Нейронная сеть

Technical task: Program for automatic video assembly (local, for personal use) Briefly Program in Python, runs on my PC (Windows). Creates faceless videos in the format of "voiceover + changing visuals from photos and clips" — like historical documentaries on YouTube (references will be attached separately). I input a topic → the program writes a script, voices it, selects video/photos for each piece of text from free archives, assembles → outputs a ready MP4. For me only. No website, no users, no sales. Role division (important to understand) Claude (Anthropic API) — "brain": writes the script, divides it into scenes, selects the best frame by meaning. Works only with text and images. Code (ffmpeg/moviepy) — "hands": searches and downloads files from archives, cuts, glues, overlays sound, zooms, transitions, exports MP4. Claude does NOT edit video files — that’s done by the code. How it works (step by step) 1. Input. Simple window: I enter the topic of the video, choose a voice from the list (the list of voices is pulled from ElevenLabs via API). I click "Create". The second mode — insert a ready script. 2. Script. Claude writes a script on the topic of the specified length. 3. Scene breakdown. Claude divides the script into meaningful scenes (length by meaning, not fixed) and returns for each: scene text; type of visual: video or photo; search query in two formats at once (Claude provides both in one response, no extra queries or costs): expanded phrase — for stocks (Pexels/Pixabay), e.g. "18th century royal portrait, dramatic turning point"; brief keywords/names — for archives (Wikimedia, LoC, Archive.org, Europeana), e.g. "Marie Antoinette portrait". The code takes the appropriate format for each source. Claude generates the query based on the MEANING of the piece and the context of the entire video — even for abstract pieces without a clear object. There are no empty pieces "without a query"; highlight: true/false + importance rating 1-10 (for intro teaser). Meaningful scene ≠ frame. Claude divides the text by MEANING (so that the query is meaningful). The code then cuts this into visual frames of 4-6 seconds, adjusting the timing to the voiceover: short scene (≤6 sec) → 1 frame; long scene (e.g. 12 sec) → 2-3 frames of 4-6 sec each, with each — DIFFERENT, but close in meaning visual (same topic, different angles/frames), so that the thought does not hang on one static picture. The 4-6 sec rule applies to the frame, not to the meaningful breakdown — they are at different levels and do not conflict. 4. Voiceover. Text → ElevenLabs API with the selected voice → audio. The video sequence is cut to the length of the audio of each scene. 5. Frame selection (key process, see section below). 6. Assembly via ffmpeg/moviepy: clips/photos according to the timing of the voiceover, photos with zoom (Ken Burns effect), simple transitions, voice on top. Output: MP4 1920×1080. Frame selection (how video/photo is chosen for the scene) Search across all sources at once by the scene query. For each source, the appropriate query format is taken (see breakdown above): for archives — brief terms/names, for stocks — expanded phrase. The goal is to hit the topic, not a random picture. The code selects the top-5 candidates from all results by scores (scorer, see rules below). For video the code extracts 2-3 still frames from different points of the clip (beginning/middle/end) — so that Claude evaluates the clip by frames. Claude selects the best from 5 candidates by meaning (is the needed content realistically on the frame, does it fit the mood of the scene). Limit of 3 steps per scene: found a suitable one — stop; if nothing fits after checking — the code takes a more general photo by a simplified query (it will definitely be found) with enhanced movement. ALL frames are checked (the price difference is