Terapeutyczny pluszowy miś AI

# Propozycja - Terapeutyczny Pluszak AI

**Cześć!**

Jestem Denys Hritsanov, specjalista AI/ML z 15-letnim doświadczeniem i rolą Head of AI Transformation w Deloitte. Twój projekt idealnie pasuje do mojego background.

## Doświadczenie z LLM
**Modele z którymi pracowałem offline:**
- Llama 2/3 (7B, 13B) - fine-tuning i quantization
… - Mistral 7B, TinyLlama 1.1B, Bielik 7B
- 4-bit quantization (GPTQ), model pruning, ONNX optimization

## Integracja Głosowa
**Complete voice pipelines:**
- STT: Whisper (offline), Wav2Vec2
- TTS: Coqui TTS, Mozilla TTS dla local deployment
- Audio processing: noise reduction, VAD
- Doświadczenie z dziecięcą mową i emotion detection

## Sprzęt dla Prototypu
**Rekomendacja: Jetson Nano**
- 128 CUDA cores - idealne dla LLM inference
- 4GB RAM wystarczające dla quantized 7B model
-

Dzień dobry!
Nazywam się Walenty i reprezentuję Arctic Web Agency. Jesteśmy zespołem doświadczonych programistów internetowych, specjalizujących się w tworzeniu nowoczesnych i skutecznych rozwiązań internetowych dla biznesu. W prywatnych wiadomościach mogę przesłać przykłady naszych podobnych prac. Gotowi podjąć się Twojego projektu!

Z poważaniem
Zespół Arctic Web
Freelancehunt

Pokaż oryginał

Przetłumacz

Witaj,
Jesteśmy firmą z ponad 10-letnim doświadczeniem na rynku, a nasz zespół obejmuje ekspertów z tytułem doktora nauk. Mamy udokumentowane osiągnięcia we współpracy z LLM, w tym projekty, które możemy zaprezentować bez NDA (oraz wiele innych pod NDA).
Możemy również przedstawić gotowe demonstracje i przykłady integracji, abyś mógł ocenić jakość i wydajność naszych rozwiązań. Jesteśmy przekonani, że możemy pomóc ożywić Twój innowacyjny projekt.
Chętnie omówimy szczegóły i zaprezentujemy demo podczas nadchodzącej rozmowy.

Pokaż oryginał

Przetłumacz

Cześć,
Rozumiem, że tworzysz terapeutyczną zabawkę AI dla dzieci, która działa offline i odpowiada głosowo. Mogę pomóc w stworzeniu lokalnego pipeline’u LLM działającego na urządzeniach takich jak Jetson Nano lub Raspberry Pi, zoptymalizowanego pod kątem niskiego opóźnienia i zużycia zasobów.

Pracowałem z Llama i TinyLlama offline. Do obsługi głosu używałem Whisper i Coqui do budowy pipeline’ów mowy. Mogę też zaproponować klasyfikatory emocji do wykrywania tonu lub intencji z mowy. Do prototypu polecam Jetson Nano ze względu na wsparcie GPU i elastyczność w ML.

Dzień dobry, mam 5-letnie doświadczenie, chętnie pomogę, napisz do mnie, aby omówić szczegóły.
Pracowałam z różnymi modelami LLM w środowisku offline, w tym z LLaMA, Mistral, Falcon, a także z wersjami GGUF modeli przez llama.cpp, ollama i inne lekkie interfejsy, które pozwalają uruchamiać modele na lokalnym sprzęcie bez połączenia z chmurą. Mam doświadczenie w optymalizacji modeli pod konkretne urządzenia, aby osiągnąć maksymalną wydajność bez utraty jakości odpowiedzi.
Pracowałam również z integracją głosową — realizowałam zarówno TTS, jak i STT, w tym z użyciem narzędzi takich jak Whisper od OpenAI, Coqui i Vosk, które dobrze działają offline, nawet na słabym sprzęcie.
Do tworzenia prototypu polecam użycie Mini PC na bazie CPU z AVX2/AVX512 lub GPU (np. RTX 3060–4060) — to wystarczy, aby lokalnie pracować z modelami do 7B w czasie rzeczywistym, co pozwala zachować pełną autonomię bez zewnętrznych usług.
Potrafię dostosować model do możliwości systemu, zapewnić integrację z interfejsami głosowymi, zbudować całkowicie offline asystenta lub interfejs, który działa szybko, bez przekazywania danych stronom trzecim.
Jeśli potrzebujesz rozwiązania z naciskiem na bezpieczeństwo, efektywność i autonomię — jestem właśnie osobą, z którą warto współpracować.

Pokaż oryginał

Przetłumacz

Cześć!
Zainteresował mnie Twój projekt – bardzo fajny pomysł, etyczny i technicznie wyzywający.

