VIT Intercore: закрытый ИИ-ассистент, которым управляют голосом и рукой

Сделать ассистента для собственной ежедневной работы, к которому обращаются как к человеку: по имени и рукой. Вместо окон и меню на экране один объект — планета из 76 000 световых фрагментов. Когда она просыпается, вокруг раскрывается память в виде графа: люди, компания, системы, навыки, музыка. VIT Intercore — собственный внутренний продукт VITON¹³.

Мы сделали сцену ядра, управление рукой, голос и вторую сцену — стол-мастерскую. Рука работает как указатель: открытая ладонь будит ядро, щипок захватывает и вращает вид, два щипка меняют масштаб, короткий щипок нажимает на узел. Микрофон ждёт слово «Вит», и ассистент отвечает вслух.

У стола настоящая глубина: детали, провода, паяльник, урна. Умные очки и часы собираются по шагам, рукой или голосом, а шесть упражнений тренируют руку: хват и бросок, нажатие, сортировку, башню, масштаб и вращение. Чтобы показать продукт, мы сняли трейлер на 1 минуту 4 секунды; музыка в нём — оригинальный трек, написанный для ролика.

Камера следит за обеими руками. Распознавание рук идёт локально, на MediaPipe; кадры с камеры не сохраняются. Голос проходит через один «мозг»: он понимает запрос, вызывает инструменты (открыть раздел, найти узел, включить музыку, собрать набор) и произносит ответ. Если играет музыка и прозвучало имя, трек отступает, чтобы ассистент услышал и ответил.

Планета, граф, стол и каждая деталь процедурные: нарисованы кодом на three.js, без файлов 3D-моделей. Трейлер снят с настоящего интерфейса покадрово.

Ассистент закрытый, поэтому мы показываем его трейлер. Ролик длится 1 минуту 4 секунды и проходит по запуску, памяти, жестам, поиску голосом, музыке, столу и тренировке рук. В сборке, которую мы сняли 7 октября 2026 года, 387 узлов памяти и 656 связей, а планета состоит из 76 000 световых фрагментов.

В галерее — экраны того же интерфейса: запуск открытой ладонью, масштаб двумя руками, карточка узла после голосового поиска, сборка очков и собранные часы.

Это наш собственный внутренний продукт, а не клиентская работа. Приложение закрытое: публичного демо и загрузки нет, поэтому попробовать его нельзя; мы показываем только ролик и экраны.

В ролике руки — это записанные траектории, поданные в тот же указатель, которым управляет камера, а голосовые команды показаны текстом на экране; реплики ассистента — его настоящий синтезированный голос. Личные записи в памяти перед съёмкой заменены демо-данными. Кейс не заявляет клиентов, выручку, число пользователей или сравнительные тесты, а ролик не измеряет, насколько точно ассистент распознаёт живые руки и речь.

Как проверить портфолио веб-студии →