Бюджет: 1000 UAH Термін: 1 день
Вітаю.Готовий зробити аудит.Можна ознайомитись з кодом для оцінки завдання по термінам та ціні?
Бюджет: 15000 UAH Термін: 42 дні
Привіт!
Уважно прочитав ТЗ — розумію що стоїть за кожним блоком. Це побудова стабільного AI-продукту якому можна довіряти: пісні без вигаданих фактів, замовлення які не губляться, система яка витримує навантаження.
Головна проблема — продуктова: GPT вигадує факти, пісні шаблонні, замовлення губляться при збоях. Потрібен продукт який бере ТІЛЬКИ реальні дані клієнта, перевіряє кожну генерацію і стабільно працює під навантаженням.
ЯК БУДУ РОБИТИ
Етап 1 — Фундамент: рефакторинг архітектури, розділення на шари (Telegram / Payment / GPT / Music / Queue / Admin / Debug), Redis черги, захист платежів, оптимізація БД.
Етап 2 — Якість: новий GPT без шаблонних фраз, Fact Check модуль з автоматичною регенерацією при вигаданих фактах, Music Brief AI між текстом і Mureka, оцінка якості перед відправкою клієнту.
Етап 3 — Музика: оптимізація Mureka, інтеграція Suno як другого генератора, A/B тестування обох сервісів.
Етап 4 — Інфраструктура: Debug система з повним ланцюжком кожного замовлення, адмін панель з повторною генерацією, стрес-тести на 1000 одночасних замовлень.
СТЕК: Python 3.11, Aiogram 3, PostgreSQL, Redis, GPT-4o, Mureka + Suno, Docker.
ПИТАННЯ ПЕРЕД СТАРТОМ
1. Є вже код бота чи починаємо з нуля?
2. Які API ключі є? (OpenAI, Mureka, Suno, платіжка)
3. Яка платіжна система? (LiqPay, Fondy, інше)
4. Де буде розгорнутий сервер?
БЮДЖЕТ ПО ЕТАПАХ
Етап 1 — $300–400 / 1–1.5 тижні
Етап 2 — $400–600 / 1.5–2 тижні
Етап 3 — $300–400 / 1–1.5 тижні
Етап 4 — $300–400 / 1–1.5 тижні
Разом — $1300–1800 / 5–6 тижнів
Можемо починати з Етапу 1 — ти бачиш результат, далі продовжуємо. Напишіть — почнемо з конкретики.
Artur Boiko
Переможець- Проєкти 5
- Оцінка 4.9
- Рейтинг 1 753
Бюджет: 18500 UAH Термін: 10 днів
Доброго дня!
Інженерія AI-пайплайнів генерації — наш профільний напрямок, тож ТЗ читається як «своє». Тут суть не в «правках бота», а в якісній побудові пайплайну: anti-hallucination промптинг, fact-check шар, проміжний Music Brief, eval-петля контролю якості та відмовостійкі черги. Саме з такими системами ми й працюємо.
Як бачимо ключові блоки:
GPT V2 + Fact Check (Блоки 2-3): переробка системних промптів, вичистка шаблонних AI-фраз («неонові вогні», «алеї пульсують» тощо) і окремий fact-check шар, який ловить вигадані міста/події/факти й відправляє на регенерацію. Якщо даних від клієнта мало — генеруємо просту універсальну пісню без вигадок. Це правильний підхід: модель не має досочиняти те, чого немає в анкеті.
Music Brief AI (Блок 4): проміжний шар GPT → Music Brief → Mureka реально піднімає якість — генератор отримує структурований бриф (жанр, темп, динаміка, вокал, кульмінація), а не сирий текст.
Premium Quality (Блок 14): це eval-петля — AI оцінює текст, слабкі результати регенеруються до порогу якості, клієнт отримує найкращу версію, а не першу випадкову.
Архітектура + надійність (Блоки 1, 5, 8-13): поділ на шари (Telegram / Payment / GPT / Music / Queue / Admin / Debug), ідемпотентність оплат (без втрати замовлень і повторних списань), відновлення завислих замовлень, контроль черг Redis, debug-лог кожної генерації, стрес-тест на 100/500/1000.
Suno (Блок 6): мульти-генератор за спільним інтерфейсом Music Engine + A/B Mureka vs Suno.
