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.
Подходит для:
Девелопмента / PropTech / Продаж недвижимости / Дизайна и ремонта / Маркетинговых лендингов / Личных кабинетов покупателей / Сервисных порталов
Заказчик может заранее увидеть, как будет выглядеть продукт или проект после реализации.
Система формирует визуализации с учетом параметров, предпочтений и исходных данных конкретного пользователя.
AI-сервис помогает быстрее перевести интерес клиента в консультацию, заказ или покупку.
Ответы пользователей и оценки результатов можно использовать для последующего улучшения продукта, маркетинга и воронки продаж.
Клиент может заранее оценить концепцию будущего проекта и скорректировать требования до начала работ.
К моменту обращения клиент уже лучше понимает свои потребности и может точнее сформулировать запрос.
#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:
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.
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.
| 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 | |
|---|---|
| Более нативный путь к заявке на дизайн-проект | |
| Персонализированная коммуникация | |
| Сбор данных для повышения конверсии в заявку на этапах воронки продаж |
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
Оставьте контакты — мы быстро оценим задачу, подготовим план и расскажем, как достичь ваших целей.
Заказать проект
Свяжитесь для консультации