Ręczne przenoszenie filmów to biznes, który właśnie umiera.

Jeszcze niedawno jeden człowiek robił robotę pięciu osób: pilnował kanałów na YouTube, pobierał filmy, tłumaczył napisy ze słuchu, robił korektę, uzupełniał tagi i wgrywał. Na 10-minutowy film wprawiony wykonawca potrzebował dwóch godzin. Dziś na GitHubie jest projekt open source z 3070 gwiazdkami i 515 forkami — Y2A-Auto. Cały ten proces to jedno wdrożenie Dockera i kilka zmiennych w konfiguracji. Gdy tylko pojawi się nowy film, maszyna sama pobiera, tłumaczy, wgrywa napisy i publikuje. Człowiek klika tylko „zatwierdź” w panelu webowym.

To nie jest podniesienie efektywności. To przebudowa struktury kosztów.

Istota biznesu na przenoszeniu: arbitraż na luce informacyjnej

Pod spodem większości kont z milionami wyświetleń na Bilibili i AcFun leży ten sam schemat: lokalizacja dobrych treści z YouTube. Recenzje technologii, tutoriale programowania, wycinki zagranicznych programów, świeże dema ze świata AI — wszystko to po publikacji na YouTube ma w Chinach naturalną lukę czasową i językową.

Kto pierwszy zamieni „surowe mięso” (film bez napisów) w „gotowe mięso” (z chińskimi napisami), ten zgarnia startowy ruch. Przewaga pierwszego jest bardzo realna w algorytmie rekomendacji — przy tym samym temacie różnica w wyświetleniach między pierwszym a drugim dniem potrafi być ogromna. Kiedyś to okno czasowe wygrywało się ręcznie, a jedna osoba ogarniała maksymalnie 3–5 kanałów. Automatyzacja zmienia rachunek: monitoring z 5 kanałów rośnie do 50, tempo z 3 filmów dziennie do 30, a koszt krańcowy zbiega do zera.

Co dokładnie automatyzuje Y2A-Auto

Oficjalny opis mówi jedno zdanie: automatyczne przenoszenie z YouTube na AcFun i Bilibili, z tłumaczeniem AI, generowaniem napisów, moderacją treści i inteligentnym monitoringiem. Po rozłożeniu na części każdy element to konkretna inżynieria:

Warstwa pobierania to yt-dlp — najlepsze narzędzie do pobierania wideo, z dwoma trybami: monitoring kanału i wyszukiwanie po słowach kluczowych. Można ustawić tylko najnowsze filmy albo dociągnąć historyczny backlog. Warstwa rozpoznawania mowy obsługuje modele Whisper i Voxtral, zamieniając angielską ścieżkę na tekst. Warstwa tłumaczenia korzysta z API kompatybilnego z OpenAI, więc podpinasz GPT albo znacznie tańsze modele chińskie jak DeepSeek czy Qwen — README jasno mówi o prywatnych parametrach dla tych dostawców. Konkretnie: rejestrujesz konto na DeepSeek Open Platform, tworzysz klucz API, ustawiasz OPENAI_BASE_URL na https://api.deepseek.com — 30 sekund i gotowe, nie daj się wystraszyć hasłem „kompatybilne API”.

Najcenniejszy jest moduł QC napisów: automatyczny podział długich linii, normalizacja interpunkcji, filtrowanie słów wypełniaczy, detekcja halucynacji. Kto kiedykolwiek robił napisy, wie, że największy problem tłumaczenia AI to halucynacje — model wymyśla zdania, których nie było w oryginale. Ten projekt wbudował kontrolę jakości w linię produkcyjną, a nie zostawia ją na później. Na końcu Alibaba Cloud Green robi moderację treści, potem automatyczne wgranie na Bilibili, AcFun albo oba naraz — łącznie z tytułem, opisem, tagami i rekomendacją sekcji generowanymi przez AI.

Trzy kroki do uruchomienia linii

Krok 1: środowisko. Oficjalnie rekomendowane wdrożenie to Docker — nie trzeba ręcznie instalować Pythona, FFmpeg ani yt-dlp, wystarczy docker compose up -d. Nie masz serwera? Najprostsza ścieżka: instalujesz Docker Desktop na swoim komputerze (pobranie ze strony, podwójne kliknięcie) albo kupujesz lekki serwer w chmurze za 99 RMB rocznie — dla nowicjusza to mniej nerwów niż zabawa z siecią lokalną.

Krok 2: trzy grupy kluczowych parametrów. Po pierwsze Cookie: potrzebujesz danych logowania do YouTube, Bilibili i AcFun — projekt obsługuje eksport przez rozszerzenie przeglądarki, a Bilibili dodatkowo logowanie kodem QR. Po drugie klucz YouTube Data API v3, od którego zależy monitoring. Po trzecie interfejs AI: wpisujesz OPENAI_API_KEY i OPENAI_BASE_URL, a jeśli chcesz oszczędzać, kierujesz na punkt końcowy DeepSeek. Koszt tłumaczenia napisów do 10-minutowego filmu schodzi do kilkudziesięciu groszy — kwoty z oryginalnego wpisu, niezweryfikowane niezależnie, sprawdź na własnym rachunku API.

