JCast Studio: hoe wij onze podcast-pipeline automatiseerden

Wat begon als een paar losse scripts voor transcripties en show notes, groeide uit tot JCast Studio: een verzameling tools die een ruwe opname omzet in een gepubliceerde aflevering, inclusief artwork, avatars en social posts.

We zijn met drie developers: Oumaima, Viktor en ikzelf. En zoals dat vaak gaat bij developers begonnen we ons af te vragen hoeveel van het werk rond een podcast we konden automatiseren.

In deze blogpost neem ik je mee door de onderdelen waar we uiteindelijk het meeste tijd aan gespendeerd hebben. Niet altijd de onderdelen die we vooraf verwacht hadden.

Van Java-tooling naar Bash-pipeline

Ja, echt.

We hadden ooit een announce.java en een socials.java. Technisch werkte het prima, maar het voelde gewoon veel te zwaar voor wat we wilden doen. Je wil niet telkens een volledige Java-applicatie starten om een social post te genereren.

Dus hebben we alles weggegooid.

Vandaag draait bijna alles in Bash. Gewoon scripts, curl, jq, ImageMagick en APIs. Geen frameworks. Geen build tools. Geen overkill.

Dat werkt verrassend goed.

Eén opname, volledige pipeline

Wat gestart is als “een scriptje voor transcripties” is ondertussen uitgegroeid tot een volledige publishing pipeline.

Vandaag loopt een aflevering ongeveer zo door ons systeem:

episode.wav
  -> transcribe.sh    ->  transcript + tekst
  -> shownotes.sh     ->  index.md met show notes
  -> transistor.sh    ->  upload + scheduling
  -> avatar.sh        ->  creatie van een avatar
  -> thumbnail.sh     ->  1024×1024 thumbnail + social card (1200×630)
  -> upscale.sh       ->  3000×3000 PNG voor Transistor, 1200×1200 WebP voor website
  -> artwork.sh       ->  coverafbeelding hosten en koppelen
  -> announce.sh      ->  posts voor Bluesky en LinkedIn

Het grootste voordeel is eigenlijk niet de tijdswinst. Het is dat we minder moeten nadenken. We nemen een aflevering op, starten de workflow en volgen de stappen. Minder context switching, minder dingen vergeten en vooral meer consistentie tussen afleveringen.

Ik ben trouwens rampzalig in command-line parameters onthouden.

Daarom gebruik ik meestal gewoon:

make studio

Dat opent een interactief menu waarmee ik de volledige workflow volg van A tot Z. Transcriptie, show notes, thumbnails, uploaden, socials… alles zit daarin verwerkt.

Uiteraard kan alles ook afzonderlijk via scripts, maar meestal wil ik gewoon zo snel mogelijk van ruwe opname naar gepubliceerde aflevering gaan zonder eerst opnieuw syntax te moeten opzoeken.

Verrassend veel iteraties voor iets “simpels”

De thumbnails leken in het begin het gemakkelijkste onderdeel. Dat waren ze absoluut niet.

We hebben eigenlijk nooit zelf thumbnails ontworpen. AI genereert ze volledig zelf. Het enige vaste vertrekpunt is ons JCast-logo. Daarbovenop geven we telkens een korte prompt mee om richting te geven aan de stijl of sfeer.

In theorie simpel. In praktijk bleek dat verrassend moeilijk consistent te krijgen.

Soms was een achtergrond veel te leeg. Dan weer veel te druk. Op bepaalde momenten leek het alsof AI plots verliefd was op gigantische oranje vormen die alle aandacht opeisten.

Na veel iteraties zijn we uiteindelijk uitgekomen op iets dat vrij consistent aanvoelt met onze stijl: abstracte achtergronden, subtiele vormen, genoeg detail zonder dat het logo verloren gaat.

En dan begint natuurlijk nog het layoutgedeelte.

Lange titels. Gastnamen. Elementen die plots overlappen wanneer een titel nét iets langer wordt dan verwacht.

Dus ja, uiteindelijk zaten we in Bash dynamisch hoogtes te berekenen via ImageMagick om alles automatisch correct te positioneren.

En als dat allemaal klaar is, genereert hetzelfde script ook automatisch een 1200×630 Open Graph-afbeelding voor sociale media. Zelfde achtergrond, ander formaat, andere layout, zodat de preview er op Bluesky of LinkedIn ook netjes uitziet zonder dat we daar apart iets voor moeten doen.

Avatar generatie: AI blijft koppig

Voor gasten genereren we ook een mooie avatar op basis van een referentiefoto.

Daar hebben we ondertussen verrassend veel prompt-engineering in gestoken.

Want AI heeft bepaalde gewoontes waar je blijkbaar actief tegen moet vechten.

Bijvoorbeeld tanden.

We hebben letterlijk expliciete instructies toegevoegd zoals:

• mond gesloten
• geen tanden zichtbaar
• absoluut geen brede glimlach

En toch… af en toe beslist het model nog steeds dat iemand eruit moet zien alsof ze in een reclame voor tandpasta spelen.

Sommige dingen blijven blijkbaar moeilijk voor generatieve AI.

We merkten ook snel dat kledingkleuren vaak veel te dicht bij haarkleuren lagen. Mensen met warme bruine haren kregen standaard een bruine of oranje trui waardoor alles visueel samenklonterde.

Dus zijn we kleurdetectie beginnen te doen via ImageMagick.

We samplen nu automatisch de haarkleur uit de referentiefoto en filteren vervolgens kledingkleuren die daar te dicht bij liggen op het kleurenwiel.

Dat soort dingen begint als “even snel een scriptje schrijven” en eindigt plots in echte logica.

Van scripts naar software

Wat gestart was als wat losse scripts begon meer en meer op echte software te lijken.

Dus hebben we er ook echte testing rond gebouwd:

• Bats-tests
• ShellCheck
• GitHub Actions
• tests op Linux én macOS

Het moeilijkste deel waren de externe APIs.

We gebruiken onder andere Deepgram, OpenAI en Anthropic. Uiteraard wil je die niet effectief aanspreken tijdens je tests.

Daarom hebben we alles injectable gemaakt. Elke curl call loopt via een variabele zodat we in tests een fake binary kunnen injecteren die fixtures teruggeeft.

Daardoor kunnen we volledige scripts testen zonder één echte API-call te doen.

Het leukste deel? Dat het blijft evolueren

JCast Studio is nog altijd geen product. Het is gewoon een interne toolkit die blijft groeien telkens wanneer we ergens tegenaan lopen.

Nieuwe irritatie? Grote kans dat er een nieuw script bijkomt.

We begonnen met het automatiseren van vervelende taken rond de podcast.

Ondertussen merken we dat JCast Studio meer geworden is dan dat. Nieuwe ideeën voor de podcast leiden vaak tot nieuwe tooling, en nieuwe tooling beïnvloedt op zijn beurt hoe we afleveringen maken.

Wat begon als een paar losse scripts is ondertussen een vast onderdeel van JCast geworden.

Benieuwd naar de content achter deze tech? Luister naar onze laatste aflevering.

Feedback of vragen? Bereik ons via:

• Instagram: @jcast_crew
• Email: hello.jcast@gmail.com