AI-сервис генерации визуализаций ремонта для сайта одного из крупнейших девелоперов страны
Создали AI-сервис визуализаций ремонта для сайта одного из крупнейших девелоперов страны. Пользователь загружает планировку квартиры, отвечает на вопросы о предпочтениях в интерьере и получает фотореалистичные генерации ремонта с учётом геометрии помещения. Решение встроено в пользовательский путь: от загрузки планировки и выбора параметров до просмотра результата, скачивания изображений и перехода к заявке на консультацию.
О проекте
Клиент — одна из крупнейших девелоперских компаний России, работающая в сегменте массового жилья. Входит в число лидеров рынка и занимает высокую позицию в рейтинге уверенности российских застройщиков.
Подходит для:
Девелопмента / PropTech / Продаж недвижимости / Дизайна и ремонта / Маркетинговых лендингов / Личных кабинетов покупателей / Сервисных порталов
Возможности
-
Демонстрация результата до покупки
Заказчик может заранее увидеть, как будет выглядеть продукт или проект после реализации.
-
Персонализация предложения
Система формирует визуализации с учетом параметров, предпочтений и исходных данных конкретного пользователя.
-
Сокращение пути до заявки
AI-сервис помогает быстрее перевести интерес клиента в консультацию, заказ или покупку.
-
Сбор данных о предпочтениях клиентов
Ответы пользователей и оценки результатов можно использовать для последующего улучшения продукта, маркетинга и воронки продаж.
-
Снижение риска переделок
Клиент может заранее оценить концепцию будущего проекта и скорректировать требования до начала работ.
-
Повышение качества лидов
К моменту обращения клиент уже лучше понимает свои потребности и может точнее сформулировать запрос.
Цель
Создать AI-сервис для сайта девелопера, который помогает посетителям сайта представить будущий интерьер квартиры и перейти к заявке на дизайн-проект или консультацию.
Задачи
- Разработать понятный пользовательский сценарий: загрузка планировки → ответы на вопросы → генерация → просмотр результата → заявка на консультацию.
- Спроектировать архитектуру сервиса, API, базу данных и хранение файлов.
- Реализовать модуль генерации фотореалистичных изображений с учетом планировки и предпочтений.
- Интегрировать сервис с сайтом и подготовить frontend-часть: форму загрузки, опросник, экран генерации, экран результата, скачивание, возможность поделиться результатом и модальные окна.
- Настроить ограничения для неавторизованных пользователей, контроль нагрузки, лимиты и защиту от автоматических запросов.
- Обеспечить безопасность сервиса: валидировать загружаемые изображения и проверять сгенерированные рендеры перед выдачей, чтобы фильтровать некорректный или небезопасный контент.
- Настроить сбор пользовательских оценок после генерации, административные уведомления и журналирование ошибок, а также подготовить комплект эксплуатационной документации.
Что сделали
Разработали AI-сервис на отдельной странице сайта: пользователь загружает планировку, проходит короткий опрос и получает визуализации помещений для дальнейшей консультации по дизайн-проекту.
Этапы проекта
#1 Проектирование сервиса
-
Сперва спроектировали архитектуру решения: состав компонентов, схему их взаимодействия, базу данных и логику хранения файлов. Подготовили техническое описание архитектуры, спецификацию API в формате OpenAPI/Swagger и dev-среду.
-
Также настроили необходимые доступы к инфраструктуре: системе контроля версий, средам и инструментам генерации.
#2 Разработка REST API и модуля генерации
-
Реализовали REST API: эндпоинты для запуска генерации, отслеживания статуса и получения готового результата.
-
Настроили обработку входных данных: загрузку изображения планировки, прием ответов из опросника и передачу структурированных параметров в генеративный контур
-
Пайплайн генерации выстроили в несколько шагов:
- сервис анализирует загруженную планировку;
- модуль безопасности проверяет, что изображение корректно и не содержит запрещённой информации;
- система определяет помещения и их геометрию;
- объединяет полученные данные с ответами пользователя;
- формирует промпты и запускает генерацию;
- модуль безопасности ещё раз проверяет сгенерированное изображение, чтобы исключить попадание запрещённого контента пользователю;
- разбивает результат по помещениям, проводит дополнительный анализ и проверку;
- пользователь получает финальные визуализации.
-
Отдельно мы настроили модуль создания фотореалистичных вариантов интерьеров с учетом планировки и пользовательских предпочтений. Важной частью этапа стала работа над сохранением геометрии: окон, дверей, архитектурных линий и базовой логики помещений.
#3 Ограничения, мониторинг и обратная связь
-
Сервис доступен без авторизации. При этом для одного пользователя действует ограничение — не более 3 генераций квартир. Система контролирует лимит по данным браузера и IP-адресу, чтобы пользователь не мог обойти его без смены браузера или сети. Также настроен общий мониторинг нагрузки на систему.
-
В сервис заложили дневные лимиты по количеству запросов и стоимости генераций, а также валидацию размера загружаемых изображений.
-
Добавили CAPTCHA для защиты от ботов и проверили обработку массовых запросов.