Odpowiadam na pytania:

1. Jakie modele LLM znasz i z którymi pracowałeś offline:
Pracowałem z lokalnymi LLM (Quantized):
• LLaMA 2 / TinyLlama (przez GGUF + llama.cpp / Ollama)
• Phi-2, Gemma, Mistral 7B, Bielik — w formacie Q4_0, Q5_K, Q8_0 do uruchomienia na słabych urządzeniach ARM/CPU.
… Mam również doświadczenie w fine-tuning / prompt-tuning na własnych zestawach danych do specjalistycznych zastosowań.

2. Czy masz doświadczenie z integracją głosową:
Tak, tworzyłem pełne voice-pipeline’y:
• Whisper.cpp (rozpoznawanie lokalne)
• Silero TTS / Coqui.ai / Piper do syntezy mowy
• Przetwarzanie przez Node.js / Python z przekazywaniem do LLM przez API lub lokalnie.

3. Sprzęt do prototypu:
• Jetson Nano 4GB lub Raspberry Pi 5 z aktywnym chłodzeniem.
• Jeśli ważna jest latencja — polecam dodatkowo Google Coral USB do edge ML inference (klasyfikacja emoji / rozpoznanie).
• Próbowałem też Rockchip RK3588 — mocny, ale trudniejszy w konfiguracji.

Chętnie omówię szczegóły techniczne i potencjalną współpracę.
Mam również doświadczenie w child-safe AI i pracowałem z ramami etycznymi (GDPR, AI Act).
Jestem otwarty zarówno na współpracę kontraktową, jak i udział w projekcie jako core-developer / CTO.

Pokaż oryginał

Przetłumacz

Cześć!

Ten projekt naprawdę przykuł moją uwagę, nie tylko dlatego, że jest ekscytujący pod względem technologicznym, ale także dlatego, że może naprawdę wiele zmienić dla dzieci. Mogę pomóc Ci zbudować lokalny model językowy, który będzie działał płynnie na kompaktowym sprzęcie, takim jak Raspberry Pi czy Jetson Nano, i zapewni szybkie odpowiedzi bez nadmiernego zużycia pamięci. Pracowałem z lekkimi modelami, takimi jak TinyLlama i Gemma, i potrafię je dostroić, aby działały w trybie offline, a jednocześnie brzmiały naturalnie i ciepło.

Jeśli chodzi o część głosową, mogę stworzyć kompletny system, który słucha, rozumie i odpowiada na głos, a wszystko to na urządzeniu. Chciałbym wprowadzić delikatny system sygnałów emocjonalnych, który wychwyci ton dziecka i dostosuje reakcję pluszowej zabawki. Jeśli dziecko brzmi niepewnie lub zdenerwowanie, głos może złagodzić lub uspokoić bez konieczności stosowania skomplikowanego systemu. Dodaje to dodatkowego, ludzkiego charakteru, co moim zdaniem jest bardzo ważne w przypadku takiej zabawki.

Jetson Nano byłby moim pierwszym wyborem sprzętowym, ponieważ daje nam miejsce na lokalne uruchamianie wszystkiego, a w razie potrzeby ma nieco więcej mocy, zwłaszcza dla płynniejszego odtwarzania głosu. Mogę też pomóc w bezpiecznym synchronizowaniu wszystkiego z aplikacją rodzica, zachowując prywatność wszystkich poufnych danych na urządzeniu.

Dziękuję!

Cześć!
Jestem specjalistą od uczenia maszynowego z dużym doświadczeniem w pracy z takimi urządzeniami (Raspberry Pi, Jetson Nano). Moje główne portfolio to projekt dotyczący uczenia modeli wykrywania obiektów wojskowych, które działają lokalnie na ograniczonym sprzęcie.


Sprzęt: polecam Jetson Nano lub Raspberry Pi 5 z Coral USB, w zależności od budżetu. Nano — wydajny dla TTS i STT, Coral — dla przyspieszenia inferencji.

Klasyfikacja emocji/intencji: mogę zaproponować lekkie modele pochodne BERT (na przykład DistilBERT lub TinyBERT) lub rule-based fallback dla sytuacji krytycznych.

Architektura: proponuję architekturę hybrydową: całkowicie offline przetwarzanie na zabawce + synchronizacja stanów przez MQTT lub BLE z aplikacją nadrzędną.
…
Mogę zapewnić:
Filmy demonstracyjne śledzenia celów z prawdziwego drona

Przykłady kodu z rzeczywistego projektu: śledzenie, sterowanie, optymalizacja modeli pod Raspberry Pi (Python, ONNX, kwantyzacja)

Otwarty na NDA i długoterminową współpracę jako AI developer / CTO

Stwórzmy coś, co naprawdę pomoże dzieciom.
Gotowy do omówienia szczegółów technicznych, wymagań dotyczących MVP i pierwszych kroków.