Videoproductie automatiseren met AI

Wanneer automatisering zinvol is

Handmatige videoproductie loont als je af en toe een video maakt. Automatisering loont zodra je regelmatig video's maakt met dezelfde structuur maar wisselende inhoud.

Voorbeelden waarbij automatisering de doorlooptijd van uren naar minuten terugbrengt:

• Wekelijkse productupdate-video's op basis van een changelog
• Maandelijkse rapportagevideo's op basis van spreadsheet-data
• Gepersonaliseerde salesvideo's per prospect (naam, bedrijf, use case)
• Eventteasers per deelnemende spreker
• Productdemo's per variant in een catalogus

De automatiseringspijplijn

Een pijplijn voor geautomatiseerde videoproductie bestaat uit vier lagen.

Laag 1: Datainname

De variabele data bepaalt de inhoud van elke video. Bronnen:

• Google Sheets (via de Sheets API)
• JSON-bestand of REST API-respons
• Database (PostgreSQL, BigQuery)
• CRM-export (HubSpot, Salesforce)

Elke rij of record staat voor één video. De kolommen zijn de variabelen: productnaam, beschrijving, prijs, beeldprompt.

Laag 2: Scriptgeneratie

Gebruik de Gemini API (of de Claude API) om per record een videoscript te genereren. Gebruik een actueel model: gemini-2.0-flash is per 1 juni 2026 uitgefaseerd, dus kies gemini-2.5-flash voor nieuwe projecten, of een nieuwer Flash-model als dat beschikbaar is.

from google import genai

client = genai.Client(api_key="YOUR_API_KEY")

def genereer_script(product_naam, voordelen):
    prompt = f"""Schrijf een videoscript van 60 seconden voor het product {product_naam}.
    Voordelen: {voordelen}.
    Structuur: opening (10s), drie voordelen (30s), call to action (20s).
    Schrijf de voice-over tekst per scene, gescheiden door [SCENE]."""
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=prompt,
    )
    return response.text

Laag 3: Beeld- of videogeneratie

Voor een data-gedreven pipeline met deterministische output genereer je per scene een achtergrondafbeelding via de Imagen-API op Vertex AI. Imagen 4 is het actuele model (imagen-4.0-generate-001).

import vertexai
from vertexai.preview.vision_models import ImageGenerationModel

vertexai.init(project="JOUW_PROJECT", location="us-central1")
model = ImageGenerationModel.from_pretrained("imagen-4.0-generate-001")

def genereer_scene_afbeelding(scene_beschrijving):
    images = model.generate_images(
        prompt=f"{scene_beschrijving}, professionele zakelijke stijl, blauw kleurenpalet",
        number_of_images=1,
        aspect_ratio="16:9",
    )
    return images[0]

Wil je echte bewegende video in plaats van stilstaande beelden met overlay, dan kun je de Veo-API gebruiken via de Gemini API. Veo 3.1 genereert clips van circa 8 seconden met natief gegenereerd geluid, in 720p, 1080p of 4k. Dat geeft levendiger resultaat, maar is duurder en minder voorspelbaar per render dan de aanpak met Imagen plus Text-to-Speech.

Laag 4: Video-assemblage

Combineer de gegenereerde beelden, de voice-over (via de Text-to-Speech API) en eventuele tekstoverlays tot één video. Drie veelgebruikte opties:

Optie A: ffmpeg met Python

ffmpeg -loop 1 -i scene1.jpg -i voice_scene1.mp3 \
  -c:v libx264 -tune stillimage -c:a aac \
  -shortest scene1.mp4

Concateneer daarna alle scenes:

ffmpeg -f concat -safe 0 -i scenes_list.txt -c copy output.mp4

Optie B: Remotion (React-gebaseerd)

Remotion is een React-library die videocomposities rendert als MP4. Ideaal voor video's met complexe tekstoverlays en animaties, omdat je de layout in JSX opbouwt.

Optie C: Creatomate API

Creatomate is een commerciële template-engine met API. Je definieert een JSON-template en Creatomate rendert de video met jouw variabelen. Eenvoudiger dan ffmpeg, maar met kosten per render.

Voice-over met Google Text-to-Speech

De Google Cloud Text-to-Speech API zet je scripttekst om in een voice-over. De Standard-stemmen zijn het goedkoopst; voor een natuurlijker resultaat gebruik je de Chirp 3 HD-stemmen (ongeveer $30 per miljoen tekens, met een gratis maandtegoed van 1 miljoen tekens).

from google.cloud import texttospeech

client = texttospeech.TextToSpeechClient()

def genereer_voice_over(tekst, taal="nl-NL", stem="nl-NL-Standard-A"):
    input_text = texttospeech.SynthesisInput(text=tekst)
    voice = texttospeech.VoiceSelectionParams(
        language_code=taal,
        name=stem,
    )
    audio_config = texttospeech.AudioConfig(
        audio_encoding=texttospeech.AudioEncoding.MP3
    )
    response = client.synthesize_speech(
        input=input_text,
        voice=voice,
        audio_config=audio_config,
    )
    return response.audio_content

Pipeline-orchestratie

Gebruik een workflow-orchestrator om de stappen te coördineren:

• Google Cloud Workflows: serverless, integreert native met Google-diensten
• Apache Airflow: krachtig, self-hosted of via Cloud Composer
• n8n: visuele workflow-builder, geschikt voor minder technische gebruikers
• Python-script: voor eenvoudige pijplijnen volstaat een script met sequentiële stappen

Kwaliteitscontrole in de pipeline

Bouw automatische controles in zodat foute output niet ongezien live gaat:

• Controleer de videoduur: te kort of te lang triggert een handmatige review
• Valideer dat alle scenes zijn gegenereerd (geen lege scene)
• Sla per video een preview-thumbnail op voor steekproefsgewijze controle
• Log alle API-responsstatussen voor foutopsporing
• Verwerk SynthID-watermerken op gegenereerd beeld correct en wees transparant dat de video AI-gegenereerd is