[verdetto][prompt curato][fonte: blitzreels.com]
Posso vibecodare BlitzReels?
// il valore è la rete, i dati o l’infrastruttura
Un trova-clip giocattolo si costruisce in una sola sessione; un rimpiazzo credibile di BlitzReels no. Il muro è la pipeline media: ingestion di video lunghi, selezione precisa al timestamp, parità fra anteprima ed export, orchestrazione del rendering. Il fondatore racconta un anno di lavoro.
confidenza: alta
cos’è: Trasforma le registrazioni in clip, con un NLE completo, API, CLI e integrazioni per agent
Indice di costruibilità · gioco editoriale
- Prezzo 29 $/mese peso: più 3
- Tempo build di consolazione: un weekend; sostituto credibile: ingegneria a lungo termine peso: meno 1
- Categoria audio e video non pesa
- Moat qualità di esecuzione · scala dell'infrastruttura peso: meno 3
- Confidenza alta peso: più 1
- Cosa perdi 5 voci peso: meno 2
- Sito blitzreels.com (si apre in una nuova scheda) non pesa
Il moat pesa più del prezzo: rifarlo è un progetto, non una sera.
Gioco editoriale: il verdetto dice se un agente può, l’indice se conviene.
Cosa costruisci
Importare un video lungo, trascriverlo, ordinare le clip candidate, lasciare che l'utente aggiusti confini e sottotitoli, poi esportare un MP4 in 9:16.
cosa ti serve
- Node.js 22
- FFmpeg e ffprobe
- una API key OpenAI in .env
- spazio su disco locale per i file sorgente e i render
Caso limite segnalato dal fondatore: la demo è vibecodabile; il prodotto media affidabile ha richiesto un anno, pur avendo già esperienza con Remotion e template a pagamento.
Il prompt
Il verdetto è NON PROPRIO, e il prompt resta lo stesso: non rimpiazza l’app, ricostruisce il pezzo che è davvero codice. Il resto è il moat.
Build the closest honest personal substitute for BlitzReels in an empty repository.
Use exactly Node.js 22, TypeScript, React, Remotion, SQLite, FFmpeg, and the OpenAI API.
Run as a single-user local web app with one documented command.
The core loop is import one user-owned long video, transcribe it, rank five clip candidates, edit one, and export 9:16 MP4.
Preserve the original file and store projects, transcripts, candidates, and edits in SQLite.
Use ffprobe for duration and stream metadata before accepting a file.
Extract audio with FFmpeg and transcribe it with word timestamps.
Ask a text model for five 30 to 90 second candidates with exact boundaries, titles, hooks, and reasons.
Reject overlapping or out-of-range candidates and show the model output as suggestions, never facts.
Let the user adjust in and out points, edit caption text, and preview the vertical composition.
Use a static center crop with a manual horizontal offset; do not claim subject tracking.
Render burned captions from verified word timings with one readable style.
Export through Remotion to a new file and never overwrite source media.
Show import, probing, transcription, analysis, preview, rendering, success, and recoverable failure states.
Persist job state so an interrupted transcription or render can be retried safely.
Put the OpenAI key in .env, ship .env.example, and never log secrets or transcript contents.
Add safe filenames, upload size limits, input validation, and explicit local data deletion.
Write focused tests for time-range validation, candidate overlap, caption grouping, and project persistence.
Add one end-to-end smoke test using a tiny generated video fixture.
Create a README with setup, FFmpeg installation, architecture, data location, costs, backup, and limitations.
Deliberately exclude smart reframing, B-roll generation, voice isolation, silence cleanup, and a complete multitrack NLE.
Deliberately exclude the public API, CLI, agent integrations, accounts, teams, cloud rendering, share pages, and social publishing.
Do not call this a BlitzReels clone; label it a narrow local clip finder and exporter.
Run the tests and a real sample render before finishing, then report the exact commands and output path.Prompt curato: scritto e rivisto a mano per questa app. In inglese di proposito — è la lingua in cui gli agenti di coding rendono meglio.
Cosa perdi
- un'ingestion affidabile, con recupero, per registrazioni grandi o malformate
- una selezione delle clip tarata sulla produzione e allineata ai timestamp
- il reframing che segue chi parla e ciò che è a schermo
- un NLE completo, gli stili dei sottotitoli, i template a pagamento e il montaggio con keyframe sulla timeline
- API pubblica, CLI, integrazioni per agent, rendering in cloud, retry e flussi di condivisione
Perché pagano ancora
Si paga per il percorso affidabile che porta da una registrazione lunga qualsiasi a clip modificabili e coerenti col brand, sia lavorando nell'NLE completo sia automatizzando via API, CLI e integrazioni per agent. Il valore ricorrente è non incontrare codec che falliscono, job persi, tagli piazzati male, crop sbagliati, sottotitoli fuori sincrono, differenze fra anteprima ed export, e tutto il lavoro operativo dietro storage e rendering.
moat: Qualità di esecuzione Scala dell'infrastruttura cos’è un moat
pipeline media, parità fra editor e render, affidabilità in produzione
Chi l’ha già costruito
Partire da qui è vibecoding lo stesso: il prompt serve quando lo vuoi esattamente a modo tuo.
- auto-editor (si apre in una nuova scheda) — Open-source command-line video and audio editor for automatic cuts.
- Kdenlive (si apre in una nuova scheda) — Mature open-source nonlinear video editor.
Sei d’accordo?
La bilancia dei voti
Ancora nessun voto: il tuo è il primo.
Nessun voto ancora — il primo pesa.
