Ферма виртуальных инфлюенсеров — это продуманная до мелочей связка из нейронки, Telegram‑канала, Fanvue и сервиса автоматизации. И при этом вся схема держится на агрессивном ИИ-комментинге: десятки ботов круглосуточно штампуют комментарии под сотнями чужих постов в Telegram
Параллельно обученная нейросеть создает контент под вашего виртуального инфлюенсера. Смысл простой: трафик добывается в Telegram, там же аудиторию цепляют контентом, прогревают через канал и переписки, а дальше самых горячих пользователей ведут на Fanvue для подписок и донатов.
В материале покажем, как правильно собрать этот конвейер, объединив генерацию изображений и автоматизацию в единый процесс.
Собираем виртуальную модель
Дисклеймер. Интерфейсы сервисов, версии моделей, шаблоны, кнопки и настройки могут меняться: где-то появится новое поле, изменится название кнопки, обновится шаблон или возникнет ошибка.
Это нормально: не пытайтесь слепо повторять действия, если экран отличается от инструкции. В таких случаях лучше сразу открыть ChatGPT, отправить скриншот или текст ошибки и попросить разобрать конкретно вашу ситуацию. Так вы быстрее поймете, что изменилось, куда нажать и как продолжить настройку.
Но прежде чем запускать ботов, нужно собрать саму нейромодель. Лицо должно быть единым и узнаваемым, чтобы девушка одинаково выглядела в Telegram, на Fanvue и во всех будущих генерациях. Использовать чужие фотографии напрямую нельзя: это риски по авторским правам и блокировкам, поэтому внешность нужно генерировать с нуля.
Для начала открываем Pinterest, вбиваем в поиск Girl Face и отбираем две понравившиеся фотографии девушек: лучше сразу сохраните.
Дальше идем в WaveSpeed (пополните как минимум на $5) и через поиск находим инструмент ByteDance Seedream V45 Edit. Вставляем в специальные формы эти фото, а нейросеть просим смешать внешность. Затем запускаем генерацию: ИИ возьмет черты обеих девушек и соберет уникальный портрет.
Совет: отбирайте исходники девушек с легкой изюминкой: необычной мимикой, выразительными чертами или просто не самым шаблонным типажом. Так будущая модель будет выглядеть живее и быстрее запомнится аудитории. Получившийся портрет сохраняем как базовый референс: в дальнейшем от него будем собирать весь визуальный пак.
Одного портрета для запуска мало: для обучения нужно подготовить для нейросети целый набор кадров с разными ракурсами, мимикой и положением тела. Простыми словами, необходимо собрать именно референсы: девушка повернута боком, смотрит через плечо, улыбается, поправляет волосы, держит руку у лица, стоит по пояс или снята в полный рост.
Ищите их где угодно: от Pinterest до любых фотостоков. Используем запросы вроде girl portrait, girl selfie pose, girl side profile, girl full body pose, girl hand in hair, girl mirror selfie, girl standing pose и сохраняем кадры. На внешность конкретной девушки здесь уже не смотрим так строго: нам важнее поза, поворот головы, положение рук, расстояние до камеры и общий формат.
Дальше берем один из референсов и прогоняем через ChatGPT: вставляем картинку и просим подробно описать кадр — позу, мимику, ракурс, свет, одежду, положение рук, фон и композицию. Нейронка выдаст подробное описание, которое потом используется как промпт для генерации нового изображения уже с нашей нейромоделью. Так нужно сделать со всеми собранными референсами
После этого возвращаемся в генератор (для экономии можете воспользоваться любым: от Nano Banano до того же ChatGPT), загружаем главный референс-портрет и добавляем описание нужной позы. Выбираем вертикальный формат 9:16, качество 2К и запускаем генерацию.
Нейросеть берет лицо нашей модели как основу, а из референса повторяет только ракурс, позу и общую композицию. Так постепенно появятся новые кадры: например, фото с рукой у волос.
