Доработка Text to Speach

Необходимо разработать сервис на базе Claude или другой подходящей AI-модели, который сможет автоматически находить компании-конкурентов, связываться с ними по электронной почте и телефону, собирать необходимую информацию и заносить результаты в единую таблицу. Основная задача сервиса Пользователь задаёт конкретный запрос, например: - узнать стоимость определённого вида мяса; - узнать цену на конкретный вид древесины; - уточнить стоимость товара или услуги; - проверить наличие продукта; - узнать сроки выполнения заказа; - получить условия сотрудничества. После этого система должна: 1. Найти подходящие компании. 2. Собрать их контактные данные. 3. Отправить им персонализированные письма. 4. Позвонить компаниям с помощью AI-бота. 5. Получить ответы на заданные вопросы. 6. Сохранить все результаты в Google Sheets или другую таблицу. Под каждую новую задачу пользователь должен иметь возможность менять поисковые запросы, критерии отбора, текст письма и сценарий телефонного разговора. Этап 1. Сбор базы компаний Этап 2. Email-рассылка и сбор ответов Этап 3. AI-обзвон компаний --- Важные технические требования - Возможность использовать Claude для генерации писем, анализа ответов и управления диалогом. - Возможность заменить AI-модель без полной переработки системы. - Интеграция с Google Sheets. - Интеграция с Gmail или другим почтовым сервисом. - Интеграция с сервисом AI-телефонии. - История всех писем, звонков и изменений. - Возможность остановить или поставить задание на паузу. - Контроль расходов на звонки, письма и AI-запросы. - Ограничение количества звонков в день. - Защита от повторной отправки писем и повторных звонков одной компании. - Соблюдение законодательства о телефонных звонках, записи разговоров, email-рассылках и использовании персональных данных. --- Ожидаемый результат В результате должен получиться сервис, в котором пользователь создаёт задание, указывает, какую информацию необходимо узнать, выбирает географию и источники, после чего система самостоятельно: 1. Собирает базу компаний. 2. Находит контактные данные. 3. Отправляет персонализированные письма. 4. Обзванивает компании по заданному сценарию. 5. Анализирует ответы. 6. Формирует единую таблицу с результатами. 7. Показывает, из какого источника была получена каждая информация.Для первого обсуждения с разработчиком также стоит попросить отдельно оценить стоимость и сроки MVP, автоматического парсинга, AI-телефонии и ежемесячной инфраструктуры.

Необходимо разработать промпт для ИИ (желательно Gemini, но можно предлагать альтернативу), при котором мы сможем использовать конкретную стилистику для генерации изображений. ИИ должно взять за основу стиль и, не изменяя его, создавать все необходимые нам формы предметов или людей с максимально предсказуемым результатом. Например, генерировать персонажей по фото, которые будут похожи на реального человека, и органично интегрированы в общую сцену с сохранением стиля.

Всем привет! Сейчас на рынке очень много селлеров, которые продают токены claude через прокси Мне необходимо протестировать разных селлеров и понять, какое API работает наиболее исправно для кодинга claude code Нужно будет авторизовываться через терминал в claude code и смотреть на стабильность работы API (прогонять под нагрузкой) и найти наиболее оптимальный Кто сейчас может взять в работу?

