Automazione Audio Favole

Automazione Audio Favole: Come ho creato un sistema di pubblicazione cross-mediale con n8n e AI

L'integrazione tra intelligenza artificiale e workflow automation sta aprendo scenari incredibili per i creatori di contenuti. In questo articolo, ti mostrerò nel dettaglio come ho progettato e implementato un sistema di automazione audio favole partendo dai dati presenti sul portale Fairymoon.it. L'obiettivo non è solo generare un file audio, ma trasformare un racconto testuale in un contenuto video completo, pronto per la distribuzione su YouTube, eliminando ogni intervento manuale ripetitivo.

Il problema principale nella creazione di contenuti per bambini è la costanza. Scrivere una favola, registrarla con una voce professionale, montarla con immagini coerenti e caricarla sui social richiede ore di lavoro. Grazie all'utilizzo strategico di n8n, alle API di fal.ai per la sintesi vocale di alta qualità e a un microservizio custom containerizzato su Google Cloud Run, ho ridotto questo processo a pochi secondi di elaborazione automatica. In questo post tecnico, analizzeremo lo schema del workflow, i nodi critici e le scelte architetturali che permettono di scalare la produzione di storie della buonanotte in modo efficiente e professionale.

L'era dello storytelling automatizzato

Il progetto nasce dalla necessità di dare voce (letteralmente) alle storie pubblicate su Fairymoon. Ogni favola nel database contiene metadati preziosi: un titolo, un testo narrativo e un'immagine rappresentativa. Tuttavia, il testo da solo ha un limite di coinvolgimento. In un mondo dominato dai contenuti video e dai podcast, l'automazione audio favole diventa il ponte necessario per raggiungere nuovi utenti.

L'architettura che ho sviluppato si basa su un principio di modularità. Invece di un unico script monolitico, ho optato per un orchestratore (n8n) che gestisce diverse entità esterne. Questo approccio, simile al pattern dei microservizi, permette di sostituire ogni singolo componente (es. cambiare il motore TTS o il servizio di cloud hosting) senza dover riscrivere l'intera logica di business.

Architettura del sistema: dal database al video finale

Il workflow si attiva leggendo i record dal database di Fairymoon. Sebbene l'integrazione diretta sia nell'ultima fase di testing, la struttura è già pronta per accogliere input dinamici. Il flusso segue questi passaggi logici:

1. Ingestione Dati: Recupero del testo e dell'immagine.

2. Pre-processing: Pulizia del testo per ottimizzare la lettura dell'AI.

3. Sintesi Vocale: Invio del testo a fal.ai per generare l'audio con il modello VibeVoice.

4. Montaggio Video: Unione di audio e immagine tramite un container Docker custom.

5. Distribuzione: Caricamento su YouTube e notifica su Telegram.

Questa pipeline garantisce che ogni contenuto prodotto mantenga uno standard qualitativo elevato, grazie all'uso di modelli di Text-to-Speech (TTS) che non suonano più come robot, ma come narratori umani capaci di trasmettere emozioni.

Configurazione iniziale e recupero dati

Il primo nodo del workflow n8n, denominato "Configurazione Iniziale", funge da "mock" per lo sviluppo. Qui definiamo le variabili che solitamente arriverebbero da una query SQL o da una chiamata API al database di Fairymoon.

{
  "Title": "Il Nonno, la Pizza e Scordog il Golosone",
  "Fairy": "C’era una volta...",
  "image1": "https://fairymoon.it/uploads/fairies/...",
  "VoceLuna": "https://pub-..."
}

In questa fase, è fondamentale definire non solo il contenuto, ma anche gli asset di supporto. La variabile VoceLuna, ad esempio, contiene l'URL di un file audio di riferimento utilizzato per il voice cloning o per mantenere la consistenza timbrica del narratore attraverso tutte le storie. Questo è un elemento chiave dell'automazione audio favole: l'identità vocale rende il brand riconoscibile.

Sanitizzazione dei testi con JavaScript in n8n

Le intelligenza artificiali generatrici di audio sono molto sensibili alla punteggiatura e ai caratteri speciali. Un carattere errato può causare pause innaturali o errori di pronuncia. Per questo motivo, ho inserito un nodo Code in JavaScript che si occupa di pulire il testo della favola.

Snippet 1: Pulizia del Testo per TTS

Questo codice si occupa di normalizzare le virgolette, rimuovere caratteri speciali non supportati e gestire i ritorni a capo per una lettura fluida.

// Recupero il testo dal nodo precedente
let text = $input.first().json.Fairy;

// Processamento del testo
text = text.split('FINE')[0] // Rimuovo eventuali code di debug
  .replace(/\n/g, "\\n ")    // Gestisco correttamente i new-line per il JSON
  .replace(/[«»]/g, '')      // Rimuovo caporali
  .replace(/"/g, "'")        // Sostituisco virgolette doppie con singole
  .replace(/[\u201C\u201D]/g, "'"); // Gestisco virgolette smart di Word/macOS

// Restituisco l'oggetto pulito
$input.first().json.Fairy = text;
return $input.all();

Questo passaggio di data transformation è cruciale. Senza una corretta sanitizzazione, le chiamate API verso i server di fal.ai potrebbero fallire a causa di JSON non validi o produrre artefatti audio fastidiosi.

