Зробити реалістичну озвучку за допомогою ШІ

Шукаємо Middle Python або JavaScript розробника для довгострокового парт-тайм проєкту з оцінки, валідації та технічного аудиту відповідей штучного інтелекту (LLM моделей). Робота полягає не в написанні коду з нуля, а в аналітичній перевірці вже згенерованих скриптів та алгоритмів. Що потрібно робити: 1. Аналізувати технічні завдання та порівнювати два варіанти коду, створені різними ШІ-моделями. 2. Проводити ментальний дебаг, знаходити логічні помилки, синтаксичні баги або неефективне використання пам'яті/ресурсів. 3. Оцінювати, який варіант коду є більш оптимальним, та писати чіткий, детальний аналітичний звіт англійською мовою. У звіті потрібно пояснити, де саме помилка та як її виправити. Вимоги до кандидата: Комерційний досвід розробки на Python (Django / FastAPI) або JavaScript / TypeScript від 2 років. Рівень англійської мови — B2/C1 (Advanced). Написання технічних звітів є ключовою частиною роботи. Висока самодисципліна та уважність до деталей. Сувора вимога: 100% ручне написання звітів (будь-яке використання ChatGPT чи інших ШІ-асистентів під час роботи повністю заборонено, система проходить лінгвістичний антифрод-аудит). Умови та формат роботи: Повністю гнучкий графік (Flexible On-Demand). Завдання з'являються потоком. Ви можете працювати у зручний для вас час (вранці, вдень чи ввечері). Обсяг роботи: в середньому від 3 до 4 годин на день на один робочий модуль (можна суміщати з основною роботою). Залежно від вашої продуктивності є можливість розширення та ведення кількох модулів паралельно, що прямо масштабує дохід. Усі завдання виконуються виключно всередині нашого налаштованого, безпечного віддаленого робочого середовища. Оплата: фіксована погодинна ставка від 20 до 30USD за годину (залежно від вашого технічного рівня). Виплати щотижня у зручному для вас форматі (USDT або валюта). Будь ласка, у відгуку коротко опишіть свій досвід із Python/JS та підтвердьте свій рівень англійської мови. Готові стартувати найближчим часом.

Шукаю виконавця для побудови системи AI-агентів, яка автоматизує маркетинговий і продажовий конвеєр: від генерації контенту до сегментації лідів у CRM і аналітики гіпотез. Нижче - задачі, згруповані за функціональним призначенням. Скільки саме сервісів/агентів буде в підсумковій архітектурі і на якому стеку - вирішуєте ви, виходячи з власного досвіду. Головне, щоб рішення покривало всі задачі нижче, було робочим, підтримуваним, масштабованим та обов'язково мало зручний механізм рев'ю/затвердження результатів людиною перед публікацією чи запуском реклами. Блок 1. Генерація контенту (мультиканальний копірайтинг)Один або кілька генеруючих генеруючий модулів, що видають тексти під різні формати на основі матеріалів проєкту (програми курсів, інтерв'ю, ефіри): Тексти лендінгів Email-послідовності: прогрівні ланцюжки, розсилки Пости в Telegram-бот/канал Рекламні тексти для Meta, включно з варіантами під різні гіпотези Контент-план і пости для Facebook / Instagram / Telegram Статті для блогу (в тому числі на основі транскрибованих відео — див. Блок 3)Блок 2. Виробництво фінальних матеріалівПеретворення готового тексту в кінцевий артефакт, готовий до публікації: Лідмагніти — верстка і збірка готового PDF (чек-листи, гайди) з інтеграцією Canva/Figma для редагування Рекламні креативи Meta — статичні візуали з ресайзами під формати кампаній Лендінги на Framer — структура сторінки, наповнення CMS, збірка готової сторінки під запуск.Блок 3. Відео → блог Транскрибація відео (ефіри, інтерв'ю, воркшопи) Нарізка транскрипту на статті, що ведуть у воронку Публікація в блог на основному сайті (блогу зараз немає — можливо, потрібна блог-секція на Framer CMS; відкрите питання: чи може її створити сама система, чи це окрема задача)Блок 4. Інтеграція з рекламним кабінетом Meta Вивантаження готових текстів і креативів у кабінет Тегування оголошень/кампаній за гіпотезамиБлок 5. CRM та лід-роутинг Автоматична сегментація лідів у Telegram-боті (був/не був на заході, гілка воронки, офер) Передача сегментів у CRM Автотегування нових лідів у CRM при потраплянні у воронку (через реєстрацію)Блок 6. Аналітика гіпотез Формування таблиці/дашборду гіпотез: витрати/результат по кожній воронці, лід-магніту, креативу. Періодичний АІ-аналіз з рекомендаціями: що масштабувати, що зупинити Оцінка конверсійності лендінгівЩо очікуємо у відгуку Бачення архітектури — як би ви розбили ці 6 блоків на агенти/сервіси, на якому стеку (оркестрація, генерація, зберігання даних). Портфоліо/кейси — приклади подібних систем автоматизації (маркетинг, ліди, контент-генерація). Орієнтовна оцінка термінів і вартості, бажано поетапно. Питання по ТЗ, якщо щось незрозуміло.