-
Интегрировали механику сбора пользовательских оценок после завершения генерации и их сохранение в базе данных. Для администраторов предусмотрели email-отчеты и алерты при достижении лимитов.
-
Кроме того, настроили уведомления об ошибках, отчёты по NPS и алерты о приближении к дневному лимиту генераций.
-
Лимит помогает контролировать расходы на генерацию и не превышать согласованный с заказчиком ежедневный бюджет.
#4 Разработка функционала лендинга
#5 Тестирование, документация и ввод в эксплуатацию
-
Готовый пайплайн проверяли пакетными прогонами на разных планировках с одинаковым набором ответов в опроснике. Так можно было отделить влияние исходной геометрии от влияния пользовательских предпочтений и сравнивать результаты в одинаковых условиях.
-
Каждый прогон проходил полный маршрут: распознавание комнат и геометрии → общий 3D-рендер квартиры → нарезка по помещениям → анализ каждой комнаты → финальные интерьерные карточки. На каждом этапе сохраняли исходные изображения, промпты, структурированные JSON-данные и ошибки — это позволяло быстро находить, где именно возникло отклонение.
-
После визуализации проходили ещё и ручную проверку. Мы просматривали результат по каждой квартире и выставляли оценки по 15 критериям качества. Итоговая оценка учитывала соответствие исходной планировке, реалистичность изображения, отсутствие визуальных ошибок и полноту выполнения пользовательского запроса.
- Геометрия комнат соответствует загруженной планировке квартиры.
- Окна и двери расположены именно там, где они указаны на планировке.
- Все помещения находятся на своих местах относительно загруженного плана. В изображениях нет явных галлюцинаций: невозможных, висящих, искаженных или нелогично расположенных элементов.
- Сгенерированы рендеры всех помещений, указанных на планировке.
- Типы комнат соответствуют планировке и ответам пользователя: кухня, спальня, детская, кабинет, санузел, прихожая, балкон и другие помещения.
- Запросы пользователя имеют приоритет над планировкой: например, если на планировке кабинет не был указан, но человек отметил потребность в кабинете, это должно быть учтено.
- Мебель и предметы интерьера выглядят пропорционально размерам комнаты.
- Материалы выглядят реалистично: видна структура дерева, фактура камня, швы между плитками и другие характерные детали поверхностей.
- Свойства материалов переданы корректно: стекло бликует и остается полупрозрачным, металл отражает свет, матовый пластик его рассеивает.
- Освещение выглядит естественно: в изображении учитывается свет из окон и/или корректное искусственное освещение.
- Фотоэффекты используются уместно. Размытие фона и глубина резкости не должны выглядеть как ошибка генерации.
- Текстиль и декоративные элементы выглядят корректно: покрывала, подушки и другие предметы на кровати расположены верно и не выглядят искаженными.
- Цветовая палитра гармонична: нет «грязных», чрезмерно ярких или конфликтующих между собой цветов.
- В изображениях учтены все ответы из опросника.
- Точка съемки соответствует естественному ракурсу на уровне глаз человека. Изображение имеет высокое разрешение, без заметного замыливания, артефактов и потери детализации.
-
Например, в одном из батч-тестов мы прогнали 7 планировок и 45 помещений. Система сформировала 43 финальные карточки; неуспешные визуализации автоматически фиксировались как ошибки, а соответствующий прогон получал статус «частичный», а не успешный.
-
Клиенту презентовали отдельные отчёты по качеству генераций. В них показали результаты 20 прогонов, охвативших 67 помещений.
-
Проверили работу сервиса на dev/test-средах, провели интеграционное и нагрузочное тестирование и техническую отладку приложения. Подготовили инструкции, техническое описание системы и руководство администратора, передали клиенту образы компонентов.
Stack
| Слой / Компонент | Инструменты и сервисы |
|---|---|
|
OSMI AI
|
|
| Анализ планировки / создания промпта для генерации изображения |
Gemini 3 Flash Preview
|
| Генерация изображений |
Gemini 3.1 Flash Image Preview
|
| Backend |
Python
|
| Frontend |
React
|
| Хранение данных |
PostgreSQL
Yandex Object Storage / S3
|
| Инфраструктура |
Kubernetes
GitLab
Nginx
Keycloak
|
Результаты и аналитика
| РЕЗУЛЬТАТЫ | |
|---|---|
| Более нативный путь к заявке на дизайн-проект | |
| Персонализированная коммуникация | |
| Сбор данных для повышения конверсии в заявку на этапах воронки продаж |
Со стороны OSMI IT проект вели
МШ
Михаил Шрайбман
CEO OSMI IT
ДН
Денис Нагаев
CTO OSMI IT
АФ
Алексей Ф.
Менеджер проекта
ВГ
Валентина Г.
Frontend-разработка
ЭМ
Элмурат М.
ML-инженер
ПГ
Пётр Г.
Backend-разработчик
СИ
Сергей И.
Backend-разработчик
КВ
Кирилл В.
Backend-разработчик
Нужен похожий проект?
Оставьте контакты — мы быстро оценим задачу, подготовим план и расскажем, как достичь ваших целей.