Ищем специалиста по LLM, RAG и prompt engineering для аудита и улучшения уже созданного ИИ-ассистента операторов контакт-центра сети медицинских центров. Это не разработка с нуля. В настоящее время ассистент работает в среде ChatGPT и использует: собственную навык с инструкциями SKILL.md; базу знаний в Project Sources; структурированные Markdown-файлы, автоматически сформированные из CSV-выгрузок медицинской информационной системы; отдельные индексы цен, исполнителей, подразделений, пакетов, оборудования и рекомендованных комбинаций услуг. База содержит примерно: 2 700+ медицинских услуг; 90+ пакетов и комплексов; 300+ рекомендованных комбинаций; 600+ хирургических вмешательств; цены по различным подразделениям; исполнителей, адреса, подготовку, оборудование и другую справочную информацию.Что должен делать ассистент По запросу оператора ассистент должен быстро предоставлять проверенный ответ: предоставляется ли нужная услуга; точный код, название и цена; в каких подразделениях она доступна; кто из врачей или других специалистов ее выполняет; как подготовиться; какой пакет или комплекс выгоднее предложить; какие сопутствующие услуги целесообразно предложить; какая последовательность комплексного записи; какие есть более дешевые или альтернативные варианты; для операций — отдельно базовую цену и ориентировочную общую стоимость случая хирургического лечения. Ассистент не должен выдумывать цены, исполнителей, подготовку, медицинские показания или переносить информацию между похожими услугами.Наличие проблем Система уже работает, но требует повышения стабильности поиска и качества ответов. В частности: модель иногда находит основную услугу, но пропускает рекомендованные комбинации; не всегда извлекает отдельные поля из больших Markdown-файлов; может находить базовую цену операции, но пропускать общую стоимость хирургического случая; результаты зависят от структуры и размера файлов в Project Sources; необходимо оптимизировать индексы, маршрутизацию источников и правила поиска; необходимо обеспечить одинаково качественные ответы на короткие, неточные и разговорные запросы операторов. Например, простой запрос «холецистэктомия» должен сразу вернуть доступные варианты операции, коды, базовые цены, общую стоимость лечения, подразделения, исполнителей и связанные услуги.Задачи специалиста Провести аудит действующего SKILL.md, структуры базы знаний и логики поиска. Проанализировать причины пропуска данных во время retrieval. Предложить оптимальную архитектуру базы знаний для ChatGPT. Усовершенствовать или переписать SKILL.md. Оптимизировать структуру Markdown-файлов и компактных индексов. Настроить обязательный поиск: пакетов и комплексов; рекомендованных комбинаций; цен по подразделениям; исполнителей; стоимости случая хирургического лечения. Проверить генератор базы знаний из CSV-выгрузок и при необходимости усовершенствовать Python-скрипты. Создать набор контрольных запросов и критериев оценки ответов. Провести тестирование на реальных сценариях контакт-центра. Предоставить финальную документацию для дальнейшего обновления и поддержки системы.Ожидаемый результат Должны получить стабильного ассистента, который: отвечает на украинском языке; не пропускает критически важные данные; возвращает только информацию, подтвержденную базой знаний; правильно различает услуги, пакеты и рекомендованные комбинации; показывает код, название, цену, подразделение и исполнителя; для операций разделяет базовую цену и полную стоимость лечения; предлагает оператору конкретный сценарий дальнейшей записи пациента; стабильно работает после следующих обновлений CSV-выгрузок; работает относительно быстро.Требования к исполнителю Нужен специалист с практическим опытом: ChatGPT Projects, Custom GPT или ChatGPT Skills; LLM, RAG, retrieval и семантического поиска; prompt engineering; проектирования баз знаний для языковых моделей; Markdown, CSV, JSON/JSONL; Python для обработки и преобразования данных; тестирования качества ответов LLM. Будет преимуществом опыт с медицинскими информационными системами, контакт-центрами или большими каталогами услуг. Мы ищем не только автора промтов, а специалиста, который понимает ограничения поиска в больших источниках, фрагментацию контекста и способы построения надежных индексов.Что предоставить в предложении Просим кратко указать: Ваш опыт с ChatGPT, RAG или корпоративными базами знаний. Примеры похожих реализованных проектов. Как бы вы подошли к диагностике пропуска отдельных полей в больших файлах. Ориентировочные сроки и стоимость аудита и доработки. Готовы ли вы подписать соглашение о конфиденциальности. Персональные данные пациентов в рамках этого проекта не будут передаваться. Окончательная стоимость работ будет согласована после уточнения Технического Задания между Заказчиком и Исполнителем.

Ищу исполнителя для построения системы AI-агентов, которая автоматизирует маркетинговый и продажный конвейер: от генерации контента до сегментации лидов в CRM и аналитики гипотез. Ниже - задачи, сгруппированные по функциональному назначению. Сколько именно сервисов/агентов будет в итоговой архитектуре и на каком стеке - решаете вы, исходя из собственного опыта. Главное, чтобы решение покрывало все задачи ниже, было рабочим, поддерживаемым, масштабируемым и обязательно имело удобный механизм ревью/утверждения результатов человеком перед публикацией или запуском рекламы. Блок 1. Генерация контента (мультиканальный копирайтинг)Один или несколько генерирующих модулей, которые выдают тексты под разные форматы на основе материалов проекта (программы курсов, интервью, эфиры): Тексты лендингов Email-последовательности: прогревочные цепочки, рассылки Посты в Telegram-бот/канал Рекламные тексты для Meta, включая варианты под разные гипотезы Контент-план и посты для Facebook / Instagram / Telegram Статьи для блога (в том числе на основе транскрибированных видео — см. Блок 3)Блок 2. Производство финальных материаловПреобразование готового текста в конечный артефакт, готовый к публикации: Лидмагниты — верстка и сборка готового PDF (чек-листы, гайды) с интеграцией Canva/Figma для редактирования Рекламные креативы Meta — статические визуалы с ресайзами под форматы кампаний Лендинги на Framer — структура страницы, наполнение CMS, сборка готовой страницы под запуск.Блок 3. Видео → блог Транскрибация видео (эфиры, интервью, воркшопы) Нарезка транскрипта на статьи, которые ведут в воронку Публикация в блог на основном сайте (блога сейчас нет — возможно, нужна блог-секция на Framer CMS; открытый вопрос: может ли ее создать сама система, или это отдельная задача)Блок 4. Интеграция с рекламным кабинетом Meta Выгрузка готовых текстов и креативов в кабинет Тегирование объявлений/кампаний по гипотезамБлок 5. CRM и лид-роутинг Автоматическая сегментация лидов в Telegram-боте (был/не был на мероприятии, ветка воронки, оффер) Передача сегментов в CRM Автотегирование новых лидов в CRM при попадании в воронку (через регистрацию)Блок 6. Аналитика гипотез Формирование таблицы/дашборда гипотез: затраты/результат по каждой воронке, лид-магниту, креативу. Периодический АИ-анализ с рекомендациями: что масштабировать, что остановить Оценка конверсийности лендинговЧто ожидаем в отклике Видение архитектуры — как бы вы разбили эти 6 блоков на агентов/сервисы, на каком стеке (оркестрация, генерация, хранение данных). Портфолио/кейсы — примеры подобных систем автоматизации (маркетинг, лиды, контент-генерация). Ориентировочная оценка сроков и стоимости, желательно поэтапно. Вопросы по ТЗ, если что-то непонятно.