Podcastreels met AI | Yorrick Schoonheydt

Van Podcast Audiofragment naar Video Reel met AI

Voor mijn podcast 'Cinematen' stond ik voor een bekende uitdaging: hoe promoot je een audio-only medium effectief op visuele social media platforms zoals Instagram, TikTok en YouTube? Het handmatig creëren van korte, pakkende videoclips (reels) uit lange podcastafleveringen is een tijdrovend proces. Het vereist uren luisteren, knippen, transcriberen, en editen.

Om dit probleem op te lossen, heb ik een uitgebreide automation gebouwd. Deze workflow transformeert onze audio-afleveringen volautomatisch in kant-en-klare reels, klaar om gepost te worden. Dit is hoe het werkt.

Het Doel: Een Zelfvoorzienende Podcast Clips Machine

Het hoofddoel was duidelijk: ontwikkel een systeem dat, na het publiceren van een nieuwe podcastaflevering, zelfstandig meerdere social media clips genereert en deze gespreid online plaatst. Dit moest gebeuren met minimale manuele tussenkomst, maar wel met een "human-in-the-loop" voor de finale kwaliteitscontrole.

De Workflow: Een Stapsgewijze Uiteenzetting

De volledige automatisatie is gebouwd in N8N en maakt gebruik van verschillende AI-modellen en zelf-gehoste API's. Hieronder volgt een gedetailleerde beschrijving van elke stap in het proces.

Stap 1: Activatie en Input

De workflow start niet volledig vanzelf. Ik activeer hem bewust via een formulier. Dit geeft me de mogelijkheid om specifieke instructies of 'guidelines' mee te geven. Wil ik bijvoorbeeld dat de AI zoekt naar een specifiek citaat of een fragment over een bepaalde film? Dan kan ik dat hier aangeven.

Stap 2: Data Verzamelen en Transcriberen

Zodra de workflow is geactiveerd, begint de magie:

RSS Feed Ophalen: Het systeem leest de RSS-feed van de Cinematen podcast uit om de meest recente aflevering te vinden.
Audio Downloaden: De audio (.mp3) van deze aflevering wordt gedownload naar mijn eigen server.
AI-Transcriptie: Een API-call activeert een lokaal draaiende Python-script. Dit script gebruikt een eigen instance van OpenAI's Whisper om de volledige audio te transcriberen. Cruciaal hierbij is dat dit gebeurt met accurate tijdscodes voor elk woord.

Stap 3: Intelligente Segmentatie

Een ruwe, doorlopende transcriptie is moeilijk te analyseren. Daarom wordt de tekst eerst opgedeeld:

De automation leest de hoofdstuk-tijdscodes die in de beschrijving van de podcast staan (bv. 00:00 Intro, 10:15 Filmnieuws, 25:30 Review 'X').
Een Large Language Model (LLM) analyseert vervolgens deze hoofdstukken. Op basis van de titels (bv. 'Spoiler Review', 'Giveaway', 'Intro') beslist het model welke segmenten ongeschikt zijn voor promotionele reels. Zo wordt voorkomen dat er clips worden gemaakt van spoilers of de introductie.

Stap 4: AI Curation - De Beste Stukjes Vinden

Dit is de kern van de AI-integratie. De goedgekeurde hoofdstukken worden één voor één naar een LLM gestuurd met een duidelijke opdracht:

Analyseer en vat samen: Waar gaat dit gespreksonderdeel over?
Identificeer "Teasers": Vind de meest interessante, prikkelende en 'teasende' fragmenten in de tekst.
Gebruik mijn input: Houd rekening met de guidelines die ik in de eerste stap heb meegegeven.
Lever Tijdscodes: Het eindresultaat van deze stap is geen tekst, maar een set van precieze in- en out-tijdscodes voor de geïdentificeerde fragmenten.

Stap 5: Geautomatiseerde Videoproductie

Met de audiofragmenten en tijdscodes in de hand, gaat de workflow over naar de videocreatie:

Audio Knippen: Een script gebruikt de door de AI geleverde tijdscodes om de originele audiofile op te knippen in korte audio-clips.
Visueel Materiaal Zoeken: De automation zoekt op YouTube naar relevante video's, meestal trailers van de films die in het fragment besproken worden.
Video Samenvoegen: De gedownloade YouTube-beelden worden samengevoegd met de geknipte audio.
Captions en Branding: Omdat we de transcriptie met tijdscodes hebben, worden er automatisch ondertitels (captions) gegenereerd en op de video geplaatst. Tot slot wordt er een overlay met ons logo toegevoegd.

Stap 6: Review en Goedkeuring

Na enkele minuten ontvang ik een melding met de afgewerkte reels (bijvoorbeeld 'Clip 1', 'Clip 2', 'Clip 3', etc.). Ik kan deze rustig bekijken en beslissen welke ik goed genoeg vind om te publiceren. Ik geef simpelweg de nummers van de goedgekeurde clips terug aan de automation (bv. "1, 3, 5").

Stap 7: Automatische Publicatie

De laatste stap is de distributie. De goedgekeurde clips worden automatisch geüpload naar TikTok, Instagram, en YouTube Shorts. Om spam te vermijden en de zichtbaarheid te maximaliseren, wordt er een wachttijd van 24 uur tussen elke post ingesteld.

Versies en evolutie

V1 (formuliergestuurd)

Bewuste activatie via formulier met optionele guidelines.
Transcriptie met tijdscodes, LLM-curatie en selectie van fragmenten.
Automatische videoproductie met captions en branding.
Reviewstap, daarna automatische publicatie met spreiding over 24 uur.

V2 (Telegram-gebaseerde Reelmaker)

Start via een Telegram-bot: stuur een korte prompt (bv. gewenst onderwerp of quote) na publicatie van een nieuwe aflevering.
Workflow transcribeert, waarna een LLM een 30-60s fragment kiest op basis van de tijdscodes én je prompt.
De audioclip komt terug via Telegram ter goedkeuring: kies "Verdergaan" of "Opnieuw proberen" (hergebruikt je vorige prompt).
Na audio-goedkeuring zoekt de automation een trailer via Kinocheck API en The Movie Database, of gebruikt desgewenst jouw meegegeven YouTube-URL.
De workflow downloadt de trailer en selecteert automatisch een middenstuk met gelijke lengte als de audioclip, zodat begin/einde netjes aansluiten.
Audio en video worden samengevoegd; er wordt opnieuw getranscribeerd voor ondertitels en naamcorrecties (bv. "Yorrick", "Cinematen").
Tweede review via Telegram: je krijgt het bestand of een link wanneer de file te groot is.
Afkeuring na de videostap herstart vanaf een checkpoint (audiokeuze blijft behouden).
Na finale goedkeuring volgt automatische publicatie naar TikTok, Instagram, YouTube Shorts en Facebook.

Deze automation is een perfect voorbeeld van hoe het combineren van verschillende tools en AI-modellen kan leiden tot een krachtige, op maat gemaakte oplossing. Het bespaart me niet alleen uren werk per podcastaflevering, maar zorgt ook voor een constante stroom aan kwalitatieve social media content. Het resultaat is een groter bereik en meer engagement voor de 'Cinematen' podcast, met een fractie van de manuele inspanning.