negligible, and quality is more important). Candidate selection rules (scorer) — to take good, not junk Relevance to the query (position in the source output) — main weight. Not used before — checked against a local database of used ones, do not repeat clips in my videos. Format — horizontal 16:9 prioritized. Quality — DIFFERENT for the type of source: modern stocks (Pexels/Pixabay) — filter out low quality, require HD; historical archives — low threshold/off, DO NOT lose film and documentary frames, even low resolution (their value is in the material itself, not in clarity). Clip length (for video) — is it enough to cover the scene. Diversity — do not take many identical frames in a row from one source, mix sources (so that the video sequence is diverse, not from one archive). Uniqueness (fewer matches with others' videos) Randomization of output (random from top-N, not always the first), search depth, local database of used ones (do not repeat clips in my videos), optionally — light processing of the clip (crop/mirror/speed). When unused frames for the query run out: the code first expands the search (other sources, deeper into the output, rephrasing the query). If that is exhausted — allows repeating previously used ones by priority: first those taken long ago (not in the latest videos), with mandatory processing for visual distinction. The video should not stall due to lack of material. Sources (all free, with API) Modern video + photo: Pexels, Pixabay. Historical / archival (public domain): Wikimedia Commons, Archive.org, Library of Congress, Europeana, NASA, Smithsonian Open Access, Flickr Commons, openverse. Each source is a separate module, easy to add a new one. The priority of sources depends on the topic (historical → archives first; modern → stocks first), configured in the settings. Only public domain / free licenses with the right to commercial use. No parsing of others' YouTube/sites, film clips, images "from Google". Video sequence rules Intro teaser (first 60 sec): a montage of the most striking frames from the entire video (scenes with the highest importance rating, where there is video) under a separate text-introduction from Claude ("in this video you will learn..."), frames without explanations — as intrigue. Then transition and main part. Alternation: video insert at least every ~6 sec, cannot have many photos in a row. Video share: at least ~40% of the time — live clips, the rest — photos with movement. Frame length: 4-6 sec. Do not flicker, do not hold static for long. For purely historical topics, where there is no video — photos with enhanced movement (zoom + panorama). Options (on/off in settings) Only photos — video purely from photos, without clips. Each photo must have movement (zoom/pan) — no static "dead" frames even in this mode. No voiceover — video is assembled by text without generating voice (the code does not call ElevenLabs). Otherwise — voiceover is done automatically. Atmospheric overlay (light leaks / dust & bokeh particles / film grain) — a semi-transparent layer with floating particles/light/easy fog over the video sequence, to make the frames look alive. Set 5-8 ready overlays to choose from; adjust transparency with a slider (0-100%); can also be applied to already finished video separately. Free overlays: Pexels, Pixabay, Mixkit, Videezy. Subtitles (embed or separate .srt). Clip processing for uniqueness. Resolution/format, video length, video share, search depth, number of candidates (default 5). LLM savings (set by default) Models — Claude (Anthropic API), separately for two tasks, parameter in settings: frame checking/selection (frequent operation) → Claude Haiku — cheap, analyzes still frames (images), for "suitable/not suitable" evaluation this is enough; script generation and breakdown (rare operation) → Claude Sonnet — for text quality. One API key for Claude