Krok 3: otwierasz panel webowy pod http://localhost:5000, dodajesz kanały do monitoringu i zostawiasz AUTO_MODE_ENABLED wyłączone — najpierw przechodzisz przez ręczną moderację, każdy film przeglądasz przed publikacją. Jak poznasz granice treści i zasady platformy, wtedy rozważasz pełną automatyzację. Projekt ma wbudowane zabezpieczenia logowania, blokady błędów i timeout sesji, ale kontrolę nad ryzykiem bezobsługowej publikacji trzymasz w swoich rękach.

Jeśli startujesz od zera, nie daj się zniechęcić konfiguracją. Idź warstwami: Poziom 1 — tylko postaw Docker i zobacz interfejs, około 30 minut, wąskie gardło to instalacja Dockera. Poziom 2 — skonfiguruj Cookie jednej platformy i ręcznie puść jeden film, około 1 godziny, wąskie gardło to eksport Cookie. Poziom 3 — dopiero wtedy podłącz YouTube API i klucz AI dla pełnej automatyzacji, około 2 godzin, wąskie gardło to wniosek o API. Na każdym etapie możesz się zatrzymać i zweryfikować, nie musisz połykać wszystkiego naraz.

Ścieżki monetyzacji: najpierw zimny prysznic, potem pieniądze

Po uruchomieniu linii pieniądze przychodzą z trzech kierunków. Ale najpierw brzydka prawda: era złotego połowu na czystym przenoszeniu się skończyła, platformy nigdy nie odpuściły czystym kontom „reup”. Jeśli pchasz się w „własne konto z udziałem w przychodach platformy”, najpewniej skończysz z banem. Bezpieczniejsza pozycja to „tłumaczenie + twórczość wtórna” albo sprzedaż samej usługi i narzędzia.

Po pierwsze: własne konto z udziałem platformy, pod warunkiem że robisz twórczość wtórną, a nie czysty reup. Program zachęt twórczych Bilibili i plan bananowy AcFun rozliczają według wyświetleń. Konto w niszy (np. recenzje narzędzi AI, zagraniczne tutoriale programowania), 3 filmy dziennie z napisami, rośnie szybciej niż przy ręcznej pracy. Ale musisz przestrzegać regulaminu platformy dotyczącego przedruku — Y2A-Auto domyślnie dodaje deklarację o przedruku, tego ustawienia nie wyłączaj. Przy 3 filmach dziennie na jednym koncie mnożysz wyświetlenia razy stawkę zachęty, wychodzi od kilkuset do kilku tysięcy złotych miesięcznie, ale ban kasuje wszystko — to ryzyko musisz wliczyć w oczekiwania.

Po drugie: zlecenia na tłumaczenie napisów. Na Mercari i Lemon8 oferta „tłumaczenie ze słuchu + wgranie napisów” idzie w przeliczeniu na minutę, dłuższy film to 100–200 zł, konkretne stawki sprawdzisz sam, przeszukując ogłoszenia. Z tą linią koszt realizacji to praktycznie tylko opłata za API. Konkretny start: wrzuć ofertę „tłumaczenie napisów do filmów” na Mercari, a na Lemon8 opublikuj film z porównaniem efektu przed i po — to sprawdzone kanały pozyskania klientów dla takich usług. Po zleceniu wrzucasz film do systemu, robisz ręczną korektę napisów i dostarczasz.

Po trzecie: wdrożenie dla MCN-ów i małych studiów. Mnóstwo zespołów budujących siatki treści chce tej możliwości, ale nie ma technicznych ludzi. Możesz liczyć „opłata za wdrożenie + miesięczny abonament za utrzymanie”: jednorazowo kilkaset do tysiąca złotych za postawienie w Dockerze, potem co miesiąc za wymianę Cookie, zmianę modelu i rozszerzanie listy kanałów. Klasyczny biznes na sprzedaży łopat.

Granice ryzyka, o których trzeba powiedzieć wprost

Prawo autorskie to sufit tego biznesu i jest twardsze, niż większość ludzi myśli. Zdecydowana większość treści na YouTube nie ma udzielonej licencji — przenoszenie wymaga albo treści z jawnym pozwoleniem, albo uzyskania zgody. Względnie bezpieczne kategorie to: filmy na licencji Creative Commons z jawnym zezwoleniem na redystrybucję, kanały oficjalnie zezwalające na twórczość wtórną, materiały MCN-ów z podpisaną umową. Poza tym platformy nigdy nie odpuściły czystym kontom reupowym, zasady publikacji sprawdzaj w aktualnym regulaminie Bilibili i AcFun. Etapu moderacji treści nie pomijaj — Alibaba Cloud Green to twoja ochrona, nie ograniczenie.

Bezpieczeństwo konta jest równie realne: Cookie to stan zalogowania, serwer musi mieć kontrolę dostępu, hasło do panelu webowego ustawiasz od razu. Przełącznik pełnej automatyzacji oznacza rezygnację z ludzkiego nadzoru — włączaj go ostrożnie, dopiero gdy pozycjonowanie konta i kategoria treści są ustalone.

Do dzieła, teraz

Narzędzie jest open source i darmowe, licencja GPL-3.0. Jedyną barierą jest działanie. Dziś wieczorem, dwie godziny: znajdź maszynę z Dockerem, ściągnij obraz, skonfiguruj Cookie trzech platform i jeden interfejs AI, puść monitoring jednego znanego ci kanału YouTube przez cały proces. Jutro zobaczysz pierwszy automatycznie wyprodukowany film z napisami na liście do akceptacji. Adres repo: github.com/fqscfqj/Y2A-Auto — najpierw gwiazdka, potem wdrożenie, nie tylko zapisz i odłóż.