Из каждой генерации оставляем только удачные изображения. Если лицо сильно изменилось или появились артефакты, то такой кадр сразу отбрасываем. Наша цель — собрать примерно 25–30 фотографий, где девушка выглядит как один и тот же персонаж, но снята с разных сторон и в разных позах. Этот набор потом архивируем в zip-формате: полученный пак в дальнейшем используется как датасет для обучения LoRA.
Обучение модели и настройка среды
Дальше возвращаемся в WaveSpeed и через поиск находим инструмент wavespeed-ai/wan-2.1-14b-lora-trainer. В него загружаем наш zip-архив и задаем триггерное слово — короткий ключ, по которому вызывается модель в промптах. Оно вставляется в начало промпта, чтобы нейросеть понимала: нужно генерировать не просто девушку, а именно нашу нейромодель.
В настройках ставим 3000 шагов обучения, остальные параметры на первом запуске можно не трогать. После этого нажимаем Run и ждем, пока сервис обучит LoRA на нашем датасете. По сути, на этом этапе нейросеть запоминает лицо, основные черты и визуальный стиль модели, чтобы потом воспроизводить ее в новых сценах: от обычных фото и танцевальных роликов до более пикантного контента.
После завершения обучения WaveSpeed выдаст файл LoRA, который нужно скачать на ПК — это главный рабочий файл модели. Дальше именно его будем подключать к генератору, чтобы собирать контент уже через полноценную обученную нейромодель.
Это важно еще и потому, что дальше генерация уходит из обычных онлайн-сервисов с жесткой модерацией в собственную рабочую среду. То есть одну и ту же LoRA можно использовать не только для обычных портретов, танцев и лайфстайл-контента, но и для более пикантных 18+ материалов под Fanvue. По сути, мы получили основу, которая будет держать лицо модели в разных сценах, а теперь нужно развернуть место, где эта основа будет нормально работать.
Поднимаем сервер и подключаем LoRA
После обучения LoRA нужно собрать рабочую среду, где мы будем генерировать контент уже с нашей моделью. Для этого используется RunPod — сервис, где можно арендовать виртуальный сервер с мощными видеокартами для работы с локальными ИИ-моделями.
В RunPod пополняем баланс (от 10$) и выбираем сервер с мощной GPU уровня RTX 6000, а далее — выбираем template (One Click — ComfyUI Wan2.1 — Wan 2.2 — CUDA 12.8).
Переходим в настройки и прописываем не менее 60 гигабайт для системного тома и 500 гигабайт для рабочего пространства.
Следом спускаемся к блоку переменных окружения (Environment variables), чтобы активировать нужные патчи. Здесь находим переменную download_wan22 и меняем ее значение на True. Аналогично поступаем с параметром download_wan_animate, который также необходимо перевести в значение True.
Больше ничего здесь делать не нужно, сохраняем настройки и нажимаем на кнопку Deploy pad: сам сервер появится на главном экране.
Загружаем LoRA в Hugging Face
Дальше подключаем Hugging Face: площадку используем как хранилище для нашей обученной LoRA. В аккаунте создаем access token: в разделе Read прописываем любые цифры.
Затем создаем новую модель: можете придумать любое название. Загружаем туда файл LoRA, который получили после обучения.
Теперь копируем и сохраняем в блокноте ссылку на модель: она нужна для того, чтобы скачать файл уже внутрь сервера на RunPod.
Переносим LoRA на сервер через Jupyter Lab
Когда сервер в RunPod заработал и получил статус Ready, заходим в Jupyter Lab. Это рабочая файловая среда сервера: через нее мы загрузим все нужные модели напрямую в системные папки ComfyUI.
Сначала открываем главную папку ComfyUI, переходим в директорию Models и выбираем раздел LoRAs. Прямо в этой папке открываем терминал и добавляем скопированную ссылку на нашу LoRA из Hugging Face. Терминал сам передаст нужные права авторизации на скачивание, и обученная нейромодель загрузится прямо на сервер.