Підхід: проєкт великий, тож почнемо з аудиту поточного коду, далі — план по блоках і робота етапами. Критичне першим (втрата замовлень після оплати, завислі черги, fact-check), потім якість і Suno. Не переписуємо все одразу.
Готові зайти в аудит і запропонувати дорожню карту. Деталі — в особистих.
Бюджет: 27000 UAH Термін: 15 днів
Вітаю, маю досвід розробки подібних AI-продуктів рефакторинг архітектури на модулі, інтеграції з GPT/музичними генераторами (Mureka, Suno), побудова черг на Redis, платіжні системи, адмінпанелі та дебаг-системи, тому ваше завдання мені зрозуміле і я готовий його виконати. Дедлайн 15 днів, вартість 30 000 грн. Сподіваюсь на співпрацю!
Бюджет: 1000 UAH Термін: 1 день
Вітаю!
Ми з командою готові реалізувати проєкт «під ключ» — від дизайну до повної розробки та запуску. У команді є досвідчені розробники, дизайнери та UX/UI спеціалісти, тому ми можемо створити зручний, сучасний і функціональний продукт відповідно до ваших вимог.
Терміни та бюджет зможемо точно визначити після обговорення деталей і розуміння повного обсягу робіт. Буду вдячний за Ваш фідбек, приклади наших робіт можу надіслати в особисті повідомлення.
Бюджет: 12000 UAH Термін: 14 днів
Тут важливо не просто «дописати бота», а прибрати вузькі місця, через які персональна генерація пісень ламається на стику Telegram, оплат, GPT, черг і музичного пайплайну. Я б почав із короткого аудиту поточної логіки та ТЗ, щоб одразу зафіксувати критичні сценарії: де губляться замовлення, де виникають помилки після оплати і як контролювати якість результату без ручного хаосу. У підсумку ви отримаєте не набір точкових правок, а зрозумілий план доопрацювання з пріоритетами, який реально можна впроваджувати без зайвих переробок і ризику зламати робочі частини. Якщо зручно, можу одразу допомогти структурувати обсяг першої черги робіт і від цього точно оцінити строки та бюджет.
- Проєкти -
- Оцінка -
- Рейтинг 229
Бюджет: 10000 UAH Термін: 5 днів
Привіт! Наша технічна команда вже понад 4 роки розробляє складних ботів та інтегрує інтелектуальні рішення у бізнес-процеси. Ми чудово розуміємо, як правильно структурувати ТЗ для AI-проєктів, щоб розробники не припустилися помилок під час реалізації. Ми переведемо ваші ідеї та бізнес-вимоги щодо персональної генерації на чітку мову технічних завдань. Пропишемо сценарії поведінки користувача, алгоритми парсингу та обробки вхідних даних для ШІ, а також логіку формування кінцевого результату. Обов'язково зафіксуємо критерії оцінки якості відповідей нейромережі, щоб мінімізувати помилки бота. Ознайомитися з нашими стандартами проектування інтерфейсів та логіки систем можна на прикладі наших робіт: farfieworldwide.com, freshagro.com.ua, espressolab.com.ua. Надішліть нам у приватні повідомлення опис ваших побажань, і ми одразу підготуємо план структурування майбутнього ТЗ.
Бюджет: 8000 UAH Термін: 14 днів
Вітаю. Завдання зрозумів: треба з робочого, але переплутаного бота зробити стабільний масштабований продукт. Тобто рознести логіку на окремі шари, тобто Telegram, оплата, GPT, генерація музики, черга, адмінка, дебаг, переписати генерацію текстів так, щоб GPT не вигадував факти про людину, додати окремий Fact Check між анкетою і брифом, вставити етап Music Brief AI перед Mureka, підключити Suno другим генератором і підчистити черги, платежі та дебаг кожної генерації.
По архітектурі зробив би чіткий поділ на сервіси з вузькими інтерфейсами між ними, щоб черга, оплата і генерація не залежали одна від одної і кожен шар можна було тестувати окремо. По GPT v2 переписав би системні промпти під строгий контракт: модель працює тільки з тим, що є в анкеті, а якщо даних мало, віддає просту універсальну пісню без вигаданих міст, подій і професій. Шаблонні фрази на кшталт неонових вогнів прибираються і через інструкцію в промпті, і через постфільтр по стоп-списку, щоб вони не проходили навіть випадково.
