Nichteye121

Поскольку картинок должно было быть много, идея загрузки всех изображений и их объединения с помощью GPT сразу отпала. Вместо этого я решил собирать текстовые запросы пользователей и выделять ключевые моменты через библиотеку NLTK. Вот код для суммаризации текста:

2. Создание сетки из картин

На сайте я хотел показать сетку из всех картин в реальном времени, потому что общая картина генерировалась бы только один раз. Для создания сетки я использовал numpy, а также добавил подписи с позициями картин в сетке. Чтобы поддерживать актуальность сетки, я создал фоновую задачу, которая регенерирует её каждые 5 картинок (5 — оптимальное количество, определенное опытным путем).

3. Автоматизация заполнения базы данных

Так как я выделил стиль и цвет в отдельные модели БД (это было сделано для удобства — чтобы потом легко находить самый популярный стиль и цвет и использовать их в общей картине), я заранее знал, какие будут стили и цвета. Чтобы не создавать их вручную при каждом запуске в новом окружении, я написал такой скрипт:

def create_color():

Color.objects.bulk_create([Color(color=short_cut) for short_cut, color in COLORS.items()])

return len(COLORS)

def create_styles():

Style.objects.bulk_create([Style(style=short_cut) for short_cut, style in STYLES.items()])

return len(STYLES)

4. Функция шаринга

Надеясь, что проект всё же удастся развернуть, я добавил функцию, которая давала пользователям одну дополнительную генерацию за каждый шаринг сайта. На бэке я просто менял флажок can_add, но на фронте реализовал это следующим образом:

Надеюсь, эта статья была полезной и вдохновляющей. Делитесь своим мнением в комментариях!