Также необходимо перейти в директорию Models и открыть папку Upscale_models: сюда загружаем 1xSkinContrast-SuperUltraCompact.pth.
Собираем ComfyUI и workflow
Когда вспомогательные модели разложены по директориям, запускаем веб-интерфейс ComfyUI. Рабочее пространство полностью очищается от всех окон, чтобы перед глазами остался абсолютно пустой холст. Затем в окно программы перетаскивается файл конфигурации с расширением JSON, который автоматически выстраивает правильную цепочку из взаимосвязанных блоков.
Для создания контента под приватные площадки не подойдет случайный базовый шаблон: нужна сложная архитектура и поддержка технологий Image-to-Video. Во многих гайдах кастомный шаблон Wan_Animate_God_Mode_V3: лучше поискать на YouTube.
Для поиска других вариантов вбейте в Google англоязычные запросы вроде ComfyUI Wan 2.2 Animate workflow, image to Video ComfyUI tutorial или AI OFM ComfyUI setup.
Переходим к генерации
Для того чтобы найти нужные блоки и правильно настроить их, внимательно осмотрите все рабочее поле ComfyUI. Весь ваш загруженный шаблон состоит из соединенных между собой блоков. Передвигайтесь по рабочему полю, зажав правую кнопку мыши, чтобы прокрутить холст, или используйте колесико для масштабирования.
В рабочем поле ComfyUI ищите блок с заголовком Optional Character LoRA (название может отличаться). Это ключевой узел, который отвечает за подключение вашей обученной модели к генерации. Внутри этого блока из списка именно кликайте на тот файл LoRA, который вы сохранили после обучения.
Подготовка видео-референса и генерация
Далее идем в TikTok, находим трендовые танцы или любые движения, подходящие под стиль контента. Копируем ссылку, через сторонние сервисы скачиваем ролик без водяных знаков.
Открываем видео и делаем скриншот первого кадра, где поза девушки читается лучше всего. Теперь его нужно превратить в понятный нейросети промпт. Загружаем изображение в Grok (сервис не блокирует запросы по этическим соображениям и отлично справляется с описанием контента, который могут отклонить другие модели).
Просим нейросеть: «Чат, опиши это фото. Не уточняй черты лица, внешность, цвет волос и прическу. Вместо этого подробно распиши позу: как расположены руки, корпус, ноги, куда направлен взгляд, какое выражение губ и рта. Отдельно опиши одежду — ее цвет, стиль, материал и посадку. Также укажи место, атмосферу кадра, освещение и общее настроение сцены. Каждый элемент описывай конкретно и детально. Стиль описания должен передавать ощущение обычного фото, снятого на телефон без профессиональной постановки. Начни описание со слов: “Девушка…”. Обязательно подчеркни, что у девушки привлекательная, гармоничная фигура с тонкой талией, выразительными формами и плавными изгибами».
Полученный промпт нужен для создания идеального статичного исходника. Переходим в генератор изображений (например, Nano Banano) и загружаем туда нашу дефолтную фотографию — ту самую уникальную нейромодель, которую мы скрестили в самом начале.
Вставляем скопированный из Grok промпт, выставляем качество 2К, вертикальный формат 9:16 и запускаем генерацию. На выходе получаем изображение, где поза, ракурс, одежда и композиция полностью повторяют кадр из TikTok, но лицо принадлежит нашей модели. Сохраняем самый удачный вариант — именно он станет базой для анимации.
Затем загружаем файлы в соответствующие узлы воркфлоу ComfyUI: в блок для исходного изображения добавляем сохраненную картинку из Nano Banano, а в узел загрузки видео — скачанный ролик из TikTok.
Далее нужно прописать текстовые команды. Снова закидываем картинку из Nano Banano в Grok и просим составить подробные позитивный и негативный промпты. Их переносим в блоки CLIP Text Encode. Не забываем вписать триггерное слово, по которому система распознает нашу модель, и только после него вставляем описание от Grok. Негативный промпт отправляем в соответствующий нижний блок без изменений.