Fact Check зробив би окремим кроком, який звіряє згенерований текст з анкетою і повертає рішення пройшло чи на регенерацію, з автоматичним повтором при знайдених вигадках. Music Brief AI формував би структурований бриф через жанр, темп, емоцію, динаміку, вокал, інструменти, кульмінацію і вже його віддавав у Mureka або Suno. По чергах і замовленнях додав би контроль завислих задач, відновлення після збоїв і захист платежів, щоб замовлення не губилося після оплати.
Я багато працюю саме з LLM у проді: промпт-інжиніринг, контроль галюцинацій і tool-use на голосовому AI-асистенті, плюс боти на Python з чергами Redis і платіжним шаром. Питання по суті: бот зараз на aiogram чи на чомусь іншому, і чи можна отримати доступ до коду для аудиту, щоб точно оцінити обсяг по блоках. Готовий почати з карти поточної архітектури і плану розбиття на модулі.
Бюджет: 20000 UAH Термін: 30 днів
Доброго дня. Можу виконати ваше завдання. Досвід є. Пишіть, домовимось.
Бюджет: 9000 UAH Термін: 1 день
Доброго дня. Готов виконати даний проект маю великий досвiд розробки
Бюджет: 15000 UAH Термін: 21 день
Доброго дня, Ольго!
ТЗ читається як своє - розуміємо кожен блок зсередини: anti-hallucination промптинг, Fact Check шар, Music Brief між GPT і Mureka, eval-петля контролю якості, відмовостійкі черги Redis, захист платежів.
Головна проблема зрозуміла та знайома: GPT вигадує факти, пісні шаблонні, замовлення губляться при збоях. Клієнт повинен отримувати пісню з реальних даних, а не першу випадкову генерацію.
Пропоную поетапну роботу через Сейф - так комфортно і вам, і нам: кожен етап резервується окремо, ви бачите результат перед оплатою наступного.
Після аудиту коду уточнимо термін та вартість
Коли зручно обговорити старт?
Бюджет: 1000 UAH Термін: 3 дні
Вітаю!
Можемо допомогти з доопрацюванням AI-бота для генерації персональних пісень.
Задача зрозуміла: потрібно не просто “покращити промпти”, а стабілізувати всю систему — архітектуру, GPT-логіку, fact check, music brief, генератори, черги, платежі, дебаг і контроль якості.
Можемо взяти в роботу:
— рефакторинг архітектури по модулях
— оновлення GPT generation pipeline
— Fact Check AI для перевірки вигаданих фактів
— Music Brief AI перед передачею в Mureka / Suno
— оптимізацію Mureka API
— інтеграцію Suno як другого music engine
— debug system по кожному замовленню
— контроль статусів, завислих замовлень і повторних запусків
— Redis / queues / background tasks
— перевірку payment logic
— адмін-панель для контролю генерацій
— stress test і систему premium quality control
Проєкт краще реалізовувати поетапно: спочатку аудит і стабілізація поточної системи, потім GPT/Fact Check/Music Brief, після цього Suno, debug, quality control і stress testing.
Готові ознайомитись із поточною архітектурою, кодом, API Mureka/Suno та після аудиту запропонувати план робіт, строки й бюджет.
Бюджет: 11111 UAH Термін: 15 днів
Розпочну рефакторинг архітектури AI-бота, розділю логіку на окремі модулі. Включаю Telegram Layer, Payment Layer, GPT Layer, Music Generation Layer, Queue Layer, Admin Layer, Debug Layer для підготовки до масштабування. Реалізую модуль перевірки фактів, що регенерує пісні при виявленні вигадок.
Портфолио - Freelancehunt
Бюджет: 1000 UAH Термін: 3 дні
Добрий день!
Професійно розробляю ботів у Telegram та веб-додатки на Python. Готовий якісно доробити вашого AI-бота для генерації пісень.
Напишіть мені в особисті, щоб обговорити деталі.
Маю значний досвід з API (GPT, Suno, Mureka), архітектурою, Redis, базами даних та LLM.
Бюджет: 3000 UAH Термін: 3 дні
Добрий день!
Маю значний досвід у розробці та масштабуванні AI-продуктів, побудові складних backend-систем, інтеграції LLM-моделей, Telegram-ботів, платіжних систем, черг обробки, а також сервісів із високим навантаженням та багатоступеневими пайплайнами генерації контенту.
