Son bir aydır kod yazmaktan çok daha zor olduğu ortaya çıkan bir şey yapmaya çalışıyorum.

İyi bir ürün bulmak.

Sadece geliştiriciye havalı görünen ilginç bir fikir değil, gerçek bir pazarı olan ve insanların para ödemeye hazır olduğu bir ürün.

Ve bunu ne kadar çok düşünürsem, o kadar çok ikna oluyorum: MVP yazmak genellikle ne yazılması gerektiğini anlamaktan daha kolaydır.

Her şey transkripsiyonla başladı

Başlangıçta ses ve video için transkripsiyon hizmeti yapmak istedim.

Fikir oldukça mantıklı görünüyordu: videoyu yükle, metin dökümünü uygun bir formatta al ve ardından tek bir düğmeyle içeriğin kısa bir özetini çıkar.

Üstelik böyle bir hizmete talep gerçekten var. Örneğin, Yandex Wordstat'ta "videodan metne" sorgusu ayda yaklaşık 30 bin gösterim gösteriyor.

Hatta ilk MVP'yi hızlıca kodlamayı bile başardım: siteyi, backend'i yaptım ve kendi sinir ağlarımı bağladım.

Görünüşe göre işte ürün bu.

Ama pazara daha yakından bakmaya başladığımda biraz geç kaldığım hissine kapıldım. Transkripsiyon hizmetleri zaten çok fazla ve çoğu neredeyse aynı şeyi yapıyor.

Ve kendime oldukça rahatsız edici bir soru sormaya başladım:

Birinin neden başka bir transkriptöre ihtiyacı olsun ki?

Arayüzü daha güzel yapabilir, başka bir sinir ağı ekleyebilir veya birkaç ekstra özellik düşünebilirsiniz. Ama tüm bunlar, gerçek bir ihtiyaç aramaktan çok, seçilen fikri haklı çıkarma girişimi gibi görünmeye başlamıştı.

Metin dökümünden kısa videolara

Bir noktada transkripsiyonun kendisini değil, insanların elde ettikleri metinle daha sonra ne yaptıklarını düşünmeye başladım.

Böylece kısa videolara ulaştım.

Reels, Shorts, TikTok ve diğer dikey formatlar uzun zamandır altyazıları ayrı bir tasarım öğesine dönüştürdü. Bu artık sadece ekranın altındaki metin değil.

Büyük kelimeler, belirli ifadeleri vurgulama, animasyon, boyut ve renk değiştirme, metni karedeki nesnelerin yanına yerleştirme - tüm bunlar izleyicinin dikkatini çekmeye yardımcı olur.

Böylece transkripsiyon için değil, kısa videolar için etkileyici altyazılar oluşturma ve düzenleme hizmeti yapma fikri ortaya çıktı.

Ve bu tamamen farklı bir ürün.

İlk başta fikir basit görünüyordu: konuşmayı tanı, zaman kodlarını al ve kullanıcıya kullanışlı bir düzenleyici ver.

Ama üzerinde ne kadar çok düşündüysem, o kadar çok olasılık ortaya çıktı:

• karedeki nesneleri tespit etmek ve altyazılarla onları kapatmamak;
• önemli kelimeleri otomatik olarak vurgulamak;
• animasyonlar eklemek;
• belirli bir videoya uygun tasarımı seçmek;
• görsel olarak vurgulanmaya değer anları bulmak.

Ve sonra geliştiricinin hayal gücü hızlanmaya başlar: B-roll, otomatik kurgu, dudak senkronizasyonu, ses parçasıyla çalışma, AI ajanıyla video düzenleme.

Bir noktada bu şekilde beş yıl ileride bir ürün hayal etmenin çok kolay olduğunu anladım.

Bu yüzden durmaya ve çok daha basit bir şeyle başlamaya karar verdim:

İyi bir altyazı düzenleyicisi yapmak.

Ne ortaya çıktı

Böylece ilk SaaS'ım ortaya çıktı — Captions Space.

Hizmetin ana fikri basit: videoyu yükle, otomatik olarak altyazıları al ve hızlıca düzgün bir görünüme kavuştur.