Шукаємо досвідченого Python/AI-розробника (або невелику команду) для створення ІІ-сервісу на базі Telegram-бота. Проект автоматизує прийом замовлень від майстрів і сервісних центрів на діючому B2B-майданчику запчастин для мобільної техніки та електроніки (каталог ~30 000 SKU). Що повинен робити бот:Мультимодальний ввід: приймати текст, голосові повідомлення (Whisper API) та фото деталей/маркувань (GPT-4o Vision), розпізнавати номенклатуру, ревізії та парт-номери.Розумний пошук: співвідносити жаргон майстрів (аккум, АКБ, дисплей, ориг) з офіційними назвами через векторний пошук (Vector DB).Інтерактивний UI: при кількох варіантах якості (Original, High Copy тощо) — групувати їх в одне повідомлення, виводити інлайн-чекбокси з цінами та залишками, перераховувати кошик «на льоту».Каскадні уточнення (Slot Filling): при неоднозначному запиті поетапно уточнювати параметри (модель → колір → ревізія).Оформлення: автоматично надсилати готовий JSON-пакет замовлення на сайт через API після підтвердження кошика.Стек: Python (FastAPI), Aiogram 3.x, OpenAI API (GPT-4o + Whisper), Qdrant, Docker + docker-compose. Термін реалізації: 5–7 тижнів.⚠️ Обов'язкова умова для відповіді: Щоб відсіяти авто-відповіді спам-ботів, вкажіть у повідомленні: яку модель ембеддингів (Embeddings) ви виберете для векторного семантичного пошуку по 30 000 технічних SKU і чому? Відповіді з шаблонним текстом без відповіді на це питання відхиляються автоматично.

Шукаємо фахівця або команду для впровадження AI-рішень у комунікацію медичного центру КТ та МРТ. Потрібно: інтегрувати AI у телефонію для обробки вхідних і холодних дзвінків; забезпечити природне українськомовне спілкування з мінімальними паузами; інтегрувати AI-асистента в чат Binotel або запропонувати ефективну альтернативу; автоматизувати відповіді на запитання, первинну консультацію та запис на обстеження. Важливо: сфера медицини потребує точного збору інформації перед КТ або МРТ, зокрема щодо зони обстеження, підготовки, направлення та можливих протипоказань. Рішення має бути емпатичним, професійним і передбачати передачу складних випадків оператору. У відгуку прошу надіслати релевантні кейси, опис запропонованого рішення та орієнтовні терміни. Досвід у медичних проєктах буде перевагою.

Необхідно розробити додаток в MATLAB, який зможе обробляти зображення/відео, виділяти окремі предмети, аналізувати їх характеристики і за необхідності використовувати методи машинного навчання для автоматизації аналізу. Бажано: впевнене знання MATLAB; досвід у Computer Vision / Image Processing; досвід з Machine Learning;