У вашому ТЗ бачу не просто набір окремих задач, а повноцінну еволюцію продукту від MVP до стабільної production-ready системи. Особливо цінним вважаю акцент на якості генерацій, контролі фактів, дебагу та масштабуванні — саме ці блоки найчастіше визначають успіх AI-сервісів у довгостроковій перспективі.
Для реалізації готовий провести комплексний аудит поточної архітектури та виконати рефакторинг із виділенням окремих шарів: Telegram, Payments, GPT, Music Generation, Queue Management, Admin та Debug System. Це дозволить значно спростити підтримку та подальший розвиток проєкту.
Також маю досвід роботи з:
• OpenAI та іншими LLM-моделями;
• побудовою multi-step AI pipeline;
• Redis, чергами та фоновими задачами;
• webhook та polling архітектурою;
• інтеграціями сторонніх API;
• системами логування та моніторингу;
• PostgreSQL та оптимізацією БД;
• навантажувальним тестуванням;
• Telegram Bot API;
• платіжними інтеграціями.
Особливу увагу приділив би реалізації Fact Check Layer, AI Quality Control та Debug System, оскільки саме вони дозволяють контролювати якість генерацій, усувати вигадки моделі та забезпечувати повну прозорість кожного замовлення від анкети до фінального результату.
Також готовий реалізувати універсальний Music Engine із підтримкою кількох генераторів (Mureka, Suno та подальших сервісів), що дозволить легко проводити A/B тестування та уникнути залежності від одного провайдера.
Готовий детально ознайомитися з поточною кодовою базою, інфраструктурою та запропонувати оптимальний план реалізації. Деталі можемо обговорити в особистих повідомленнях.
Бюджет: 2000 UAH Термін: 1 день
Привіт
цікаве завдання
маю досвід у цій сфері
готовий обговорити все в особистих
Бюджет: 7500 UAH Термін: 10 днів
Вітаю! Робив вам аудит, готовий прийняти роботу!!!!!!!!!!!!!!!!!
- Проєкти -
- Оцінка -
- Рейтинг 496
Бюджет: 10000 UAH Термін: 1 день
Привіт!
Ми можемо зробити для вас рішення під доопрацювання AI-бота та його генерації.
1. Які блоки важливіше закрити в першу чергу?
2. Чи є у вас поточний код і доступи до нього?
—
Про нас
Ми dZENcode – IT-компанія повного циклу розробки: від дизайну та програмування до інтеграцій і пострелізної підтримки цифрових рішень.
Ми створюємо проекти з нуля, а також підключаємося до вже існуючих рішень, яким потрібні доопрацювання, розвиток або технічна підтримка.
Докладну інформацію про наші послуги та ставки ви знайдете на офіційному сайті: Freelancehunt
Подивіться – після цього зможемо обговорити деталі та узгодити наступний крок.
⚠️ Після уточнення всіх деталей ми визначимо обсяг робіт, підходящий формат співпраці: по завданням, аутсорсинг або аутстаффінг – і фінальну вартість.
З нами проекти гарантовано доходять до релізу:
• 10+ років надаємо IT-послуги;
• 90+ штатних спеціалістів;
• 250+ публічних відгуків з 2015 року;
• Підтримуємо продукти за SLA після запуску;
• Працюємо за NDA та договором з компанією!
Бюджет: 25000 UAH Термін: 7 днів
Здравствуйте, багато працюю з ІІ ботами і без проблем реалізую ваш, щоб не писати довгий текст по етапах, напишу в ЛС
git: https://github.com/onyx144
Приклад https://217-154-170-186.nip.io/
Бюджет: 2000 UAH Термін: 3 дні
Привіт! Ваш проект викликав у мене великий інтерес. Готовий негайно розпочати роботу та забезпечити високу якість виконання.
Ставки поки відсутні
Актуальні фриланс-проєкти в категорії Python
Необхідно розробити додаток або скрипт, який буде автоматично конвертувати файли з форматів YML або JSON у формат XLS, з подальшою генерацією посилання на вихідний XLS файл для промо Вимоги: Вхідні дані: Файл у форматі YML (посилання будуть надані) або Файл у форматі JSON (посилання будуть надані, JSON не містить дерева категорій, але кожен товар знаходиться в окремому масиві). Вихідні дані: Файл у форматі XLS з доступом через пряму посилання. Файл має оновлюватися автоматично за розкладом, наприклад, щоденно. Функціональні вимоги: Можливість вказання кількості днів для Наявності Під замовлення для кожного вхідного посилання. Додаток має стабільно працювати в умовах обмеженого за ресурсами хостингу. Бажано інтуїтивно зрозумілий веб-інтерфейс для управління налаштуваннями.