Осталось поправить технические настройки самого видео. В поле длительности кадров удаляем дефолтное значение 81, чтобы разблокировать полную длину исходного ролика. Параметр Expand в самом низу воркфлоу выставляем на значение 10. Если вы хотите сделать видео полностью уникальным и не переносить фон из TikTok-референса, просто удалите два связующих блока, которые отвечают за копирование заднего плана.
Выставляем все параметры, нажимаем кнопку запуска генерации (Queue Prompt) и ждем. Процесс займет время, но в итоге мы получим готовый качественный ролик, где наша виртуальная девушка плавно повторяет движения с референса.
Генерация 18+ контента
Принцип работы с адалт-материалами предельно прост: вы используете ту же самую связку, что и для лайфстайла, меняя только наполнение промптов. Если возникают сложности с описанием сцены для взрослого контента, не тратьте время на попытки «уговорить» обычные чат-боты: используйте Grok.
Регистрируем Fanvue и настраиваем монетизацию
Почему именно Fanvue? Они официально разрешают адалт-формат, не блокируют за ИИ-генерацию и, что критически важно, поддерживают выплаты в крипте.
Но есть и минус — Fanvue официально закрыт для пользователей из России. Проблема решается в пару кликов: вам нужны «помогаторы» по верификации. Их легко найти даже на Авито: люди за адекватный прайс все быстро организуют.
Во время регистрации обязательно указываем категорию 18+, а не общий контент: по этой схеме Fanvue нужен именно для более пикантных материалов, которые не публикуются напрямую в Telegram.
Когда профиль готов, заходим в Creation Tools. Там можно создать отдельный платный пост: загрузить материал, поставить цену и получить прямую ссылку на оплату. Эту ссылку дальше можно кидать в Telegram-канал или отправлять пользователю в переписке, если он уже прогрет и хочет больше контента.
Дальше переходим в Promotions. Здесь настраиваем цену подписки на аккаунт: можно поставить базовую месячную, а также отдельно задать цены на 3 месяца и 6 месяцев.
Там же создаются Free Trial Links — пробные ссылки. Можно дать ограниченному числу пользователей бесплатный доступ на короткий срок, например, на день для первых 10 подписчиков. После пробного периода подписка переходит в регулярную оплату.
Оформляем Telegram
Теперь создаем канал в Telegram: название обязательно выбираем на английском языке, и все без исключения посты, описание и навигацию внутри канала также ведем строго на английском. Наша цель — западный трафик, где аудитория платежеспособна, поэтому никакой кириллицы здесь быть не должно.
В этом канале нельзя публиковать откровенную эротику. Вместо этого канал должен выглядеть как качественный лайфстайл-блог обычной, но привлекательной девушки. Выкладывайте эстетичные фото из повседневной жизни: спорт, прогулки, путешествия, походы в кофейни: все это создает образ реального человека. Ваша задача — сделать так, чтобы мужчина проникся к этой девушке симпатией, вдохновился ею или даже влюбился.
Весь контент в канале работает как прогрев: мы создаем «витрину» красивой жизни, чтобы у подписчика возникло чувство привязанности. В каждом посте или закрепе оставляем ссылку на Fanvue. Это максимально естественный переход: в Telegram мы выстраиваем доверие, а на Fanvue превращаем этот интерес в заработок.
Перед тем как запускать трафик, обязательно наполните канал контентом. Минимум 20 постов должны быть уже опубликованы, чтобы человек, попав к вам, не увидел пустую страницу. Только после того, как канал полностью упакован и выглядит живым, мы переходим к настройке автоматизированной системы, где нейроботы через GramGPT начнут свою работу, привлекая аудиторию в этот канал и дожимая ее до платных подписок.
Fanvue, Telegram и чаттинг
Как вы уже поняли, пользователь проходит путь по вашей воронке: сначала попадает в ваш Telegram-канал, где постепенно проникается симпатией к модели. Как только любопытство достигает пика, он переходит на Fanvue за более открытыми материалами.
