema filtra i contenuti per rilevare eventi regionali, decisioni governative, incidenti e notizie di cronaca sociale, escludendo esplicitamente annunci privati e contenuti non rilevanti. L'interfaccia amministrativa permette di modificare in tempo reale le istruzioni fornite al modello per adattare la selezione delle notizie alle esigenze specifiche del territorio.
Il testo delle notizie viene riformattato per rispettare i requisiti televisivi, con una lunghezza di ottocento a mille caratteri spazi inclusi, per garantire una durata di lettura di quarantacinque a sessanta secondi. Il sistema elimina i saluti formali e i burocratesimi, convertendo i numeri in parole per facilitare la lettura da parte del presentatore. La sintesi vocale è gestita da Gemini TTS, che utilizza per impostazione predefinita la voce Callirrhoe, descritta come professionale e priva di pause meccaniche. L'audio generato viene normalizzato tramite FFmpeg per raggiungere uno standard di quarantotto kilohertz e sedici bit in stereo, con un livello di volume di fondo di meno 5,4 decibel.
La componente visiva include un convertitore automatico che adatta qualsiasi immagine, anche verticale o quadrata, al formato 1920 per 1080 pixel. Il sistema applica l'effetto Ken Burns per creare movimenti di camera dinamici senza tremolio, integrando le immagini con la grafica del canale e la musica di sottofondo. L'intero processo, dalla raccolta delle informazioni alla creazione del file video finale, è gestito in modo autonomo dal servizio, che combina modelli linguistici avanzati con strumenti di produzione video classica.