Потрібно внести невелику правку в програму, яка формує замовлення для друку. Завдання: Ми додали в асортиментм'яке скло з принтом. У замовленнях назва принта буде виділена символами#...# для коректного розпізнавання. Приклад: Мяке скло, #Абстракція біла# 2.0mm, Форма: Прямокутник... Необхідно: якщо в тексті замовлення присутній фрагмент між символами#...#, програма повинна розпізнати його як замовлення з принтом; при формуванні PDF або аркуша для друку таке замовлення потрібновиділити окремим кольором (будь-яким помітним, узгодимо під час виконання); решта логіки роботи програми має залишитися без змін. Приклад замовлення додаю нижче для тестування.
Проект: Ми запускаємо B2B-сервіс наскрізної аналітики та управління рекламними кампаніями для таргетологів і медіабайерів. Продукт працюватиме з офіційним Meta API. Головна технічна складність і фокус проекту — віртуозна робота з лімітами Facebook, маршрутизація трафіку між пулом наших додатків і жорстка система захисту інфраструктури від блокувань сірих рекламних акаунтів. У нас вже є детальне технічне завдання, описана архітектура баз даних, логіка балансувальника та вимоги до інтерфейсів. Шукаємо виконавця, який візьме це в реалізацію під ключ (бекенд + фронтенд дашбордів). Що потрібно зробити (Ключові завдання): Інтеграція з Meta API: Налаштувати авторизацію користувачів та регулярний асинхронний парсинг статистики рекламних кабінетів. Запити повинні надсилатися виключно пакетами для економії лімітів. Система авто-відізвання кабінетів: Написати модуль, який безперервно моніторить статуси рекламних акаунтів. Якщо кабінет потрапляє в бан, система повинна автоматично відкликати токен доступу протягом 60 секунд, щоб захистити наше додаток від санкцій Meta. Інфраструктура проксі: Реалізувати тунелювання всіх запитів до API через пул SOCKS5. Обов'язкова жорстка прив'язка конкретного токена користувача до статичного IP-адреси. Розумна маршрутизація: Створити алгоритм, який буде розподіляти прив'язані рекламні кабінети між кількома нашими додатками Facebook у заданих пропорціях для зниження ризиків. Розробка інтерфейсів: Створити клієнтський дашборд зі зведеною таблицею статистики та просунуту адмін-панель для ручного управління лімітами користувачів, прив'язками до додатків і пулом проксі. Очікуваний стек технологій: Бекенд: Python, FastAPI. Асинхронні задачі: Celery, Redis. Бази даних: PostgreSQL (або ClickHouse для статистики, на ваш розсуд). Фронтенд: Vue.js або React (можна використовувати готові UI-бібліотеки та шаблони дашбордів, акцент на функціональність, а не складний дизайн). Вимоги до виконавця: Упевнений досвід роботи з Meta Graph API та Marketing API. Ви повинні розуміти, як працюють ковзаючі ліміти, як читати заголовки завантаженості та як працювати з токенами. Розуміння специфіки арбітражу трафіку. Слова «білінг», «бан рекламного кабінету», «бізнес-менеджер» і «фарм» не повинні викликати у вас запитань. Досвід побудови асинхронних парсерів і роботи з проксі-серверами на рівні мережевих запитів. Готовність працювати за чітким технічним завданням і здавати проект поетапно. Умови: Формат співпраці: Проектна робота Бюджет: Обговорюється індивідуально на основі вашої оцінки технічного завдання. Оплата: Поетапна, прив'язана до контрольних точок. Як відгукнутися: У супровідному листі обов'язково вкажіть ваш досвід роботи з Meta API, прикріпіть посилання на схожі проекти (або опишіть їх функціонал, якщо вони під NDA) і напишіть орієнтовну вилку цін і термінів на розробку подібної системи з нуля. Відгуки без опису релевантного досвіду роботи з Facebook API розглядатися не будуть.
