PX-ReelFlow — AI Content-Pipeline

Anwendungsfall

Eine vollautomatisierte Pipeline, die aus einem Themen-Hint einen kompletten Short-Form-Clip baut: ein LLM erzeugt das Quote, ein Image-Modell rendert das Hintergrundbild, ein Video-Modell animiert es, ein Music-Modell legt Sound darunter, FFmpeg komponiert alles zu einem fertigen Reel und ein Worker postet via Instagram-Graph-API. Mensch im Loop für Approval-Gates über ein React-Dashboard.

Bisher erreicht

• Backend: FastAPI mit SQLAlchemy-async und asyncpg, APScheduler für Recurring-Jobs, Telegram-Bot für mobile Steuerung
• Frontend: React 19 + TypeScript + Vite 7 + Tailwind v4 + Zustand für State Management
• Persistenz: PostgreSQL 16 als Job-Queue mit FOR UPDATE SKIP LOCKED — kein Redis nötig
• Worker: Python-Pollworker auf einer GPU-Maschine zieht Jobs, ruft ComfyUI für Bild/Video, HeartMuLa für Music, FFmpeg fürs Compositing
• AI-Stack: Z-Image Turbo (Bild), LTX-2.3 22B FP8 (Video), HeartMuLa 3B (Musik)
• LLM-Layer: konfigurabel zwischen lokalen Ollama-Modellen, Claude Bridge, OpenAI, Anthropic und OpenRouter
• Instagram-Anbindung über die offizielle Graph API mit nginx-gehostetem Public-URL für Video-Upload

Aktuell in Arbeit

Härten der Approval-Gates, robusteres Retry-Verhalten in der Pipeline, Cost-Tracking pro Run, Multi-Channel-Support. Das Projekt ist Teil des Pradox-AI-Incubators und dient primär als End-to-End-Lab für AI-Content-Tooling — keine kommerzielle Vermarktung.