MVP czatu-bota w WhatsApp: głos + OCR + GPT (ros/ang/hebr)

Potrzebny freelancer do tworzenia MVP WhatsApp-bota, który rozumie głos, zdjęcia i PDF, odpowiada głosem i tekstem, i działa w języku rosyjskim, angielskim i hebrajskim.

MVP — co musi się w nim znaleźć:

Abyśmy mówili jednym językiem, wymienię to, co uważam za podstawę:

Przyjmowanie wiadomości głosowych i tekstowych w WhatsApp

Możliwość wysłania zdjęcia lub PDF

Rozpoznawanie tekstu (OCR, na przykład przez Google Vision)

Analiza i generacja odpowiedzi przez GPT

Odpowiedź — prostym i zrozumiałym językiem

Odtwarzanie głosu odpowiedzi (na żądanie)

Wsparcie dla języka rosyjskiego, hebrajskiego (w tym RTL) i angielskiego

Zapisywanie historii w Supabase — aby były logi: kto co wysłał, co zostało rozpoznane, jaka była odpowiedź

Jeśli uważasz, że można zrobić to lepiej lub prościej — daj znać.

4. Doświadczenie użytkownika — kluczowy element:

Bardzo ważne, aby interakcja była jak najprostsza.

Użytkownik powinien po prostu powiedzieć:

> “Sprawdź, co to za list”

lub “Zrób zdjęcie rachunku”

— i bot zaczyna działać.

Bez zbędnych przycisków, pytań i skomplikowanych scenariuszy.

5. “Żywy” bot, a nie głupi skrypt:

Nawet w MVP chce się, aby bot zachowywał się jak człowiek:

zadawał pytania uściślające,

proponował działania: “Odtwórz głos?”, “Wyjaśnij szczegółowo?”, “Znajdź numer?”

Niech to będą 2–3 frazy do wyboru, ale tak, aby dawało to wrażenie żywego asystenta.

6. Architektura z myślą o przyszłości:

Obecnie MVP, jasne. Ale bardzo chcę, aby potem można było spokojnie:

podłączyć rozszerzone funkcje GPT (dialog, kontekst)

dodać wyszukiwanie w sieci, integracje

skalować pod 10+ użytkowników

Jeśli budujesz na Make, Zapier lub własnym rozwiązaniu — ok. Ważne, aby potem inny programista mógł to przejąć i rozwijać.

7. Etapy realizacji:

Napisz, jak widzisz przekazanie każdego etapu: co dokładnie pokazujesz, jak testujemy, kiedy zatwierdzamy — aby wszystko było jasne i przejrzyste.

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.