gives access to all models (Haiku, Sonnet, etc.) — separate subscriptions are not needed. The model for each task can be changed in settings, without editing code. If no model is selected — the default model is used (does not break). Images are sent as previews of medium resolution (~512-768px on the long side) — sufficient for Claude to confidently recognize the content and assess its relevance to the scene. Do not send originals in full resolution (extra tokens), but also DO NOT reduce to the point of losing details — priority is on accuracy of assessment, savings are secondary. Preview resolution is a parameter in settings. Number of candidates per frame — parameter (default 5). Disk space management After assembly, all intermediate files (downloaded clips, temporary pieces) are automatically deleted — only the finished MP4 remains. The used database (list of clip IDs) is NOT included in auto-cleaning — this is a small text file, stored permanently. Only heavy media files are cleaned, not usage history. Cache limit (parameter, e.g. 5 GB): when exceeded, the oldest files are deleted. Folders for finished videos and temporary files are set in settings. Display of occupied space + "clear cache" button. Technical requirements Python. Modular structure (sources and LLM — interchangeable modules, to easily replace/add). All API keys are entered through the interface (section "Settings"), stored in the config, not in the code. Simple window (GUI — Tkinter/PyQt to choose), launched by double-click. All work is done through the interface (buttons, fields, sliders), without editing code. README (installation, keys, launch), clear logs, comments in the code. Interface (menu and control) Program with a side menu. Sections: New video — mode "generate by topic" OR "insert your script" (switch), voice selection, length, options, "Create" button. During assembly — progress screen by steps (script → voiceover → frame selection → assembly). My videos — list of finished videos. Voices — list of voices from ElevenLabs. Sources — list of all connected archives: shows added ones, can enable/disable each, set priority, and add your new source if you have its API key. Here also — source keys where registration is needed (Pexels, Pixabay, Europeana). Overlays — selection of atmospheric overlay and transparency. Settings — section "API keys" (Claude, ElevenLabs, etc. in one place), selection of Claude models, folders, resolution/format, cache limit. Clear cache — free up space. All keys and settings are entered through the interface, not through files/code. Result delivery All source code in open form (without obfuscation) + assembled working version. I can run it myself from the sources according to the instructions. The code is clean and understandable, so any other programmer can continue. All rights to the code after payment — mine. What I provide API keys (Claude, ElevenLabs, and sources where registration is needed). I pay for the paid ones myself. Examples of video references and topics for tests. Acceptance (ready if) I run → window → I enter the topic, choose a voice → "Create" → I receive a ready MP4. Video sequence according to the meaning of the text, alternation of video/photos, intro teaser 60 sec, voiceover on top. Works with at least 6 free sources, search across all at once + candidate selection. Frame selection: top-5 candidates from the code → selection of the best through Claude (for video — by still frames), limit 3 steps. Quality threshold depends on the source (archives — do not lose film frames).

