MVP of the WhatsApp chat-bot: voice + OCR + GPT (Russian/English/Hebrew)

Looking for a freelancer to create an MVP WhatsApp bot, that understands voice, photo, and PDF, responds with voice and text, and works in Russian, English, and Hebrew.

MVP — what must be included:

To ensure we are on the same page, I will list what I consider the basics:

Receiving voice and text messages in WhatsApp

The ability to send photos or PDFs

Text recognition (OCR, for example, via Google Vision)

Analysis and response generation through GPT

Response — simple and understandable language

Voice response (upon request)

Support for Russian, Hebrew (including RTL), and English

Saving history in Supabase — to keep logs: who sent what, what was recognized, what response was given

If you think it can be done better or simpler — let me know.

4. User experience — a key point:

It is very important that the interaction is as simple as possible.

The user should just say:

> “Look at this letter”

or “Photograph the bill”

— and the bot starts working.

No extra buttons, clarifications, or complex scenarios.

5. A “live” bot, not a dumb script:

Even in the MVP, I want the bot to behave human-like:

ask clarifying questions,

offer actions: “Voice it?”, “Explain in more detail?”, “Find the number?”

Let it be 2–3 phrases to choose from, but to give the feeling of a live assistant.

6. Architecture with future in mind:

Currently, MVP is enough. But I really want to be able to later:

connect advanced GPT features (dialog, context)

add web search, integrations

scale to 10+ users

If you build on Make, Zapier, or something else — okay. The main thing is that another developer can pick it up and develop it further later.

7. About stages:

Describe how you see the transfer of each stage: what exactly you show, how we test, when we approve — so everything is clear and transparent.

Нужен фрилансер для создания MVP WhatsApp-бота, который понимает голос, фото и PDF, отвечает голосом и текстом, и работает на русском, английском и иврите.

MVP — что в него точно должно входить:

Чтобы мы говорили на одном языке, перечислю то, что я считаю базой:

Приём голосовых и текстовых сообщений в WhatsApp

Возможность отправить фото или PDF

Распознавание текста (OCR, например, через Google Vision)

Анализ и генерация ответа через GPT

Ответ — простым и понятным языком

Озвучка ответа (по запросу)

Поддержка русского, иврита (включая RTL) и английского

Сохранение истории в Supabase — чтобы были логи: кто что отправил, что распозналось, какой ответ был

Если ты считаешь, что можно сделать лучше или проще — сообщи.

4. Пользовательский опыт — ключевой момент:

Очень важно, чтобы взаимодействие было максимально простым.

Пользователь должен просто сказать:

> “Посмотри, что это за письмо”

или “Сфотографируй счёт”

— и бот начинает работать.

Без лишних кнопок, уточнений и сложных сценариев.

5. “Живой” бот, а не тупой скрипт:

Даже в MVP хочется, чтобы бот умел вести себя по-человечески:

задавал уточняющие вопросы,

предлагал действия: “Озвучить?”, “Пояснить подробнее?”, “Найти номер?”

Пусть это будет 2–3 фразы на выбор, но чтобы это давало ощущение живого помощника.

6. Архитектура с прицелом на будущее:

Сейчас MVP, понятно. Но очень хочется, чтобы потом можно было спокойно:

подключить расширенные функции GPT (диалог, контекст)

добавить веб-поиск, интеграции

масштабировать под 10+ пользователей

Если ты строишь на Make, Zapier или чём-то своём — ок. Главное, чтобы потом другой разработчик мог это подхватить и развить.

7. По этапам:

Напиши, как ты видишь передачу каждого этапа: что именно ты показываешь, как тестируем, когда утверждаем — чтобы всё было чётко и прозрачно.