Model je bio najlakši dio. Čemu me naučila Dantiva

Dantiva pretvara fotografiju u kratki video. Odabereš predložak, učitaš sliku i za nekoliko minuta dobiješ osmosekundni isječak sa zvukom. Radi na Googleovim modelima, živi na webu i unutar Telegrama, i to je moj prvi proizvod koji uzima pravi novac od nepoznatih ljudi. Evo kako je gradnja izgledala iznutra, uključujući ono što je pošlo po zlu.

Što je to

Ispod haube su dva Googleova modela. Veo 3.1 radi video, u varijantama Fast i Lite. Geminijev model za slike stvara i uređuje slike. Treći model, također Gemini, prepisuje korisnikov upit prije nego što ode u videomodel, jer većina ljudi utipka tri riječi i očekuje film.

Oko tih poziva je sve što proizvod razlikuje od demonstracije: računi, saldo u tokenima, predlošci, knjižnica rezultata, projekti, pravni kutak na dva jezika, administratorska ploča za podršku i povrate. Taj drugi sloj pojeo je najviše vremena. Prvi Telegram bot u srpnju bio je jedan API poziv prema Veu na Cloud Runu, a cijelo stanje držalo se u memoriji procesa. Radio je. Nije se mogao prodavati.

Zašto ta niša

Publika su ljudi s ruskog govornog područja koji žele video sa sobom: rođendanska čestitka, trend iz feeda, novi avatar. Alati koje bi inače koristili skriveni su iza strane kartice i VPN-a. Plaćanje u rubljima, iz Telegram računa, s urednim računom, jedina je prednost koju danas mogu dokazati. Sve ostalo o segmentu još je hipoteza i trudim se tako to i zapisivati. Plaćena potražnja još nije potvrđena. Plaćanja rade od početka rujna, pretplate od 18., pa su sljedeći tjedni zapravo test.

Tri ulaza

Ući se može na tri načina: web dantiva.com, Telegram bot i Mini App koji se otvara unutar bota. Dijele jedan račun i jedan saldo tokena.

Ta posljednja rečenica koštala me mjesec dana. Svaki ulaz ima svoj način da zna tko si. Web koristi prijavu preko Googlea ili e-pošte s potvrdom. Bot zna tvoj Telegram ID. Mini App dobiva potpisane podatke od Telegrama. Sva tri moraju se svesti na isti novčanik, a kupnja na jednom mjestu mora se u druga dva pojaviti za nekoliko sekundi. Svaka funkcija sada prije izdanja prolazi provjeru pariteta na sva tri ulaza, jer prvi put kad sam je preskočio, bot je imao predloške kojih na webu nije bilo.

Još ne znam koji ulaz najbolje konvertira. U bot ljudi dolaze, na webu su veći paketi, Mini App je negdje između. Saznat ću samo iz podataka o kupnjama, ne iz mišljenja.

Pravi proizvod je knjiga tokena

Svaka generacija košta pravi novac, a poziv može pasti na pola puta. Zato saldo nije broj od kojeg se oduzima. To je knjiga: tokeni se rezerviraju kad posao krene, naplate kad video stigne i vrate ako pružatelj padne. Svaki posao ima ključ idempotentnosti, pa dvostruki dodir na sporoj vezi ne pokreće dvije generacije. Bonus dobrodošlice daje se jednom po uređaju, postoji dnevni strop i ograničenje istodobnih poslova, jer se besplatni tokeni na otvorenom internetu pokupe u nekoliko sati.

Devetnaestog rujna knjiga me podsjetila zašto sučelje ne smije imati svoje mišljenje. Dio korisnika ima neograničen pristup: prijatelji, testeri, partneri. Poslužitelj provjerava taj popis prije nego što dotakne bilo koji novčanik, i to je radio ispravno. Ali Mini App iscrtavao je početni zaslon dvaput. Prvi prolaz postavio je status neograničeno. Drugi ga je prepisao podacima novčanika pretplate. Tako je osoba s neograničenim pristupom vidjela saldo od 25 plaćenih tokena i ponudu da kupi paket. Ništa nije naplaćeno. Ipak je izgledalo kao prekršeno obećanje. Popravak: pravilo prioriteta u sučelju i dva regresijska testa koji namjerno iscrtavaju zaslon dvaput. Poslužitelj nikad nije bio problem, i u tome je poanta: logika novca živi na jednom mjestu, a zasloni je samo prikazuju.

Preimenovanje koje nisam dovršio

Projekt je imao tri imena. U srpnju je počeo kao Project Aurora, interno kodno ime. Zatim je postao Synora. Zatim Dantiva, a to je ime na domeni i u svakom nizu koji korisnik vidi.