Шукаємо спеціаліста з LLM, RAG та prompt engineering для аудиту й удосконалення вже створеного ШІ-асистента операторів контакт-центру мережі медичних центрів. Це не розробка з нуля. Наразі асистент працює в середовищі ChatGPT та використовує: власну навичку з інструкціями SKILL.md; базу знань у Project Sources; структуровані Markdown-файли, автоматично сформовані з CSV-вивантажень медичної інформаційної системи; окремі індекси цін, виконавців, підрозділів, пакетів, обладнання та рекомендованих комбінацій послуг. База містить приблизно: 2 700+ медичних послуг; 90+ пакетів і комплексів; 300+ рекомендованих комбінацій; 600+ хірургічних втручань; ціни за різними підрозділами; виконавців, адреси, підготовку, обладнання та іншу довідкову інформацію.Що має робити асистент За запитом оператора асистент повинен швидко надавати перевірену відповідь: чи надається потрібна послуга; точний код, назву та ціну; у яких підрозділах вона доступна; хто з лікарів або інших спеціалістів її виконує; як підготуватися; який пакет або комплекс вигідніше запропонувати; які супутні послуги доцільно запропонувати; яка послідовність комплексного запису; які є дешевші або альтернативні варіанти; для операцій — окремо базову ціну та орієнтовну загальну вартість випадку хірургічного лікування. Асистент не повинен вигадувати ціни, виконавців, підготовку, медичні показання або переносити інформацію між схожими послугами.Наявні проблеми Система вже працює, але потребує підвищення стабільності пошуку та якості відповідей. Зокрема: модель інколи знаходить основну послугу, але пропускає рекомендовані комбінації; не завжди витягує окремі поля з великих Markdown-файлів; може знаходити базову ціну операції, але пропускати загальну вартість хірургічного випадку; результати залежать від структури та розміру файлів у Project Sources; потрібно оптимізувати індекси, маршрутизацію джерел і правила пошуку; потрібно забезпечити однаково якісні відповіді на короткі, неточні та розмовні запити операторів. Наприклад, простий запит «холецистектомія» повинен одразу повернути доступні варіанти операції, коди, базові ціни, загальну вартість лікування, підрозділи, виконавців та пов’язані послуги.Завдання спеціаліста Провести аудит чинного SKILL.md, структури бази знань і логіки пошуку. Проаналізувати причини пропуску даних під час retrieval. Запропонувати оптимальну архітектуру бази знань для ChatGPT. Удосконалити або переписати SKILL.md. Оптимізувати структуру Markdown-файлів та компактних індексів. Налаштувати обов’язковий пошук: пакетів і комплексів; рекомендованих комбінацій; цін за підрозділами; виконавців; вартості випадку хірургічного лікування. Перевірити генератор бази знань із CSV-вивантажень та за потреби вдосконалити Python-скрипти. Створити набір контрольних запитів і критеріїв оцінювання відповідей. Провести тестування на реальних сценаріях контакт-центру. Надати фінальну документацію для подальшого оновлення та підтримки системи.Очікуваний результат Маємо отримати стабільного асистента, який: відповідає українською мовою; не пропускає критично важливі дані; повертає лише інформацію, підтверджену базою знань; правильно розрізняє послуги, пакети та рекомендовані комбінації; показує код, назву, ціну, підрозділ і виконавця; для операцій розділяє базову ціну та повну вартість лікування; пропонує оператору конкретний сценарій подальшого запису пацієнта; стабільно працює після наступних оновлень CSV-вивантажень; працює відносно швидко.Вимоги до виконавця Потрібен спеціаліст із практичним досвідом: ChatGPT Projects, Custom GPT або ChatGPT Skills; LLM, RAG, retrieval та семантичного пошуку; prompt engineering; проєктування баз знань для мовних моделей; Markdown, CSV, JSON/JSONL; Python для обробки та перетворення даних; тестування якості відповідей LLM. Буде перевагою досвід із медичними інформаційними системами, контакт-центрами або великими каталогами послуг. Ми шукаємо не лише автора промтів, а спеціаліста, який розуміє обмеження пошуку у великих джерелах, фрагментацію контексту та способи побудови надійних індексів.Що надати у пропозиції Просимо коротко зазначити: Ваш досвід із ChatGPT, RAG або корпоративними базами знань. Приклади схожих реалізованих проєктів. Як би ви підійшли до діагностики пропуску окремих полів у великих файлах. Орієнтовні строки та вартість аудиту й доопрацювання. Чи готові ви підписати угоду про конфіденційність. Персональні дані пацієнтів у межах цього проєкту не передаватимуться. Остаточна вартість робіт буде узгоджена після уточнення Технічного Завдання між Замовником та Виконавцем.
