Разработка MVP приложения для создания сторис

Описание проекта:

Сейчас я на этапе создания MVP (минимально жизнеспособного продукта), главная цель которого — продемонстрировать концепцию инвесторам. В случае успеха планируется дальнейшая разработка до полнофункционального приложения с последующей поддержкой.

Ключевая идея — использование нейросети для автоматической генерации Instagram Stories. Предполагаемый пользовательский сценарий выглядит так: пользователь открывает приложение, нажимает кнопку «Создать сторис», после чего переходит на экран, где может ввести техническое задание (ТЗ) текстом или надиктовать его голосом. Например, пользователь посетил мероприятие, сделал несколько фотографий и записал короткие видеоролики. Он описывает контекст события и указывает ключевые моменты, которые нужно отразить в сторис. Затем он загружает свои медиафайлы (фото и видео) и инициирует процесс генерации кнопкой «Создать сторис». После этого нейросеть обрабатывает предоставленное ТЗ и медиаматериалы, создавая набор сторис. При генерации она будет следовать заранее заданным правилам оформления (например, стиль титров, использование анимированных элементов вроде Emoji), которым она будет предварительно обучена.

Требования к исполнителю:

Для реализации этого MVP ищу специалиста, способного самостоятельно выполнить задачу, либо готовую команду разработчиков. Также рассматриваю вариант с наймом лида, который сможет собрать команду под проект.

Техническое задание на разработку MVP «Авто-сторис»

1. Цели MVP:
Разработка функционального прототипа для демонстрации потенциальным инвесторам.

Реализация основной функции: создание Instagram Stories на основе пользовательского ТЗ и загруженных медиафайлов.

2. Предлагаемый технологический стек (может обсуждаться):
Frontend: Flutter 3.x (Dart) или React Native (TypeScript)

Backend: Node.js + Express или Python (FastAPI)

База данных: PostgreSQL или MongoDB

Хранение медиафайлов: AWS S3 / Yandex Object Storage или аналог

ML-сервис (генерация): Python, PyTorch/TensorFlow, доступ через REST API

Инфраструктура/DevOps: Docker, Kubernetes (например, k3s), GitLab CI/CD

3. Функциональные компоненты MVP:
3.1 Аутентификация пользователя
Вход через Instagram (OAuth2).

Безопасное локальное хранение токена доступа (Secure Storage).

3.2 Пользовательский интерфейс (UI/UX)
Единый стиль интерфейса (согласно предоставленной или разработанной дизайн-системе).

Адаптивный дизайн для различных разрешений экранов мобильных устройств.

3.3 Загрузка медиаконтента
Возможность загрузки фото (JPEG, PNG) и видео (MP4).

Лимит: до 10 медиафайлов за одну сессию генерации.

Отображение индикатора прогресса загрузки.

3.4 Ввод ТЗ для генерации
Текстовый ввод: поле для многострочного текста задания.

Голосовой ввод: интеграция с сервисом распознавания речи (например, Google Speech-to-Text / Yandex SpeechKit).

3.5 Сервис генерации сторис
Взаимодействие с бэкендом через POST-запрос на эндпоинт /api/generate.

Тело запроса (Payload): { user_id, text_tz, media_urls[], style_preset } (идентификатор пользователя, текстовое ТЗ, массив ссылок на загруженные медиа, [опционально] предустановка стиля).

Логика работы ML-сервиса:

Анализ текста (NLP) и медиа (CV) для извлечения ключевой информации и тем.

Создание визуального оформления сторис (генерация макетов, применение стилей, титров, анимаций) на основе анализа и предобученных правил.

Возвращаемый результат: ссылка на ZIP-архив с готовыми сторис (stories_zip_url) и URL превью-изображений (preview_images[]).

3.6 Просмотр и экспорт результата
Возможность скачивания ZIP-архива с сгенерированными сторис.

Функция «Поделиться» для отправки сторис в Instagram (через стандартные механизмы ОС).

3.7 Логирование и мониторинг (базовый уровень)
Отслеживание ошибок (например, Sentry).

Сбор и анализ логов запросов и работы системы (например, стек ELK или аналог).

4. Нефункциональные требования:
Производительность: Целевое время генерации сторис – до 15 секунд (для MVP допустимы небольшие отклонения).

Безопасность: Обеспечение конфиденциальности пользовательских данных и загруженного контента.

Соответствие стандартам: Планируется соответствие GDPR/LGPD в будущих версиях (на этапе MVP не является критичным).

5. Ориентировочный план разработки MVP:
Проектирование и реализация UI (Figma/прототип, затем код) (2 недели)

Разработка бэкенда и настройка хранилища (API, база данных, S3/YOS) (2 недели)

Интеграция с ML-сервисом генерации (настройка взаимодействия, обработка запросов/ответов) (3 недели)

Интеграция фронтенда и бэкенда (API) (2 недели)

Финальное тестирование, отладка и подготовка к демонстрации (2 недели)