AI-автоматичне тегування контенту в мобільному додатку

AI-автоматичне тегування контенту в мобільному додатку

Типова ситуація: користувач завантажує фото в додаток, але щоб додати тег, доводиться вручну вибирати з сотень варіантів або писати текст. Втрачаються контекст і час. Ми впроваджуємо автоматичне тегування на основі AI — зображення, текст і відео отримують мітки без участі людини. Наш досвід — понад 20 проектів, від маркетплейсів до соцмереж, з кастомними таксономіями. Рішення підходить для будь-якої предметної області: медицина, нерухомість, ритейл, освіта. Точність on-device моделей досягає 92%, а серверних — 98% при правильно налаштованому confidence score.

Наприклад, для інтернет-магазину одягу ми навчили модель розпізнавати 150 категорій з точністю 91%. Тепер кожен завантажений товар автоматично отримує теги: «Сукня», «Бавовна», «Літо». Це скоротило час модерації в 4 рази.

Apple Core ML documentation рекомендує Transfer Learning для створення компактних моделей з 20+ прикладами на категорію.

Як AI тегує зображення в iOS та Android?

Стандартна зв'язка — VNClassifyImageRequest (iOS) + ImageLabeler (Android). Вони видають загальні мітки на кшталт «Food», «Sky», «Cat». Для бізнес-завдань потрібна кастомна таксономія: не «Одяг», а «Шкіряна куртка», «Сукня в квіточку». Навчаємо модель через CreateML (iOS) або TensorFlow Lite (Android). Нижче — приклад навчання кастомної моделі під iOS.

// Навчання через CreateML (запускати на Mac, не на пристрої)
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 від Apple

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

20–50 прикладів на категорію, 15–30 хвилин навчання на MacBook Pro M2 — отримуємо компактну модель. Core ML Model Deployment дозволяє оновлювати її без публікації нової версії в App Store.

Чому ієрархічні теги прискорюють пошук?

Плоский список тегів — хаос. Ієрархія «Їжа → Італійська кухня → Паста» дає структурований пошук і фільтри. Реалізуємо через дерева:

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

// При тегуванні: якщо призначено тег "Паста" — автоматично додаємо батьківські
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 зберігання використовуємо окрему таблицю з полем source (auto, user, admin). Автотеги видні тільки пошуку, користувацькі — в UI.

Порівняння on-device та серверного тегування

Ми комбінуємо: основні теги ставимо на пристрої, для складних випадків відправляємо запит на сервер. On-device тегування в 3-10 разів швидше серверного при аналогічній точності для типових категорій.

Як підвищити точність тегів?

Якщо точність нижча за очікувану, збільште обсяг навчальної вибірки до 100+ прикладів на категорію або використовуйте серверну модель для складних випадків. Регулярне донавчання на нових даних підтримує актуальність таксономії. Ми рекомендуємо щомісяця перенавчати модель при появі нових типів контенту.

Тегування тексту та відео

Текстові пости — NLP-класифікація on-device через Natural Language Framework або на сервері. Промпт: «Визнач 3-5 тегів зі списку: ...». JSON-відповідь парситься на клієнті.

Відео — аналіз ключових кадрів:

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  // кожні 3 секунди
    }
    return allTags
}

Для довгих відео використовуємо фонові завдання (BackgroundFetch на iOS, WorkManager на Android) або відправляємо на backend.

Що входить в нашу роботу

• Аудит поточного контенту та бізнес-вимог
• Проектування таксономії тегів (плоска або ієрархічна)
• Збір та розмітка навчальної вибірки (мінімум 20 прикладів на категорію)
• Навчання моделей (CreateML, TensorFlow Lite, Core ML)
• Інтеграція в iOS (Swift, SwiftUI) та Android (Kotlin, Jetpack Compose)
• Реалізація пошуку та фільтрації за тегами
• On-device + серверна архітектура (Firebase, Supabase або ваш бекенд)
• Документація з таксономії та API
• Навчання команди (1-2 воркшопи)
• Техпідтримка 1 місяць після релізу

Строки реалізації

Вартість розраховується індивідуально. Для точної оцінки надішліть опис вашого проекту — ми підготуємо комерційну пропозицію за 1-2 дні.

Зв'яжіться з нами для консультації. Замовте безкоштовний аудит вашого проекту — ми проаналізуємо обсяг контенту та запропонуємо оптимальну архітектуру.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.