MGS5 EV. Od słów do możliwości.

Tomasz Cholewa, czerwiec 2025

W osiem dni stworzyliśmy z pomocą AI kompletną aplikację, osiągając 100% skuteczności. Jej zadanie: zamienić krótki opis użytkownika w efektowny obraz z MGS5 EV w roli głównej.

Wyzwanie

Zaczęliśmy w piątek, od makiety w Figmie i prostego briefu. Aplikacja miała generować obrazy z efektem „wow” na podstawie opisu użytkownika. Towarzyszyły temu istotne ograniczenia:

• Bez własnej infrastruktury: Nie było czasu ani budżetu na budowę i utrzymanie dedykowanego zaplecza.
• Szybkość działania: Od wpisania opisu do gotowego obrazu musiało minąć mniej niż 30 sekund.
• Wierność modelu: Samochód na wygenerowanym obrazie musiał dokładnie odwzorowywać rzeczywisty pojazd.

Pierwsze próby nie spełniały tych wymagań.

Przełom

W weekend sięgnęliśmy po FLUX.1 od Black Forest Labs. Większość problemów zniknęła od razu. Pojawił się jednak kolejny: samochody wyglądały zbyt podobnie, bo model za mocno trzymał się obrazu referencyjnego. Rozwiązaniem okazał się FLUX.1 dev, który pozwolił szybko dostroić model na starannie dobranym zestawie zdjęć i uzyskać potrzebną różnorodność.

Od prototypu do „Magic Dust”

We wtorek pracowaliśmy już nad prototypem, ale z istotnym założeniem. Osoby korzystające z ekranu dotykowego raczej nie będą wpisywać długich opisów. Najważniejsze pytanie brzmiało więc: jak uzyskać efekt „wow” z zaledwie kilku słów?

W środę pojawiło się rozwiązanie: druga AI miała wzbogacać opis użytkownika. To podejście, nazwane „Magic Dust”, pozwoliło zamieniać proste hasła w dopracowane obrazy, jednocześnie uwzględniając niezbędne ograniczenia dotyczące generowanych treści.

Architektura aplikacji

Między czwartkiem a piątkiem dopracowaliśmy architekturę, opartą na kilku elementach:

• Frontend: Aplikacja Vue.js działająca w przeglądarce zapewniała interfejs użytkownika.
• Backend: API we Flasku, napisane w Pythonie, zarządzało generowaniem obrazów: wzbogacaniem opisów, wywołaniami usług zewnętrznych, zapisem plików i rejestrowaniem danych.
• Usługi zewnętrzne: OpenAI odpowiadało za wzbogacanie opisów, Replicate za generowanie obrazów, a Mailgun za wysyłkę wiadomości e-mail.

Backend odbierał opis i go rozbudowywał, a następnie przekazywał do API Replicate. Gotowy obraz wraz z pozostałymi danymi trafiał do systemu plików.

Finał

Po weekendzie ostatnich poprawek uruchomiliśmy projekt w poniedziałek. Podczas wydarzenia aplikacja wygenerowała ponad 200 obrazów.

System pokazał, jak z prostych haseł tworzyć szczegółowe, stylizowane obrazy dzięki wzbogacaniu opisów przez AI. Przykłady zachowują oryginalną pisownię wpisów użytkowników:

• „james bond” zamieniło się w rozbudowany opis wyrazistego portretu Jamesa Bonda, stojącego pewnie obok eleganckiego SUV-a MGS5 w miejskiej scenerii o zmierzchu.
• „pokój dzieciecy” zaowocowało obrazem kolorowego pokoju z małym regałem nawiązującym do logo MG i zabawkowym samochodem MGS5 SUV.
• „plaża we władysławowie, parawany, plażowicze” otrzymało kosmiczną stylistykę, tworząc surrealistyczny, nieziemski krajobraz z majestatycznym MGS5 EV.
• „obraz czas w stylu dalhi” dało surrealistyczny obraz w stylu Salvadora Dalego, z charakterystycznymi topniejącymi zegarami.
• „hallowen straszne kosciotrupy” stało się halloweenową sceną z upiornymi, podświetlonymi szkieletami i SUV-em MGS5.

Ten projekt pokazuje, jak szybko można tworzyć nowatorskie aplikacje przy użyciu współczesnych narzędzi AI.

---

Stwórzmy razem coś wyjątkowego.