Генерация контента для карточек товаров: описания, атрибуты, изображения
Локальные модели заполняют карточки из данных поставщика, пишут описания в стиле бренда и готовят изображения для витрины.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Тысячи новых позиций в месяц приходят от поставщиков в виде прайс-листов, PDF-каталогов и фотографий разного качества. Контент-менеджеры вручную переносят характеристики, придумывают описания и правят фото. Карточка выходит на витрину через недели после поступления товара, а незаполненные атрибуты ломают фильтры и поиск.
Для маркетплейсов нужны отдельные версии описаний под требования каждой площадки, а для рассылок и соцсетей — ещё и адаптированные тексты.
Внешние генеративные сервисы удобны, но передавать им закупочные условия, планы ассортимента и неопубликованные новинки нежелательно.
Что делает ИИ
vLLMQwen / LlamaStable Diffusion / FLUXComfyUIPaddleOCRDocling
Решение — конвейер на локальных генеративных моделях, который принимает данные поставщика и выдаёт готовую карточку на проверку.
- Извлечение характеристик из прайс-листов, PDF и фото упаковки через OCR и LLM с приведением к атрибутам вашего каталога.
- Генерация описаний в заданном тоне с проверкой фактов по исходным данным; версии под сайт, маркетплейсы, рассылки.
- Обработка изображений: удаление фона, унификация ракурсов, генерация фонов для витрины, дорисовка в стиле категории.
- Очередь модерации: контент-менеджер утверждает, а не пишет с нуля.
Модели дообучаются на утверждённых карточках, чтобы стиль и структура соответствовали вашим стандартам. Пилот на одной-двух категориях запускается за 4–6 недель и сразу показывает, сколько ручной работы уходит из процесса.
Какие данные нужны
- Прайс-листы и каталоги поставщиков
- Утверждённые карточки как эталон стиля
- Фото товаров и требования площадок
Какая инфраструктура нужна
Профиль «генеративный ИИ» в настольном формате: языковая модель на 14–30 млрд параметров и диффузионные модели для изображений умещаются на рабочей станции с двумя GPU по 48–96 ГБ памяти. Подходит W9 MAX из рабочие станции: одна GPU под LLM и OCR, вторая под генерацию и обработку изображений.
Если поток — десятки тысяч карточек в месяц и нужны версии под несколько площадок, переходите на сервер RX ULTRA из раздела GPU-серверы с 4 GPU. Заложите быстрый NVMe под библиотеку изображений и модели. Данные поставщиков и ассортиментные планы остаются внутри компании.
Как идёт проект
- 01
Данные и цель
Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.
- 02
Пилот на нашей конфигурации
Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.
- 03
Инфраструктура
Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.
- 04
Сопровождение
Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.
Что ещё автоматизируют в отрасли «Ритейл и e-commerce»
Опишите задачу и данные.
Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.