Hizmet konuşmayı tanır ve zaman kodlu altyazılar oluşturur. Bundan sonra video düzenleyicide açılabilir.

Tanıma bir yerde hata yaptıysa, metin hemen düzeltilebilir. Altyazı çok erken veya çok geç görünüyorsa, zamanlamayı değiştirin.

Yani AI işin rutin kısmını yapar ve insan sonucu hızlıca kontrol edip düzenler.

Ve benim için bu ürünün oldukça önemli bir ilkesi:

AI'ın her şeyi kendi başına yapması şart değil. Bazen sıkıcı işin %80'ini otomatikleştirmek ve kontrol ve karar verme gerektiren son %20'yi insana bırakmak daha faydalıdır.

Neden sıradan bir metin düzenleyici yeterli değil

Projenin ayrı bir kısmı tasarım.

Popüler Reels ve Shorts'lara bakarsanız, altyazıların genellikle videonun görsel stilinin tam teşekküllü bir parçası olduğu fark edilir.

Bu nedenle kullanıcıya sadece metni düzeltme imkanı vermek yeterli değil.

Yazı tipini, boyutu, rengi, kelime vurgusunu, arka planı, konturu, satır sayısını ve metin konumunu yönetmek gerekir. Ayrıca muhtemelen kimse her video için her şeyi sıfırdan ayarlamak istemez.

Bu yüzden hazır stiller ekledim:

• Minimal — basit minimalist bir seçenek;
• Beauty — daha etkileyici bir stil;
• Business — iş içerikleri için ölçülü bir tasarım.

Uygun seçeneği seçersiniz, gerekirse bir şeyi değiştirirsiniz — ve çalışmaya devam edebilirsiniz.

Sonuç olarak temel senaryo şöyle görünür:

Video → tanıma → altyazılar → düzenleme → tasarım → hazır video.

En zor kısım — zamanında durmak

Bu sadece ürünün ilk sürümü.

Bunu yüzlerce AI özelliğine sahip bir kombine dönüştürmemeye özellikle dikkat ediyorum, ancak cazibe çok büyük.

Videoya bir veri kümesi olarak bakmaya başlarsanız, gerçekten çok sayıda olasılık var:

• sadece konuşmayı değil, aynı zamanda görüntüyü de analiz etmek;
• karede ne olduğunu anlamak;
• kişinin konumunu belirlemek;
• altyazılar için boş bir yer seçmek;
• söylenenlerin bağlamını dikkate almak;
• içeriğe bağlı olarak tasarımı değiştirmek;
• önemli anları bulmak;
• B-roll eklemek.

Gelecekte klasik video düzenleyiciden tamamen vazgeçip kullanıcıya sadece şunu yazma imkanı verebiliriz:

"Bu videoyu kanalımın tarzında dinamik bir Reels'e dönüştür."

Ve sonra hazır sonucu almak.

Ama bu bir sonraki aşama.

Şu anda çok daha basit bir hipotezi test etmekle ilgileniyorum:

İnsanların altyazı oluşturmak ve düzenlemek için kullanışlı bir araca ihtiyacı var mı?

Çünkü gerçek ürün tam burada başlıyor. AI özelliklerinin sayısıyla değil, belirli bir sorunu çözüp çözmediği ve insanların ona tekrar tekrar dönmeye hazır olup olmadığıyla.

Bu yüzden şimdilik sadece yapıyorum, deniyorum ve bundan ne çıkacağını izliyorum.

Bu benim ilk bağımsız SaaS'ım ve tüm yolu kendim deneyimlemekle ilgileniyorum: fikirden ve ilk kod satırlarından ilk kullanıcılara ve belki de ilk paraya kadar.

Kendi SaaS'ınızı yaptıysanız veya bir MVP başlattıysanız, yorumlarda anlatın: gerçek bir ihtiyaç mı yoksa sadece kendiniz için ilginç bir fikir mi bulduğunuzu nasıl anladınız?

Projenin gelişimini Telegram kanalımdan takip edebilirsiniz: @imironov

Projenin kendisi: Captions Space