Свой ИИ для детских часов: от закупки железа до голоса героя
ИИ-система Локальный ИИ-кластер в Алматы, модели на трёх языках и голосовой путь детских часов: ребёнок спрашивает, герой отвечает своим голосом, а голос и слова ребёнка не попадают ни в одну облачную модель.
О проекте
OIYNUP — обучающая вселенная для детей от двух до десяти лет: мультсериал, игра и детские часы, в которых живёт герой. В проекте я веду дизайн и ИИ: собрал для компании собственный ИИ-кластер, выбрал и проверил модели и построил голосовой путь часов — от вопроса ребёнка до ответа героя его голосом.
Железо
Весной мы сами поехали за железом в Шэньчжэнь с пересадкой в Дубае, а в августе — ещё раз в Китай. Каждую деталь проверяли на месте: номера деталей, пломбы, стресс-тесты — и только потом платили. Объём памяти и архитектуру просчитали параллельные исследовательские агенты, а итоговую спецификацию потом сверили по накладным.
Какая машина что делает
- Рабочая станция
Одна видеокарта отдана голосу часов: распознавание, языковая модель, синтез. Вторая делает для команды картинки, видео и музыку.
Threadripper PRO, 2 × RTX 5090, 256 ГБ ECC
- DGX Spark
Дообучение моделей: очередь прогонов с журналом — например, наш казахский голос.
NVIDIA GB10, 128 ГБ общей памяти
- Сеть и питание
Десятигигабитный коммутатор, прямой канал 200 Гбит/с между двумя Spark и онлайн-ИБП.
10 Гбит/с, 200 Гбит/с между Spark
Вторая DGX Spark сейчас держит локальную модель моей личной системы — кейс Vega.
Модели
Языковая модель — казахоязычная Qwen3.5-35B от ISSAI под открытой лицензией: из кандидатов только она уверенно склоняет казахские слова и понимает кадр с камеры. Русскую речь распознаёт GigaAM, казахскую и английскую — Whisper, русский голос героя синтезирует Qwen3-TTS. Каждую модель выбирали замером, а не по описанию.
Как вопрос становится ответом
- Часы
Ребёнок нажимает кнопку и спрашивает вслух.
KT38, Android
- Распознавание
Определяется язык, речь становится текстом.
GigaAM · Whisper
- Языковая модель
Отвечает двумя-тремя короткими фразами, как ответил бы герой.
Qwen3.5-35B-A3B-Kazakh
- Безопасность
На опасные темы — готовые ответы, без импровизации.
код вокруг модели
- Голос
Ответ возвращается на часы голосом героя.
Qwen3-TTS · CosyVoice3
Вся цепочка работает на рабочей станции в Алматы: облачных моделей в ней нет.
Живой прогон
5 ноября взрослый спросил у настоящих часов KT38, почему осенью желтеют листья. Трия ответила своим голосом меньше чем через две секунды: осенью солнца меньше, зелёный хлорофилл разрушается, и становятся видны жёлтые краски.
Экраны часов7
Безопасность — это код вокруг модели
Модель не решает сама, что можно ребёнку. Вокруг неё стоит код: готовые ответы на опасные темы, проверка кадра с камеры (лекарства, грибы и острые предметы герой не определяет и просит позвать взрослого) и сквозной набор детских сценариев, который проходит целиком. Сейчас часы проверяет команда; детям их дадут только после проверки безопасности и юриста.
Как мы работаем
Код пишут ИИ-агенты под моим руководством: я ставлю задачу, Codex пишет, другая модель проверяет. Внешнее ревью разобрало первый черновик архитектуры на 26 замечаний, 13 из них блокирующие, — все приняли до начала работы. Нагрузку проверили синтетическими запросами без единого ребёнка, слабые места — например, склейку слов в казахском распознавании — записали и чиним.
Агент OIYNUP
Следующий шаг — агент команды на той же локальной модели. Он отвечает сотрудникам по их проекту, ведёт задачи и сводки дня, помогает инженеру с обучением моделей. Права выдаются по меткам данных, которые ставит код, а не модель: человек видит только свой проект, данные детей агенту закрыты полностью, а доступы, выпуски и деньги ждут подтверждения руководителя. Запускаем в 2026 году.
- Сотрудник
Спрашивает по своему проекту или ставит задачу.
чат или Forgejo
- Метки данных
Код размечает запрос до того, как его увидит модель.
проект · уровень · личное · дети
- Локальная модель
Отвечает, ведёт задачи, пишет сводки.
DGX Spark
- Подтверждение
Всё необратимое ждёт руководителя.
доступы · выпуск · деньги
Данные детей живут в отдельном процессе без интернета; агенту они недоступны.
В цифрах
- 0облачных моделей в цепочкеГолос и слова ребёнка не покидают наше железо.
- 3языкаРусский, казахский и английский: распознавание, модель и голос.
- 1,6 сдо первого слова герояВживую на настоящих часах 5 ноября 2026 года; на стенде — 0,8 с.
- 940тестовых запросовСинтетическая нагрузка на живой стек, без единого ребёнка.
- 37сценариев безопасности, все проходятПо всей цепочке целиком; многоходовые — 8 из 8.
Участники
- ИИ и дизайн: кластер, модели, голосовой путь, интерфейс часов
- Жан Иванов
- Код: ИИ-агенты под руководством Jean, один пишет, другой проверяет
- Codex, Claude
- Языковая модель
- ISSAI, Qwen3.5-35B-A3B-Kazakh (Apache-2.0)
- Мультсериал «Мир Форм» и герои
- Grinvich Technology
Следующий проектЛичная ИИ-система: один агент и одно приложение на всех экранахVega