Коротко Потрібна програма на Python, яка запускається у мене на ПК (Windows) і робить faceless-відео формату «закадровий голос + змінюваний відеоряд з фото та кліпів» — як історичні документалки на YouTube (приклад прикріплю окремо). Я вводжу тему → програма пише сценарій, озвучує, підбирає під кожен шматок тексту відео/фото з безкоштовних архівів, склеює → видає готовий MP4. Тільки для мене. Без сайту, без користувачів, без продажу. Один користувач — я. Як працює (по кроках) 1. Введення. Відкривається просте вікно. Я вводжу тему ролика і вибираю голос озвучення зі списку (**список голосів підтягується автоматично з ElevenLabs по API** — доступні на моєму акаунті). Натискаю «Створити». (Другий режим: вставити готовий сценарій замість генерації.) 2. Сценарій. Програма через LLM API (OpenAI/Anthropic, ключ в налаштуваннях) пише сценарій за темою, заданої довжини. 3. Розбивка на сцени. LLM ділить сценарій на сцени і для кожної повертає: текст сцени; тип візуалу: відео або фото; пошуковий запит (розгорнута фраза, що повинно бути в кадрі); позначку «highlight» + оцінку важливості 1-10 (для інтро, див. нижче). 4. Озвучення. Текст відправляється в ElevenLabs API обраним голосом → аудіо. Під довжину аудіо кожної сцени обрізається відеоряд. 5. Підбір відео/фото — з безкоштовних джерел по API (див. список нижче). Під кожне джерело запит формується по-своєму (для точності). Якщо в одному не знайшлося — пробує наступний. 6. Перевірка (максимум 3 кроки на сцену). Крок 1: програма бере перший знайдений варіант (відео/фото) за запитом. Крок 2: відправляє кадр в LLM — «підходить під сцену?». Підходить → стоп. Крок 3 (якщо не підходить): програма переключається на пошук фото (по точному запиту фото знайти простіше, ніж відео, — так гарантовано потрапляємо по сенсу) і бере його з посиленим рухом (зум + панорама). Більше 3 кроків на одну сцену не робити — це економить бюджет LLM і гарантує, що кадр в тему. 7. Збірка через ffmpeg/moviepy: кліпи і фото під таймінг озвучення, фото оживляються зумом (ефект Кена Бернса), голос поверх, прості переходи. Вихід: MP4 1920×1080. Правила відеоряду (важливо — за це відповідає програма) Перші 60 секунд — інтро-тизер: нарізка найефектніших кліпів з усього ролика (беруться сцени з вищою оцінкою важливості, де є відео) під окремий текст-вступлення від LLM («в цьому відео ви дізнаєтеся…»), кадри без пояснень, як інтрига. Потім перехід і основна частина. Чередування: відео-вставка мінімум кожні ~6 секунд, не можна багато фото підряд. Доля відео: не менше ~40% часу — живі кліпи, решта — фото з зумом. Довжина кадру: 4-6 секунд (і фото, і відео). Не мельтешити, не тримати статику довго. Для чисто історичних тем, де відео немає — фото з посиленим рухом (зум + панорама). Джерела (всі безкоштовні, з API) Сучасне відео+фото: Pexels, Pixabay. Історичне / архівне (public domain): Wikimedia Commons, Archive.org,Library of Congress, Europeana, NASA, Smithsonian Open Access,Flickr Commons, openverse. Кожне джерело — окремий модуль, легко додати новий. Використовувати тільки public domain / вільні ліцензії з правом комерційного використання. Жодного парсингу чужих YouTube/сайтів, шматків фільмів, картинок «з гугла».Унікальність підбору Щоб відео не співпадали з чужими: брати випадковий кліп з топ-видачі (не перший), вести базу вже використаних (не повторювати), опціонально — легка обробка кліпа (кроп/дзеркало/ швидкість). Опції (вкл/викл в налаштуваннях) Тільки фото — якщо включено, відео збирається ЧИСТО з фото, без відео-кліпів. Кожне фото ОБОВ'ЯЗКОВО з рухом (зум і/або панорама, ефект Кена Бернса) — навіть в цьому режимі не повинно бути статичних «мертвих» кадрів, мінімальна динаміка завжди. Якщо вимкнено — стандартний режим (фото + відео-кліпи з чергуванням, як в правилах відеоряду). Без озвучення — якщо включено, відео збирається по тексту БЕЗ генерації