🤖 Voca — это iOS-приложение, в котором английские слова учатся из настоящих YouTube-видео: сериалов, интервью и шоу. Смотришь видео с субтитрами, тапаешь незнакомое слово — оно уходит в словарь, а потом приложение само возвращает его на повторение по методу интервальных повторений. Плюс есть тренировки на слух, shadowing и голосовые игры.
Делимся разбором автора приложения — Ivan Bannikov — о том, как он собрал Voca практически в одиночку с помощью AI.
На всё у Ивана ушло около двух месяцев. Получилось порядка 20 тысяч строк Swift, 9 тысяч строк Python и база из 111 видео, 7,6 тысяч слов и 44 тысяч таймкодов. Дизайнер, бэкендер, лингвист и художник в проекте — один человек с Claude. Вот где AI реально тащил.
1. Код. Почти весь SwiftUI написан в Claude Code. На Иване были продукт, дизайн в Figma и ревью. Через MCP Claude сам смотрит макет в Figma, вытаскивает цвета, шрифты и отступы и пишет экран. Так же с бэкендом на Supabase: схема базы, миграции, права доступа — всё через агента, Иван только читает и правит.
2. Контент — самая интересная часть. Чтобы YouTube-видео стало учебным материалом, для каждого слова из субтитров нужно понять, в каком значении оно употреблено (bank — банк или берег?), найти фразовые глаголы и идиомы и привязать всё это к таймкоду.
Пайплайн такой: yt-dlp тянет субтитры с YouTube, spaCy локально и бесплатно режет текст на слова с таймкодами, а дальше Claude в headless-режиме (claude -p) разбирает значения.
⏩Лайфхак от Ивана: он гоняет это на обычной подписке, а не по API. Пришлось обрезать контекст каждого вызова с 26k до 1,4k токенов и упаковывать по 10 слов в один запрос — расход упал в разы.
3. AI внутри приложения. Под любой репликой в видео есть кнопка «Объяснить фразу»: функция берёт реплику вместе с соседними строками и названием видео, идёт в LLM и объясняет, что здесь имелось в виду, — на английском и на родном языке пользователя.
Переводы слов тоже делает LLM, причём не слова вообще, а именно того значения, в котором оно прозвучало в сцене. Ответы кэшируются: первый пользователь платит за запрос, все остальные читают готовое.
4. Арт. В приложении есть голосовая игра Word Wizard: на экране волшебник, к нему идут монстры, а над волшебником в облачке — картинка или описание слова. Произносишь слово вслух в микрофон — молния бьёт по монстру. Ошибся или замешкался — проиграл.
Для игры нужны были пиксельные иконки на 200+ слов. Генерировать по одной дорого, поэтому Иван генерирует сетку 4×4 одним запросом и режет её скриптом — в 8 раз дешевле за иконку.
Итого 232 картинки, 2,5 МБ, лежат прямо в приложении и работают офлайн.
Скачать приложение в AppStore
#ИИ #AI #Нейросети #Voca
———
#Кейсы
✍️ Подписывайтесь: @aiforproduct
Делимся разбором автора приложения — Ivan Bannikov — о том, как он собрал Voca практически в одиночку с помощью AI.
На всё у Ивана ушло около двух месяцев. Получилось порядка 20 тысяч строк Swift, 9 тысяч строк Python и база из 111 видео, 7,6 тысяч слов и 44 тысяч таймкодов. Дизайнер, бэкендер, лингвист и художник в проекте — один человек с Claude. Вот где AI реально тащил.
1. Код. Почти весь SwiftUI написан в Claude Code. На Иване были продукт, дизайн в Figma и ревью. Через MCP Claude сам смотрит макет в Figma, вытаскивает цвета, шрифты и отступы и пишет экран. Так же с бэкендом на Supabase: схема базы, миграции, права доступа — всё через агента, Иван только читает и правит.
2. Контент — самая интересная часть. Чтобы YouTube-видео стало учебным материалом, для каждого слова из субтитров нужно понять, в каком значении оно употреблено (bank — банк или берег?), найти фразовые глаголы и идиомы и привязать всё это к таймкоду.
Пайплайн такой: yt-dlp тянет субтитры с YouTube, spaCy локально и бесплатно режет текст на слова с таймкодами, а дальше Claude в headless-режиме (claude -p) разбирает значения.
⏩Лайфхак от Ивана: он гоняет это на обычной подписке, а не по API. Пришлось обрезать контекст каждого вызова с 26k до 1,4k токенов и упаковывать по 10 слов в один запрос — расход упал в разы.
3. AI внутри приложения. Под любой репликой в видео есть кнопка «Объяснить фразу»: функция берёт реплику вместе с соседними строками и названием видео, идёт в LLM и объясняет, что здесь имелось в виду, — на английском и на родном языке пользователя.
Переводы слов тоже делает LLM, причём не слова вообще, а именно того значения, в котором оно прозвучало в сцене. Ответы кэшируются: первый пользователь платит за запрос, все остальные читают готовое.
4. Арт. В приложении есть голосовая игра Word Wizard: на экране волшебник, к нему идут монстры, а над волшебником в облачке — картинка или описание слова. Произносишь слово вслух в микрофон — молния бьёт по монстру. Ошибся или замешкался — проиграл.
Для игры нужны были пиксельные иконки на 200+ слов. Генерировать по одной дорого, поэтому Иван генерирует сетку 4×4 одним запросом и режет её скриптом — в 8 раз дешевле за иконку.
Итого 232 картинки, 2,5 МБ, лежат прямо в приложении и работают офлайн.
Скачать приложение в AppStore
#ИИ #AI #Нейросети #Voca
———
#Кейсы
✍️ Подписывайтесь: @aiforproduct