Python - машинное обучение - запуск проекта/обработка изображения

Мы — производители и селлеры мужской одежды. Разрабатываем внутренний AI-инструмент для автоматизации создания рекламных фото- и видеокреативов для Facebook/Instagram. Проект создается для собственного использования, а не на продажу. Что нужно сделатьРазработать удобный Dashboard, где пользователь создает проект, заполняет карточку товара (описание, фото, цена, ЦА и т.д.), после чего автоматически запускается цепочка AI-агентов и на выходе получает готовые рекламные фото и видео. Под капотомAI Agent 1 — Creative Strategist Анализ товара и целевой аудитории. Генерация Angles. Генерация Hooks. Генерация Big Ideas. Генерация Offers.AI Agent 2 — Script Generator Создание рекламных сценариев. Hook. Story. CTA. Voice Over. Разбивка сценария по сценам.AI Agent 3 — Creative Director Генерация промптов для AI-фото. Генерация промптов для AI-видео. Создание промптов для каждой сцены. Автоматическая отправка промптов в AI для получения готовых изображений и видео.Все агенты должны автоматически передавать результаты друг другу. Интерфейс Dashboard. Создание проекта. Карточка товара. Загрузка фотографий товара. Статус генерации. Галерея готовых фото. Галерея готовых видео. Возможность повторной генерации. Работа с цветамиНеобходимо реализовать удобную работу с вариантами одного изделия.Например:Льняной костюм Черный Белый Мокко Графит ГолубойФункционал: Загрузка одного цвета. Загрузка сразу нескольких цветов одного изделия. Возможность выбрать, какие цвета участвуют в генерации. Выбор режима генерации: только один цвет; равномерное распределение между всеми выбранными цветами; смешивание цветов в одном креативе.Например:Пользователь выбирает 100 креативов.Если загружено 5 цветов, система автоматически распределяет генерацию: Черный — 20 Белый — 20 Мокко — 20 Графит — 20 Голубой — 20Либо может создать креатив, где в разных сценах автоматически показываются разные цвета изделия. Настройки генерацииПользователь должен иметь возможность выбрать: количество креативов (10 / 25 / 50 / 100 или свое значение); генерировать только фото; генерировать только видео; генерировать фото и видео одновременно. Раздел "Сценарии"Для каждого готового креатива необходимо сохранить: готовый сценарий; Hook; Story; CTA; Voice Over; разбивку по сценам; отдельный готовый промпт для каждой сцены.Это необходимо, чтобы монтажер мог вручную использовать эти промпты для генерации отдельных кадров, изображений или видеофрагментов в любых AI-сервисах. Техническая частьНеобходимо: подключить API OpenAI / Claude / Gemini; подключить API генерации изображений; подключить API генерации видео; реализовать backend с автоматической передачей данных между AI-агентами; сделать архитектуру масштабируемой, чтобы в будущем можно было легко добавлять новых AI-агентов и новые AI-модели без полной переработки проекта. При отклике просьба прислать: примеры AI-проектов; предлагаемый стек технологий; ориентировочные сроки разработки; стоимость MVP.Важно: если у вас есть опыт разработки мультиагентных AI-систем или AI-сервисов с интеграцией нескольких API, пожалуйста, укажите это в отклике.

Разработка высоконагруженной (Highload) системы c LLM моделью для онлайн сервиса мультимодального поиска одеждыпо фото и текстовому запросу одновременно интегрированного в мессенджеры через персонального агента-ассистента.

Разработать AI-агента, который самостоятельно проходит пользовательские сценарии в браузере Chrome, находит расхождения с ожидаемым поведением и оформляет их как баг-репорты в[Google Docs / Notion / Jira / Markdown в репозитории]. Как это должно работать: 1. Запуск: [по кнопке вручную / по расписанию раз в сутки / автоматически на каждый деплой стейджа]. 2. Агент открывает Chrome, логинится в тестовый аккаунт и проходит сценарии из списка (список дадим — [N] штук на старте, формат свободный: текстом на человеческом языке). 3. На каждом шаге проверяет результат: появился ли ожидаемый элемент, корректны ли данные, нет ли ошибок в консоли и упавших сетевых запросов, не поехала ли вёрстка. 4. По итогам прогона формирует отчёт: пройденные сценарии, найденные дефекты, для каждого дефекта — шаги воспроизведения, ожидаемое и фактическое поведение, скриншот, severity, ссылка на видео или трейс прогона Кто может взять и сделать может быть даже из готовых репо с гитхаба? кто готовы начать ?

Ищу разработчика, который создаст Telegram-бота для нашего магазина одежды. Суть: менеджер отправляет боту обычное фото товара (на вешалке, на столе) — бот через AI генерирует готовую галерею профессиональных кадров для карточки товара на сайте/маркетплейсе. Что должен уметь бот Принимать 1–4 фото товара в Telegram-чате. Автоматически распознавать товар (категория, крой, мужское/женское) — без ручного описания. Генерировать галерею из ~6 кадров: товар на модели: студия спереди, сзади, динамическая поза; предметные кадры: флет, деталь крупным планом, ghost-манекен; лайфстайл-кадр. Консистентная модель — один и тот же человек во всех кадрах галереи и между галереями (лицо бренда). Несколько стилей съемки на выбор (например: streetwear, casual, sport, old money). Выходной формат: JPG 4:5, файлы с нумерацией (-01, -02…) — готовые к загрузке. Возможность перегенерировать отдельный кадр или изменить стиль без повторной генерации всей галереи. Доступ только для нашей команды (allowlist), дневные лимиты на пользователя. Учет затрат на AI API: показывать стоимость до генерации, вести статистику. Технические ожидания Генерация изображений: Gemini (Nano Banana) / DALL·E / Flux или аналог — предложите вариант с обоснованием качества и стоимости за кадр. Бот должен работать 24/7 на VPS (авто-рестарт, деплой под ключ). Секреты через .env, код передается нам (репозиторий). Что предоставим Фото товаров для тестов, пожелания по стилистике бренда. Что жду в отклике Оценку стоимости и сроков. Ориентировочную себестоимость одной галереи. От и До

Система авто-уведомлений о пополнении склада аналитика. На 8n8. Небольшая автоматизация для e-commerce. Раз в сутки система считает скорость продаж по каждому товару и отправляет в Telegram, что пора заказывать (с рекомендованным объемом) и на сколько дней хватает остатка. Что делаем: Забор данных: KeyCRM API (история заказов) + остатки/заказы с Rozetka (API или выгрузка) Хранение в SQLite на моем VPS (Contabo, Linux) Расчет среднего продаж, запаса в днях, точки заказа ABC-анализ: приоритизация, какой товар пополнять первым (класс A — главные по выручке — важнее) Ежедневный Telegram-бот + запуск по cron Все пороги (срок поставки, страховой запас, целевой запас) — в конфиге