Krótko Potrzebny program w Pythonie, który uruchamia się na moim PC (Windows) i tworzy faceless-wideo w formacie „głos lektora + zmieniający się materiał wideo z zdjęć i klipów” — jak dokumenty historyczne na YouTube (przykład dołączę osobno). Wprowadzam temat → program pisze scenariusz, lekturuje, dobiera do każdego fragmentu tekstu wideo/zdjęcia z darmowych archiwów, montuje → wydaje gotowy MP4. Tylko dla mnie. Bez strony, bez użytkowników, bez sprzedaży. Jeden użytkownik — ja. Jak działa (krok po kroku) 1. Wprowadzenie. Otwiera się proste okno. Wprowadzam temat filmu i wybieram głos lektora z listy (**lista głosów pobierana automatycznie z ElevenLabs przez API** — dostępne na moim koncie). Klikam „Utwórz”. (Drugi tryb: wklejenie gotowego scenariusza zamiast generacji.) 2. Scenariusz. Program przez LLM API (OpenAI/Anthropic, klucz w ustawieniach) pisze scenariusz na zadany temat o określonej długości. 3. Podział na sceny. LLM dzieli scenariusz na sceny i dla każdej zwraca: tekst sceny; typ wizualizacji: wideo lub zdjęcie; zapytanie wyszukiwania (rozwinięta fraza, co powinno być w kadrze); oznaczenie „highlight” + ocenę ważności 1-10 (dla intro, patrz poniżej). 4. Lektura. Tekst wysyłany jest do ElevenLabs API wybranym głosem → audio. Pod długość audio każdej sceny przycinany jest materiał wideo. 5. Dobór wideo/zdjęć — z darmowych źródeł przez API (patrz lista poniżej). Dla każdego źródła zapytanie formułowane jest na swój sposób (dla dokładności). Jeśli w jednym nie znaleziono — próbuje następnego. 6. Weryfikacja (maksymalnie 3 kroki na scenę). Krok 1: program bierze pierwszy znaleziony wariant (wideo/zdjęcie) według zapytania. Krok 2: wysyła kadr do LLM — „czy pasuje do sceny?”. Pasuje → stop. Krok 3 (jeśli nie pasuje): program przełącza się na wyszukiwanie zdjęć (po dokładnym zapytaniu zdjęcia znaleźć łatwiej niż wideo, — tak gwarantujemy trafność w sensie) i bierze je z wzmocnionym ruchem (zoom + panorama). Nie robić więcej niż 3 kroki na jedną scenę — to oszczędza budżet LLM i gwarantuje, że kadr jest w temacie. 7. Montaż przez ffmpeg/moviepy: klipy i zdjęcia pod timing lektury, zdjęcia ożywiane zoomem (efekt Kena Burnsa), głos na wierzchu, proste przejścia. Wyjście: MP4 1920×1080. Reguły materiału wideo (ważne — za to odpowiada program) Pierwsze 60 sekund — intro-teaser: montaż najbardziej efektownych klipów z całego filmu (brane są sceny z najwyższą oceną ważności, gdzie jest wideo) pod osobny tekst-wprowadzenie od LLM („w tym filmie dowiesz się…”), kadry bez wyjaśnień, jak intryga. Potem przejście i główna część. Naprzemienność: wstawka wideo minimum co ~6 sekund, nie można mieć wielu zdjęć pod rząd. Udział wideo: nie mniej niż ~40% czasu — żywe klipy, reszta — zdjęcia z zoomem. Długość kadru: 4-6 sekund (i zdjęcia, i wideo). Nie migać, nie trzymać statyki długo. Dla czysto historycznych tematów, gdzie nie ma wideo — zdjęcia z wzmocnionym ruchem (zoom + panorama). Źródła (wszystkie darmowe, z API) Nowoczesne wideo+zdjęcia: Pexels, Pixabay. Historyczne / archiwalne (public domain): Wikimedia Commons, Archive.org,Biblioteka Kongresu, Europeana, NASA, Smithsonian Open Access,Flickr Commons, openverse. Każde źródło — oddzielny moduł, łatwo dodać nowe. Używać tylko public domain / wolnych licencji z prawem do komercyjnego wykorzystania. Żadnego parsowania cudzych YouTube/stron, fragmentów filmów, obrazków „z googla”.Unikalność doboru Aby wideo nie pokrywały się z cudzymi: brać losowy klip z top-wyników (nie pierwszy), prowadzić bazę już użytych (nie powtarzać), opcjonalnie — lekka obróbka klipu (crop/lustro/szybkość). Opcje (włącz/wyłącz w ustawieniach) Tylko zdjęcia — jeśli włączone, wideo zbierane jest CZYSTO z zdjęć, bez klipów wideo. Każde zdjęcie OBOWIĄZKOWO z ruchem (zoom i/lub panorama, efekt Kena Burnsa) — nawet w tym trybie nie powinno być statycznych „martwych” kadrów, minimalna dynamika zawsze. Jeśli wyłączone — standardowy tryb (zdjęcia + klipy wideo z naprzemiennością, jak w regułach materiału wideo). Bez lektury — jeśli włączone, wideo zbierane jest według tekstu BEZ generacji głosu: kod NIE zwraca się do ElevenLabs i nie nakłada lektury (materiał wideo dobierany jest według tekstu scen, timing kadrów — według reguł/parametrów, bez powiązania z audio). Jeśli wyłączone — automatycznie robi lektury według tekstu przez ElevenLabs, jak zwykle. Atmosferyczny overlay — jeśli włączone, na całym materiale wideo nakładany jest półprzezroczysty layer z unoszącymi się cząstkami / pyłem / świecącym bokeh / lekką mgłą (particle / dust / bokeh / fog overlay, tryb nakładania screen/add), aby kadry wyglądały na żywe i filmowe. Przy instalacji programu umieszczany jest zestaw z 5-8 popularnych overlayów (cząstki, pył,copybokeh, mgła, lekkie filmowe „ziarnko”) w lokalnym folderze — wybieram potrzebny z listy. Regulowana przezroczystość/jasność overlayu (suwak 0-100%), aby efekt nie był anicopyzbyt przyciemniony, ani zbyt wyraźny — sam dostosowuję siłę. Pożądane, aby overlay można było nakładać i na JUŻ gotowe wideo osobnocopy(postprodukcja: wziąć gotowy MP4 → wybrać overlay → ustawić przezroczystość → zapisać), a nie tylko przy montażu. Skąd wziąć overlaye do kompletu (wolna licencja): Pexels, Pixabay (zapytaniacopy„particle overlay”, „bokeh overlay”, „dust overlay”, „light leaks”, „film grain”), Mixkit, Videezy. Wykonawca dobiera 5-8 sztuk i umieszcza w folderze programu. Napisy (wbudowane lub osobnym .srt). Obróbka klipów dla unikalności. Rozdzielczość/format, długość wideo, udział wideo, głębokość wyszukiwania.Wymagania techniczne Python. Modułowa struktura (źródła i LLM — przez wymienne moduły, aby łatwo zamienić lub dodać). Wszystkie klucze API — w pliku ustawień, nie w kodzie. Proste okno (GUI do wyboru wykonawcy — Tkinter/PyQt), uruchamiane podwójnym kliknięciem. README z instrukcją, zrozumiałe logi, komentarze w kodzie.Co daję ja Klucze API (ElevenLabs, LLM, gdzie potrzebna rejestracja — załatwię). Płatne opłacam sam. Przykłady wideo-referencji (dołączę) i przykłady tematów do testów.Odbiór (gotowe, jeśli) Uruchamiam → okno → wprowadzam temat, wybieram głos → „Utwórz” → otrzymuję gotowy MP4. Materiał wideo zgodny z sensownym tekstem, naprzemienność wideo/zdjęć, intro-teaser 60 sek, lektura na wierzchu. Działa minimum z 6 darmowymi źródłami, z fallbackiem między nimi. Weryfikacja kadrów przez LLM: maks. 3 kroki na scenę (znaleziono → LLM sprawdził → jeśli nie, zdjęcie z ruchem jako pewniak). Unikalność: randomizacja + baza używanego. Tylko legalne źródła. Jest README, uruchamia się od zera.Przekazanie wyniku Cały kod źródłowy — w otwartej formie (wszystkie pliki), bez obfuskacji + zbudowana wersja robocza. Mogę sam uruchomić z źródeł według instrukcji (README: instalacja, klucze, uruchomienie). Kod musi być czysty, skomentowany i zrozumiały, aby **każdy inny programista mógł kontynuować pracę** nad nim, jeśli zajdzie taka potrzeba (bez powiązania z autorem). **Cała codzienna praca — przez interfejs (przyciski, pola, suwaki, rozwijane listy), BEZ potrzeby dotykania kodu.** Wszystkie ustawienia (temat, głos, opcje, overlay, foldery, długość, formaty) zmieniają się w oknie programu, a nie edytowaniem plików. Kod w rękach — tylko jako moja własność i zabezpieczenie, a nie jako sposób zarządzania programem. Wszystkie prawa do kodu po zapłacie — moje.Zarządzanie miejscem na dysku (ważne) Program nie powinien zapełniać dysku. Zrealizować: Po zmontowaniu wideo wszystkie pliki pośrednie (pobrane klipy, tymczasowe fragmenty, audio-clipy) automatycznie usuwane — na dysku pozostaje tylko gotowy MP4. Limit na cache (parametr w ustawieniach, np. 5 GB): przy przekroczeniu stare pobrane pliki usuwane są automatycznie (najpierw najstarsze). Folder dla gotowych wideo i dla plików tymczasowych ustalam w ustawieniach. Pokazywać, ile miejsca zajęte, i przycisk „wyczyść cache” ręcznie.Proszę wskazać w odpowiedzi Przykłady podobnych prac (ffmpeg/moviepy, praca ze stockowymi/archiwalnymi API, ElevenLabs/LLM). Propozycja dotycząca GUI. Czy rozwiązanie wykorzystuje bazę danych (jaką i po co) — czy wystarczą lokalne pliki. Termin i koszt.