голосу: код НЕ звертається до ElevenLabs і не накладає озвучення (відеоряд підбирається по тексту сцен, таймінг кадрів — по правилам/параметрам, без прив'язки до аудіо). Якщо вимкнено — автоматично робить озвучення по тексту через ElevenLabs, як зазвичай. Атмосферний оверлей — якщо включено, поверх всього відеоряду накладається напівпрозорий шар з плаваючими частинками / пилом / світними боке / легким туманом (particle / dust / bokeh / fog overlay, режим накладення screen/add), щоб кадри виглядали живими і кінематографічними. При установці програми кладеться набір з 5-8 популярних оверлеїв (частинки, пил,copyбоке, туман, легке кінематографічне «зерно») в локальну папку — я вибираю потрібний зі списку. Регульована прозорість/яскравість оверлея (повзунок 0-100%), щоб ефект не був ніcopyзанадто тьмяним, ні занадто вираженим — я сам налаштовую силу. Бажано, щоб оверлей можна було накладати і на ВЖЕ готове відео окремоcopy(постобробка: взяти готовий MP4 → вибрати оверлей → задати прозорість → зберегти), а не тільки при зборці. Звідки взяти оверлеї для комплектації (вільна ліцензія): Pexels, Pixabay (запитиcopy«particle overlay», «bokeh overlay», «dust overlay», «light leaks», «film grain»), Mixkit, Videezy. Виконавець підбирає 5-8 штук і кладе в папку програми. Субтитри (вшити або окремим .srt). Обробка кліпів для унікальності. Роздільна здатність/формат, довжина відео, доля відео, глибина пошуку.Технічні вимоги Python. Модульна структура (джерела і LLM — через змінні модулі, щоб легко замінити або додати). Всі API-ключі — в файлі налаштувань, не в коді. Просте вікно (GUI на вибір виконавця — Tkinter/PyQt), запуск подвійним кліком. README з інструкцією, зрозумілі логи, коментарі в коді.Що даю я API-ключі (ElevenLabs, LLM, де потрібна реєстрація — оформлю). Платне оплачую сам. Приклади відео-референсів (прикріплю) і приклади тем для тестів.Приймання (готово, якщо) Запускаю → вікно → ввожу тему, вибираю голос → «Створити» → отримую готовий MP4. Відеоряд по сенсу тексту, чергування відео/фото, інтро-тизер 60 сек, озвучення поверх. Працює мінімум з 6 безкоштовними джерелами, з fallback між ними. Перевірка кадрів через LLM: макс. 3 кроки на сцену (знайшли → LLM перевірив → якщо немає, фото з рухом як вірняк). Унікальність: рандомізація + база використаного. Тільки легальні джерела. Є README, запускається з нуля.Передача результату Весь вихідний код — в відкритому вигляді (всі файли), без обфускації + зібрана робоча версія. Я можу сам запустити з вихідників за інструкцією (README: установка, ключі, запуск). Код повинен бути чистим, прокоментованим і зрозумілим, щоб **будь-який інший програміст міг продовжити роботу** над ним, якщо знадобиться (не прив'язка до автора). **Вся повсякденна робота — через інтерфейс (кнопки, поля, повзунки, випадаючі списки), БЕЗ необхідності торкатися коду.** Усі налаштування (тема, голос, опції, оверлей, папки, довжина, формати) змінюються у вікні програми, а не редагуванням файлів. Код на руках — тільки як моя власність і страховка, а не як спосіб управління програмою. Усі права на код після оплати — мої.Управління місцем на диску (важливо) Програма не повинна забивати диск. Реалізувати: Після зборки відео всі проміжні файли (завантажені кліпи, тимчасові шматки, аудіо-нарізки) автоматично видаляються — на диску залишається тільки готовий MP4. Ліміт на кеш (параметр в налаштуваннях, напр. 5 ГБ): при перевищенні старі завантажені файли видаляються автоматично (спочатку найстаріші). Папку для готових відео і для тимчасових файлів я задаю в налаштуваннях. Показувати, скільки місця зайнято, і кнопка «очистити кеш» вручну.Прошу вказати в відгуку Приклади схожих робіт (ffmpeg/moviepy, робота зі стоковими/архівними API, ElevenLabs/LLM). Пропозиція по GUI. Використовує чи рішення базу даних (яку і навіщо) — або вистачає локальних файлів. Термін і вартість.