Но самый главный профит здесь приносит именно чатинг: вы активно работаете с ним напрямую. Если пользователь пишет модели в Telegram или в личку на Fanvue, вы через переписку ведете его к покупке: донату за персональное фото, закрытому посту или доступу к эксклюзивному 18+ материалу.
В мессенджере все будет автоматизировано (об этом ниже). А в случае с Fanvue всю работу можно доверить отдельным операторам, которые будут работать за процент.
Если мужчина просит эксклюзив или фото в определенном образе, вы просто идете в ComfyUI, генерируете уникальный кадр именно под его запрос и отправляете ему.
Запуск фермы нейрокомментинга через GramGPT
Теперь нужно запустить ферму из 50 и более ботов, которые будут круглосуточно писать комментарии под популярными постами в Telegram. Весь этот процесс автоматизируется и управляется через сервис GramGPT.
Закупка и подготовка аккаунтов
Первым делом переходим на LZT Market (или в другое проверенное место) в раздел Telegram и закупаем аккаунты в формате T-Data. Здесь лучше не экономить: не берите самые дешевые варианты, лучше заплатить немного больше за аккаунты с историей.
Также обязательно покупаем индивидуальный прокси (IPv4, формат SOCKS5). Соблюдаем жесткое правило: один прокси на 3–5 аккаунтов. Страна прокси должна строго совпадать со страной регистрации аккаунта, иначе Telegram моментально вычислит подмену и заблокирует бота.
После покупки скачиваем архив с аккаунтами в формате T-Data. Открываем GramGPT, переходим в модуль управления аккаунтами, выбираем «Импортировать T-Data» и загружаем архив.
В соответствующие поля вставляем купленные прокси, нажимаем «Проверить прокси», а затем «Проверить аккаунты» на валидность. Когда комбайн подтвердил, что все аккаунты живы, сохраняем их в базу. Но не спешите сразу запускать все в работу: дайте аккаунтам отлежаться на новом IP минимум 24 часа, чтобы избежать резких блокировок.
Оформление профилей через ИИ
После того как купленные аккаунты загружены в комбайн с новыми IP-адресами, им нужно дать отлежаться минимум сутки. Далее начинается процесс массового оформления профилей. Необходимо выделить всю пачку ботов и запустить функцию массовой генерации ИИ профилей.
В настройках генерации жестко задаем параметры:
- Пол: женский.
- Страна: США, Англия (или другие гео под бурж-трафик).
- Аватарки: выбираем загрузку из встроенной «женской библиотеки» комбайна (либо загружаем свои сгенерированные фото).
- Био (О себе): прописываем интригующий текст, например, My Private Content или I love it.
Текст о себе тоже задается массово. Вместо агрессивных призывов вписывается интригующее, но безопасное описание, например Aesthetic daily vibes или Travel and lifestyle. Главный элемент профиля — ссылка на ваш основной Telegram-канал, которая автоматически прошивается в каждый аккаунт. Пользователи увидят эстетичный профиль и сами поймут, зачем переходить по ссылке.
Нажимаем «Начать генерацию». Нейросеть забирает сухие технические логины и массово превращает их в полностью заполненные профили привлекательных девушек. Только после того, как все боты получили лица, био и ссылки-крючки, можно переходить к парсингу каналов и запуску нейрокомментинга.
Настройка нейрокомментинга
Теперь самое важное — сбор базы для работы. В интерфейсе GramGPT необходимо перейти в раздел «Парсинг данных», а затем открыть подраздел «Парсинг каналов». Именно туда добавляется один, максимум два аккаунта, которые будут выполнять исключительно роль поисковиков. Следом включается AI-защита, чтобы рандомизировать действия собирающего бота и защитить его от блокировок.
Выставляем жесткие фильтры: каналы от 2000 подписчиков, только с открытыми комментариями и активной аудиторией. Важнейший пункт — настройка языка: полностью исключаем СНГ, хинди и арабский, оставляя европейские языки (испанский, немецкий и т.д.). Для расширения базы также используем ручной сбор через сервис Telemetrio. Аналогичным образом парсим и открытые чаты/группы.