Unutar koda još je Synora. Varijable okruženja počinju sa SYNORA_, zaglavlje uređaja zove se X-Synora-Device, servis na Cloud Runu i red zadataka nose staro ime. U dokument o prelasku domene upisao sam pravilo koje zabranjuje da ih se preimenuje. Preimenovanje dira tajne, konfiguraciju deploya, red, zaglavlje koje šalje svaki klijent i postavke Telegrama, sve odjednom, s nula koristi za korisnika. Korisnik to nikad ne vidi. Onog dana kad srušim produkciju zbog kozmetike, zasluženo ću gubiti korisnike. Pa nesklad ostaje, i dokumentiran je.

Cijene, tri puta

Prve cijene bili su paketi tokena po 449, 1590 i 3890 rubalja. Zatim 490, 1690 i 3990, nakon provjere stvarnih cijena pružatelja. Zatim, 18. rujna, pretplate: Start za 199 rubalja i 1400 tokena, Autor za 499 i 4200, Pro za 999 i 10080, uz manje nadoplate od 99 rubalja. Osmosekundni Fast video sa zvukom stoji 140 tokena, pa je najjeftiniji paket otprilike deset videa mjesečno. Obnova je zasad ručna, dok pružatelj plaćanja ne odobri automatsku naplatu.

Poštena fusnota: generaciju trenutačno subvencionira grant Google Clouda. Po Googleovom cjeniku osmosekundni isječak košta u proizvodnji oko 80 rubalja. Katalog je poravnat na bruto maržu od oko 30 posto po stvarnim cijenama pružatelja, pa su paketi zamišljeni da prežive grant. Hoće li, vidjet će se u studenom, kad grant istekne.

Gdje je zapravo zapelo

Svi predlošci počinju fotografijom osobe. Google Veo blokira image-to-video s prepoznatljivim ljudima. To je zaseban filtar, ne može se isključiti i za njega nema popisa iznimaka. Saznao sam to nakon što je katalog predložaka bio izgrađen.

Dakle, glavna funkcija oko koje je proizvod zamišljen ne radi na glavnom modelu. Video iz teksta radi. Generiranje slika radi. Oživjeti vlastito lice ne može se. Zadnji tjedan uspoređujem alternative koje prihvaćaju fotografiju bez videosnimke pristanka: Kling preko fal.ai, Runway Gen-4 Turbo, Seedance preko BytePlusa. Svaka ima svoju cijenu po sekundi, svoj put plaćanja i svoja pravila o ruskim korisnicima i ruskim karticama. Nijedna još nije spojena. Plan: plaćeni video puštati kroz onu koja prođe mali test, Google zadržati za sve što radi dobro i naplaćivati odvojene stope u tokenima po modelu unutar istog salda.

Mogao bih to sakriti. Loša ideja, jer prva osoba koja isproba proizvod otkrije to za dvije minute.

Što bih napravio drukčije

Provjerio bih politiku sadržaja pružatelja na točnom scenariju prije nego što oko njega izgradim cijeli katalog predložaka. Prvo bih napisao knjigu tokena, a zaslone poslije, a ne obrnuto. Odabrao bih konačno ime prije prvog deploya. I pretplate bih pustio ranije: mjesečni paket od 199 rubalja govori o potražnji više nego tri veličine jednokratnog paketa.

Što dalje

Drugi videopružatelj iza istog salda tokena. Automatska obnova čim je pružatelj plaćanja odobri. Mala serija razgovora s ljudima koji su stvarno platili, da segment prestane biti hipoteza. I odluka do studenog drži li ekonomija bez granta.

Većinu toga složio sam s AI pomoćnicima za kod: oni su tipkali, ja sam odlučivao, testirao i čitao svaki dokument revizije. Ako gradite nešto slično i udarate u iste zidove, javite mi se. Volio bih usporediti bilješke.

Česta pitanja o AI videoproizvodu na Googleovim modelima

Što radi Dantiva?

Pretvara fotografiju ili tekstualni upit u kratki video sa zvukom na Googleovim modelima Veo 3.1 i Gemini. Radi na webu i unutar Telegrama, s jednim računom i jednim saldom tokena na sva tri ulaza.

Zašto graditi Telegram i web istodobno?

Publika živi u Telegramu, pa u bot ljudi dolaze. Web preuzima veće kupnje i punu knjižnicu. Držati jedan saldo na oba bio je najteži dio gradnje i najvažniji.

Kako radi saldo tokena?

To je knjiga, ne brojač. Tokeni se rezerviraju kad generacija krene, naplate kad rezultat stigne i vrate ako pružatelj padne. Svaki posao ima ključ idempotentnosti, postoje dnevni stropovi i jedan bonus dobrodošlice po uređaju.

Koji je trenutačno najveći problem proizvoda?

Google Veo blokira image-to-video s prepoznatljivim ljudima, a svi predlošci počinju osobnom fotografijom. Zaobilazno rješenje je drugi videopružatelj iza istog salda, koji se upravo procjenjuje.

Jesu li cijene održive bez Googleova granta?

Katalog je postavljen na bruto maržu od oko 30 posto po stvarnim cijenama pružatelja, dakle projektiran je za život nakon granta. Hoće li to stvarna upotreba potvrditi, pitanje je sljedećih mjeseci.