Python - машинне навчання - запуск проекту / обробка зображення

Ми — виробники та продавці чоловічого одягу. Розробляємо внутрішній AI-інструмент для автоматизації створення рекламних фото- та відеокреативів для Facebook/Instagram. Проект створюється для власного використання, а не на продаж. Що потрібно зробитиРозробити зручну панель управління, де користувач створює проект, заповнює картку товару (опис, фото, ціна, ЦА тощо), після чого автоматично запускається ланцюг AI-агентів і на виході отримує готові рекламні фото та відео. Під капотомAI Агент 1 — Креативний стратег Аналіз товару та цільової аудиторії. Генерація Angles. Генерація Hooks. Генерація Big Ideas. Генерація Offers.AI Агент 2 — Генератор сценаріїв Створення рекламних сценаріїв. Hook. Story. CTA. Voice Over. Розбивка сценарію по сценах.AI Агент 3 — Креативний директор Генерація промптів для AI-фото. Генерація промптів для AI-відео. Створення промптів для кожної сцени. Автоматична відправка промптів в AI для отримання готових зображень та відео.Всі агенти повинні автоматично передавати результати один одному. Інтерфейс Панель управління. Створення проекту. Картка товару. Завантаження фотографій товару. Статус генерації. Галерея готових фото. Галерея готових відео. Можливість повторної генерації. Робота з кольорамиНеобхідно реалізувати зручну роботу з варіантами одного виробу.Наприклад:Льняний костюм Чорний Білий Мокко Графіт БлакитнийФункціонал: Завантаження одного кольору. Завантаження одразу кількох кольорів одного виробу. Можливість вибрати, які кольори беруть участь у генерації. Вибір режиму генерації: тільки один колір; рівномірний розподіл між усіма вибраними кольорами; змішування кольорів в одному креативі.Наприклад:Користувач вибирає 100 креативів.Якщо завантажено 5 кольорів, система автоматично розподіляє генерацію: Чорний — 20 Білий — 20 Мокко — 20 Графіт — 20 Блакитний — 20Або може створити креатив, де в різних сценах автоматично показуються різні кольори виробу. Налаштування генераціїКористувач повинен мати можливість вибрати: кількість креативів (10 / 25 / 50 / 100 або своє значення); генерувати тільки фото; генерувати тільки відео; генерувати фото та відео одночасно. Розділ "Сценарії"Для кожного готового креативу необхідно зберегти: готовий сценарій; Hook; Story; CTA; Voice Over; розбивку по сценах; окремий готовий промпт для кожної сцени.Це необхідно, щоб монтажер міг вручну використовувати ці промпти для генерації окремих кадрів, зображень або відеофрагментів в будь-яких AI-сервісах. Технічна частинаНеобхідно: підключити API OpenAI / Claude / Gemini; підключити API генерації зображень; підключити API генерації відео; реалізувати бекенд з автоматичною передачею даних між AI-агентами; зробити архітектуру масштабованою, щоб у майбутньому можна було легко додавати нових AI-агентів та нові AI-моделі без повної переробки проекту. При відповіді, будь ласка, надішліть: приклади AI-проектів; пропонований стек технологій; орієнтовні терміни розробки; вартість MVP.Важливо: якщо у вас є досвід розробки мультиагентних AI-систем або AI-сервісів з інтеграцією кількох API, будь ласка, вкажіть це у відповіді.

Розробка високонавантаженої (Highload) системи з LLM моделлю для онлайн сервісу мультимодального пошуку одягу за фото та текстовим запитом одночасно інтегрованого в месенджери через персонального агента-асистента.

Розробити AI-агента, який самостійно проходить користувацькі сценарії у браузері Chrome, знаходить розбіжності з очікуваною поведінкою та оформляє їх як баг-репорти в [Google Docs / Notion / Jira / Markdown в репозиторії]. Як це має працювати: 1. Запуск: [по кнопці вручну / за розкладом раз на добу / автоматично на кожен деплой стадії]. 2. Агент відкриває Chrome, логіниться в тестовий акаунт і проходить сценарії з списку (список надамо — [N] штук на старті, формат вільний: текстом на людській мові). 3. На кожному кроці перевіряє результат: з'явився чи очікуваний елемент, коректні чи дані, немає чи помилок у консолі та впавших мережевих запитів, не поїхала чи верстка. 4. За підсумками прогону формує звіт: пройдені сценарії, знайдені дефекти, для кожного дефекту — кроки відтворення, очікуване та фактичне поведінка, скріншот, severity, посилання на відео або трейс прогону Хто може взяти і зробити, може бути навіть з готових репо з гітхаба? Хто готовий почати?

Шукаю розробника, який створить Telegram-бота для нашого магазину одягу. Суть: менеджер надсилає боту звичайне фото товару (на вішаку, на столі) — бот через AI генерує готову галерею professional-кадрів для картки товару на сайті/маркетплейсі. Що має вміти бот Приймати 1–4 фото товару в Telegram-чаті. Автоматично розпізнавати товар (категорія, крій, чоловіче/жіноче) — без ручного опису. Генерувати галерею з ~6 кадрів: товар на моделі: студія спереду, ззаду, динамічна поза; предметні кадри: флет, деталь крупним планом, ghost-манекен; лайфстайл-кадр. Консистентна модель — одна й та сама людина в усіх кадрах галереї та між галереями (обличчя бренду). Кілька стилів зйомки на вибір (наприклад: streetwear, casual, sport, old money). Вихідний формат: JPG 4:5, файли з нумерацією (-01, -02…) — готові до завантаження. Можливість перегенерувати окремий кадр або змінити стиль без повторної генерації всієї галереї. Доступ лише для нашої команди (allowlist), денні ліміти на користувача. Облік витрат на AI API: показувати вартість до генерації, вести статистику. Технічні очікування Генерація зображень: Gemini (Nano Banana) / DALL·E / Flux або аналог — запропонуйте варіант з обґрунтуванням якості та вартості за кадр. Бот має працювати 24/7 на VPS (авто-рестарт, деплой під ключ). Секрети через .env, код передається нам (репозиторій). Що надамо Фото товарів для тестів, побажання щодо стилістики бренду. Що чекаю у відгуку Оцінку вартості та термінів. Орієнтовну собівартість однієї галереї. Від та До

Система авто-сповіщень про поповнення складу аналітика. На 8n8. Невелика автоматизація для e-commerce. Раз на добу система рахує швидкість продажів по кожному товару й надсилає в Telegram, що пора замовляти (з рекомендованим обсягом) і на скільки днів вистачає залишку. Що робимо: Забір даних: KeyCRM API (історія замовлень) + залишки/замовлення з Rozetka (API або вивантаження) Зберігання в SQLite на моєму VPS (Contabo, Linux) Розрахунок середнього продажу, запасу в днях, точки замовлення ABC-аналіз: пріоритезація, який товар поповнювати першим (клас A — головні за виручкою — важливіші) Щоденний Telegram-бот + запуск по cron Усі пороги (термін постачання, страховий запас, цільовий запас) — у конфізі