ИИ

Задача. Разбирать записи разговоров без прослушивания всего архива и без передачи записей во внешний сервис.

Решение. На собственном сервере faster-whisper переводит речь в текст, а локальная LLM формирует тему, краткое содержание, задачи и предварительную оценку тона. В веб-интерфейсе есть календарь, фильтры, прослушивание и выгрузка. Новые записи поступают в обработку автоматически, архив обрабатывается по расписанию.

Результат. Архив примерно из 16 000 звонков обработан за две недели. Для этой задачи записи остаются внутри компании.

Ограничение. Промпт дорабатывал и проверял на реальных звонках. Автоматическая сводка всё равно требует проверки по записи, а итоговые оценки качества разговора на 8B-модели пока ненадёжны.

Стек: faster-whisper large-v3 · Ollama · Llama 3.1 8B · Python · Docker

Моя роль. Архитектура, настройка моделей под видеокарту 16 ГБ, промпт, тестирование и внедрение.

Задача. Подготовить фотографии каталога, включая серии для показа 360°.

Решение. Сделал функцию для Open WebUI: фотографии загружаются пакетом, результат возвращается архивом. На сервере работает rembg с моделями BiRefNet и ISNet, обработкой краёв и выводом в WebP. Перед обработкой функция освобождает видеопамять от языковой модели, а при ошибке обращается к запасной модели.

Результат. Фактический недельный объём — немного больше 2 000 фотографий. Работа человека с этим объёмом занимает 5–9 часов, включая отбор и ручную проверку результата. Для одного проверенного пакета из 36 кадров архив был готов за 5–10 минут. Размер одного из файлов уменьшился с 768 до 156 КБ.

Проверка результата. После обработки фотографии просматриваем вручную. Для сравнения: если тратить по 10 минут на каждый из 2 000 кадров, получится около 330 часов ручной ретуши.

Стек: Python · Open WebUI · rembg · BiRefNet · ISNet · Docker

Моя роль. Архитектура, постановка, тестирование и внедрение. Код генерировал ИИ-агент под моим руководством.

Задача. Дать кладовщику возможность печатать этикетки с ТСД, не возвращаясь к компьютеру за каждой операцией.

Решение. Приложение для Android сканирует код, в том числе камерой, и отправляет задание на сетевой принтер по ZPL или LPR. Есть основной и резервный принтер, настройка размера и отступов, дополнительного текста, числа копий и проверка подключения.

Результат. Приложение проверили на разных версиях Android и используем в компании для инвентарных этикеток и повторной печати кодов маркировки.

Когда старая этикетка начинает выцветать, но код ещё считывается, ТСД читает его и отправляет на печать. Новую этикетку с тем же кодом наклеиваем рядом со старой на ту же единицу товара; старую оставляем. Статус кода в этот момент — «В обороте». Сам код и его связь с товаром в системе маркировки не меняются.

Стек: Android · ZPL · LPR

Моя роль. Идея, постановка, архитектура, тестирование и внедрение. Код генерировал ИИ-агент под моим руководством.

Задача. Подготовить изображения изделий на людях для карточек товаров.

Решение. В Photta исходное фото изделия на манекене преобразуется в изображение на модели. Локальный вариант в ComfyUI тоже пробовал, но в работу выбрал облачный сервис.

Результат. Для 40–50 изделий подготовил изображения за пару дней. Оплата сервису именно за эти изделия составила около 8 000 ₽ без учёта моей собственной работы. Организацию фотосессии такого объёма я оценивал от 100 тыс. ₽.

Ограничение сравнения. Фактические расходы на сервис сопоставлены с предварительной оценкой фотосессии. Это разные способы получения изображений, поэтому соотношение сумм не означает одинаковый состав работ и качество результата.

Стек: Photta; ComfyUI — экспериментальный вариант

Моя роль. Выбор инструмента, подготовка исходных фотографий и генерация.