Помимо комментирования каналов, огромный пласт трафика добывается из открытых Telegram-групп. Для этого в комбайне предусмотрен отдельный инструмент, который настраивается сразу после сбора основной базы. Необходимо перейти в раздел парсера групп и добавить туда один технический аккаунт для сбора ссылок.
В поисковые параметры вбиваются самые профитные ниши. Идеально подходят англоязычные крипто-чаты, дейтинг-чаты для знакомств и любые другие тематики, где сконцентрирована платежеспособная мужская аудитория. Настройки фильтрации: отсекаются нецелевые языки, выставляются минимальные задержки, а для сбора указываются только активные группы с диапазоном от пятисот участников.
Дальше переходим в модуль нейрокомментинга. Боты распределяются по потокам: на каждый аккаунт вешаем строго по 5–10 каналов. Снова включаем AI-защиту (здесь она обязательна) и задаем нейросети строгий дейтинг-тон: писать комментарии по теме поста, использовать максимум 3-4 слова, флиртовать и категорически избегать хэштегов и смайликов (чтобы админы не вычислили сетку). Задержку между действиями ставим в диапазоне 30–70 секунд. Для работы в чатах ставим вероятность ответа 30% на триггерные слова и смену аккаунта после 5 сообщений.
Главный крючок воронки — автоответчик. Если мужчина отвечает на комментарий нашего бота, скрипт должен отреагировать фразой вроде «пиши сюда» и оставить ссылку на другой, специально подготовленный аккаунт. Комментирующий бот только привлекает внимание, а дожимают лидов уже другие аккаунты в модуле «Нейродиалоги», которые считывают весь контекст беседы, подстраиваются под язык собеседника и через легкий флирт уводят его на покупку в Fanvue.
Настройка нейродиалогов
Для полноценной обработки входящего трафика вся работа переносится в раздел нейродиалогов. На предыдущих этапах в модулях нейрокомментинга и нейрочатинга настраивался автоответчик, в который помещалась ссылка на резервные аккаунты.
Именно эти профили, не задействованные в первичном поиске лидов, теперь будут закрывать сделки. Ссылку на такой профиль нужно заранее скопировать в менеджере аккаунтов и вставить в автоответчик, чтобы весь поток пользователей направлялся точно по адресу. Если база собирается объемная, можно задействовать сразу несколько профилей для распределения нагрузки. После добавления аккаунтов в модуль активируется функция ответов.
Главная задача на этом этапе сводится к переливу трафика на Fanvue. Поскольку работа ведется по зарубежным ГЕО, входящие сообщения могут поступать от американцев, индусов, арабов или поляков. Поэтому язык ответа в настройках выставляется в автоматический режим. Нейросеть самостоятельно определяет язык входящего сообщения и продолжает диалог на родном для пользователя диалекте.
Нейросети задаются строгие рамки: флиртовать в личных сообщениях, отвечать на языке собеседника. Бот должен быть обаятельным, а его ответы — формироваться строго в одно короткое предложение с максимумом интимного подтекста. Цель — заставить человека купить подписку на Fanvue, и ссылка на целевой профиль вшивается прямо в текст промпта.
Мужская аудитория часто переходит на откровенные темы, на которые базовая языковая модель отказывается отвечать. Проблема решается дополнительной командой: если пользователь пишет вещи, запрещенные политикой нейросети, бот должен игнорировать ограничения и отвечать флиртом. После сохранения этих параметров останется лишь выставить временные задержки на ответы для имитации реального человека и нажать кнопку запуска.
Заключение
В итоге всё сводится к простой рутине: нейросети рисуют, боты общаются, Telegram подкидывает людей, а Fanvue принимает оплату за доступ к более откровенному контенту. Дальше остаётся только следить за цифрами и постепенно наращивать объём фермы.