Generazione audio con fal.ai VibeVoice 7b

Per la parte vocale, ho scelto fal.ai e il loro modello VibeVoice 7b. A differenza dei classici servizi TTS, VibeVoice permette un controllo granulare sullo stile e supporta il caricamento di un file audio di riferimento per clonare il tono di voce desiderato.

La richiesta HTTP POST viene inviata all'endpoint di coda di fal.ai. Questo è un punto fondamentale: poiché la generazione audio può richiedere diversi secondi, fal.ai non restituisce subito il file, ma un status_url. L'automazione deve quindi essere in grado di gestire l'asincronicità.

{
  "script": "La favola di oggi è: {{ $json.Title }}. {{ $json.Fairy }}",
  "speakers": [
    {
      "audio_url": "{{ $json.VoceLuna }}"
    }
  ],
  "cfg_scale": 1.5
}

Il parametro cfg_scale (Classifier-Free Guidance) bilancia l'aderenza al testo rispetto alla creatività nell'espressione vocale. Un valore di 1.5 è ideale per mantenere una narrazione pacata ma non monotona, perfetta per un'automazione audio favole.

Il cuore tecnico: montaggio video su Google Cloud Run

Il passaggio più complesso è la trasformazione di un file audio e di un'immagine statica in un video MP4 pronto per YouTube. Invece di affidarmi a costosi servizi di video editing via API, ho deciso di costruire una soluzione custom.

Ho creato un container Docker che utilizza FFmpeg e un piccolo script Python (basato su librerie come MoviePy o direttamente subprocess) per combinare i file. Questo container è ospitato su Google Cloud Run (nel workflow identificato come "Google Compose").

Perché Google Cloud Run?

1. Scalabilità a zero: Se non ci sono favole da processare, non pago nulla.

2. Performance: Posso assegnare diversi GB di RAM e CPU dedicate per il rendering video, che è un'operazione intensiva.

3. Isolamento: FFmpeg ha molte dipendenze; un container garantisce che l'ambiente sia sempre identico.

Snippet 2: Esempio di logica nel microservizio Python (Dockerized)

Ecco un esempio semplificato di come il container gestisce la richiesta ricevuta da n8n:

import subprocess

def create_video(audio_url, image_url, output_path):
    # Comando FFmpeg per creare un video da un'immagine e un audio
    # -loop 1: ripete l'immagine
    # -shortest: termina il video quando finisce l'audio
    cmd = [
        'ffmpeg', '-y',
        '-loop', '1', '-i', image_url,
        '-i', audio_url,
        '-c:v', 'libx264', '-tune', 'stillimage',
        '-c:a', 'aac', '-b:a', '192k',
        '-pix_fmt', 'yuv420p', '-shortest',
        output_path
    ]
    subprocess.run(cmd, check=True)

# Il servizio riceve il JSON, scarica gli asset e invoca la funzione

Questo approccio "Custom Runner" nell'automazione audio favole permette di avere il controllo totale sul formato finale (es. 1080x1080 per Instagram o 16:9 per YouTube) senza costi variabili legati al numero di minuti renderizzati.

Gestione delle code e polling dello stato

Poiché fal.ai lavora con un sistema di code, il workflow n8n include un ciclo di controllo (polling). Il nodo Switch analizza la risposta dell'endpoint di stato:

• IN_PROGRESS / IN_QUEUE: Il workflow entra in un nodo Wait di 60 secondi e poi riprova.

• COMPLETED: Il flusso prosegue verso il montaggio video.

Questa tecnica evita di bloccare il workflow o di ricevere errori di timeout sulle connessioni HTTP. È un'implementazione del pattern "Retry with Exponential Backoff", sebbene qui configurata con intervalli fissi per semplicità.

Pubblicazione automatica su YouTube

Una volta che il nodo "Google Compose" restituisce il file binario del video, l'automazione procede al caricamento. Il nodo YouTube di n8n utilizza le API ufficiali di Google per:

1. Caricare il file video.

2. Impostare il titolo (usando quello del database).

3. Generare la descrizione (prendendo i primi 200 caratteri della favola e aggiungendo i link a Fairymoon.it).

4. Applicare i tag SEO per il target "Kids" e "Bedtime stories".

È interessante notare l'uso dell'opzione selfDeclaredMadeForKids: false. Nonostante siano favole, la normativa COPPA richiede attenzione; in questo caso, il contenuto è adatto ai bambini ma gestito da un account generalista, quindi la configurazione va calibrata secondo le policy correnti.

Conclusione e prossimi passi

L'automazione audio favole che ho implementato per Fairymoon.it è solo l'inizio. La potenza di n8n combinata con la flessibilità dei container Docker permette di scalare questo sistema a livelli industriali. Il prossimo passo sarà l'integrazione completa del trigger dal database, così che ogni nuova storia inserita dagli autori diventi automaticamente un video su YouTube entro pochi minuti.

Implementare soluzioni di questo tipo richiede una visione d'insieme che va dallo sviluppo backend alla conoscenza sistemistica dei container. Se non vuoi fermarti alla teoria e hai bisogno di un professionista che sappia trasformare i tuoi dati in asset digitali pronti per il mercato, sono qui per aiutarti.

Hai bisogno di uno sviluppatore esperto in automazioni complesse o integrazioni AI?

Contattami per una consulenza tecnica o per realizzare il tuo prossimo progetto di automazione.

Ti è piaciuto questo articolo? Condividilo con chi si occupa di content creation o lasciami un commento se hai domande sulla configurazione di Docker e FFmpeg per il montaggio video automatizzato!