AI-автоматическое тегирование контента в мобильном приложении

AI-автоматическое тегирование контента в мобильном приложении

Типичная ситуация: пользователь загружает фото в приложение, но чтобы добавить тег, приходится вручную выбирать из сотен вариантов или писать текст. Теряются контекст и время. Мы внедряем автоматическое тегирование на основе AI — изображения, текст и видео получают метки без участия человека. Наш опыт — более 20 проектов, от маркетплейсов до соцсетей, с кастомными таксономиями. Решение подходит для любой предметной области: медицина, недвижимость, ритейл, образование. Точность on-device моделей достигает 92%, а серверных — 98% при правильно настроенном confidence score.

Например, для интернет-магазина одежды мы обучили модель распознавать 150 категорий с точностью 91%. Теперь каждый загруженный товар автоматически получает теги: «Платье», «Хлопок», «Лето». Это сократило время модерации в 4 раза и позволило сэкономить около 500 000 руб. в год на ручной разметке.

Apple Core ML documentation рекомендует Transfer Learning для создания компактных моделей с 20+ примерами на категорию.

Как AI тегирует изображения в iOS и Android?

Стандартная связка — VNClassifyImageRequest (iOS) + ImageLabeler (Android). Они выдают общие метки вроде «Food», «Sky», «Cat». Для бизнес-задач нужна кастомная таксономия: не «Одежда», а «Кожаная куртка», «Платье в цветочек». Обучаем модель через CreateML (iOS) или TensorFlow Lite (Android). Ниже — пример обучения кастомной модели под iOS.

// Обучение через CreateML (запускать на Mac, не на устройстве)
import CreateML

let trainingData = MLImageClassifier.DataSource.labeledDirectories(
    at: URL(fileURLWithPath: "/training_data")
    // Структура: /training_data/jacket/, /training_data/shoes/, /training_data/bag/
)

var params = MLImageClassifier.ModelParameters()
params.maxIterations = 25
params.validationData = .split(strategy: .automatic)
params.featureExtractor = .scenePrint(revision: 2)  // Transfer learning от Apple

let model = try MLImageClassifier(trainingData: trainingData, parameters: params)
try model.write(to: URL(fileURLWithPath: "/model.mlmodel"), metadata: nil)

20–50 примеров на категорию, 15–30 минут обучения на MacBook Pro M2 — получаем компактную модель. Core ML Model Deployment позволяет обновлять её без публикации новой версии в App Store.

Почему иерархические теги ускоряют поиск?

Плоский список тегов — хаос. Иерархия «Еда → Итальянская кухня → Паста» даёт структурированный поиск и фильтры. Реализуем через деревья:

// Android: TagTree
data class Tag(
    val id: String,
    val name: String,
    val parentId: String?,
    val synonyms: List<String> = emptyList()
)

// При тегировании: если назначен тег "Паста" — автоматически добавляем родительские
fun expandWithParents(tagId: String, tagTree: Map<String, Tag>): Set<String> {
    val result = mutableSetOf(tagId)
    var current = tagTree[tagId]
    while (current?.parentId != null) {
        current = tagTree[current.parentId]
        current?.let { result.add(it.id) }
    }
    return result
}

Для хранения используем отдельную таблицу с полем source (auto, user, admin). Автотеги видны только поиску, пользовательские — в UI.

Сравнение on-device и серверного тегирования

Мы комбинируем: основные теги ставим на устройстве, для сложных случаев отправляем запрос на сервер. On-device тегирование в 3-10 раз быстрее серверного при аналогичной точности для типовых категорий.

Как повысить точность тегов?

Если точность ниже ожидаемой, увеличьте объём обучающей выборки до 100+ примеров на категорию или используйте серверную модель для сложных случаев. Регулярное дообучение на новых данных поддерживает актуальность таксономии. Мы рекомендуем ежемесячно переобучать модель при появлении новых типов контента.

Тегирование текста и видео

Текстовые посты — NLP-классификация on-device через Natural Language Framework или на сервере. Промпт: «Определи 3-5 тегов из списка: ...». JSON-ответ парсится на клиенте.

Видео — анализ ключевых кадров:

func tagVideo(at url: URL) async throws -> Set<String> {
    let asset = AVURLAsset(url: url)
    let duration = asset.duration.seconds
    let generator = AVAssetImageGenerator(asset: asset)
    generator.maximumSize = CGSize(width: 224, height: 224)

    var allTags = Set<String>()
    var time = 0.0
    while time < duration {
        let cgImage = try generator.copyCGImage(at: CMTime(seconds: time, preferredTimescale: 600), actualTime: nil)
        let frameTags = try await classifyImage(cgImage)
        allTags.formUnion(frameTags)
        time += 3.0  // каждые 3 секунды
    }
    return allTags
}

Для длинных видео используем фоновые задачи (BackgroundFetch на iOS, WorkManager на Android) или отправляем на backend.

Что входит в нашу работу

• Аудит текущего контента и бизнес-требований
• Проектирование таксономии тегов (плоская или иерархическая)
• Сбор и разметка обучающей выборки (минимум 20 примеров на категорию)
• Обучение моделей (CreateML, TensorFlow Lite, Core ML)
• Интеграция в iOS (Swift, SwiftUI) и Android (Kotlin, Jetpack Compose)
• Реализация поиска и фильтрации по тегам
• On-device + серверная архитектура (Firebase, Supabase или ваш бэкенд)
• Документация по таксономии и API
• Обучение команды (1-2 воркшопа)
• Техподдержка 1 месяц после релиза

Сроки реализации

Стоимость рассчитывается индивидуально. Для точной оценки пришлите описание вашего проекта — мы подготовим коммерческое предложение за 1-2 дня.

Свяжитесь с нами для консультации. Закажите бесплатный аудит вашего проекта — мы проанализируем объём контента и предложим оптимальную архитектуру.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).