Opracowujemy integrację w czasie rzeczywistym z zewnętrzną usługą Trener. Wysyłamy zorganizowane zrzuty stanu, otrzymujemy rekomendacje i pokazujemy je w wyskakującym oknie. Zadanie — stabilne i pełne przesyłanie danych dla prawidłowego działania Trenera. Szukamy programisty do łańcucha: przetwarzanie danych → komunikacja HTTP → nakładka. Potrzebni są ludzie z takimi umiejętnościami Python dobrze, Java podstawy, API HTTP/JSON-APIs Projekt gotowy w 90%, ale są pewne niezgodności

Wymagana jest разработка lokalnego skryptu Python do automatycznego wypełniania Google Arkuszy danymi z wewnętrznego serwisu firmy. Główna logika: 1. Połączyć się z Google Arkuszem. 2. Znaleźć wiersze, w których wypełniony jest ID, ale brakuje dwóch docelowych wartości. 3. Sformułować link według szablonu: https://internal-service.example/item/{ID} 4. Uzyskać dwie wartości (przez API, jeśli istnieje, w przeciwnym razie przez Playwright). 5. Zapisz wartości z powrotem do Google Arkusza. 6. Oznaczyć wiersz jako przetworzony. 7. Kontynuować przetwarzanie kolejnych wierszy. Wymagania: • Python • Google Sheets API • Priorytetowe użycie oficjalnego API • W przypadku braku API — Playwright • Bez OCR, rozpoznawania ekranu i współrzędnych myszy • Poufne dane nie powinny trafiać do logów • Konfiguracja przez .env • Tryb testowy (bez zapisu do arkusza) • Nie przetwarzać już wypełnionych wierszy • Zbiorowe zapisywanie zmian w Google Sheets • Poprawne przetwarzanie błędów i ponownych prób Wymagane do dostarczenia: - kod źródłowy; - requirements.txt; - przykład .env.example; - instrukcja instalacji; - instrukcja uruchamiania; - krótki opis architektury. Przed rozpoczęciem realizacji proszę: 1. Zaproponować architekturę. 2. Wymienić niezbędne dostępności. 3. Zadać pytania wyjaśniające. 4. Podać koszt, terminy i orientacyjną liczbę godzin.

W ramach podnoszenia poziomu cyberbezpieczeństwa naszej infrastruktury musimy zrezygnować z praktyki przechowywania „wiecznych” i statycznych kluczy API, haseł oraz tokenów integracji w plikach konfiguracyjnych (.env, appsettings.json, config.yaml) naszych mikroserwisów. Cel biznesowy: Stworzyć jednolity, zabezpieczony punkt przechowywania danych poufnych (sekretów) z mechanizmem ich automatycznego aktualizowania (rotacji) w systemach zewnętrznych według harmonogramu. Inne nasze usługi będą żądać aktualnych tokenów „na żywo” przez API, co zminimalizuje szkody w przypadku kompromitacji któregokolwiek z komponentów systemu.Model bezpieczeństwa i szyfrowanie (Crypto Core) W bazie danych żaden sekret nie powinien być przechowywany w postaci jawnej. Podczas uruchamiania aplikacji do zmiennych środowiskowych przekazywany jest Klucz główny (Master Key). Jeśli klucz jest nieobecny lub ma nieprawidłową długość, usługa powinna zakończyć działanie na etapie inicjalizacji z zrozumiałym błędem w logach. Każdy sekret jest szyfrowany przed zapisaniem w bazie danych z użyciem tego Klucza głównego. Przy żądaniu — jest deszyfrowany w pamięci i zwracany w treści odpowiedzi.Audyt-logowanie (Audit Trail) Każda akcja z sekretami (tworzenie, odczyt przez usługę, udana lub nieudana rotacja) powinna być zapisywana w oddzielnym pliku logów audit.log (lub w oddzielnej tabeli w bazie danych). Ścisły zakaz: W audyt-logu kategorycznie zabrania się zapisywania samych wartości sekretów (ani w postaci jawnej, ani w postaci zaszyfrowanej).