Refrasa

Обсуждение (8)

Перейти

Для кого:

Для студентов, авторов, копирайтеров и всех, кто работает с AI-текстами и хочет сделать их естественнее перед сдачей или публикацией.

Проблема:

Тексты после нейросетей часто звучат шаблонно и получают высокий процент ИИ при проверке, даже если автор уже самостоятельно их отредактировал.

Решение:

Refrasa перерабатывает AI-текст, убирает признаки машинной подачи и показывает, как изменилась оценка ИИ после обработки.

Преимущества:

Очеловечивание и проверка в одном сервисе, оценка результата до и после, русский интерфейс, бесплатный доступ и понятные тарифы.

Попробуйте бесплатно: очеловечьте текст и сразу сравните процент ИИ до и после.

Перейти

Дополнительно:

Доступны два режима обработки, отдельный ИИ-детектор, бесплатные запросы и тарифы для регулярной работы.

Статус проекта:

🔥Хочу максимальную прожарку

Особенно интересна честная оценка позиционирования, пользы продукта, тарифов, доверия к результатам и удобства первого пользовательского сценария.

🤝Ищу партнерства и коллабы

Ищу партнёров среди EdTech-проектов, образовательных сообществ, авторов и контент-платформ для интеграций, совместного продвижения и привлечения пользователей.

Есть бесплатные опции

Штаб-квартира: Москва

Подробнее

Охотники: 15

Основатели: 14

Пользователи: 13

Основатель

Макар Иванов Написать

При поддержке

Павел Райтер

Еще проекты из этой области

Обсуждение

8 комментариев

Популярные

Новые Старые

Межтекстовые Отзывы

Посмотреть все комментарии

Максим Шапорин

26 дней назад

Понравилось, что почувствовали нужную потребность в нужный момент. Вопрос, как всегда, в дистрибуции: где взять аудиторию, которая не поймет половины слов из комментария ниже (Михаила), или ленива на столько, что при работе с ЛЛМ не использует настроенные промты, md и прочее, но получает «по шапке» за «бесячий ИИ-текст». Возможно — это как раз мидл-менеджмент в корпорациях) Расширение для хрома, выделение текста от ИИ. правой кнопкой и «Переписать в Refasa» — пробовали?

Основатель

Макар Иванов

refrasa.ru

26 дней назад

Ответ на Максим Шапорин

Спасибо, Максим, очень точно подмечено. По моим наблюдениям, самый понятный и живой сегмент сейчас — это студенты и школьники: сочинения, рефераты, курсовые и другие учебные тексты, где ИИ помогает сделать черновик, а потом нужно снизить процент ИИ перед сдачей на проверку. При этом им обычно не хочется разбираться в промптах, md и тд, им нужен просто быстрый и понятный результат.
Второй сегмент, который я тоже вижу, это офисные команды и мидл-менеджмент: тексты для презентаций, статьи, письма, описания, внутренние документы.
Идея с расширением для хрома мне тоже кажется очень правильной. Создание такого расширения у меня есть в планах.

Михаил Чащин

app.medstat.pro

27 дней назад

Интересная идея. Я бы покопал именно технологическую часть, потому что пока не до конца понимаю, где проходит граница между Refrasa и обычным хорошо настроенным LLM-скиллом для «очеловечивания» текста.

Что именно находтся под капотом? Это собственная модель/алгоритм переработки текста или в основе всё-таки LLM + системный промпт + набор правил?

Если используется LLM, то в чём принципиальное отличие результата от обычного запроса к Claude/GPT/Gemini вида «перепиши текст естественным человеческим языком, убери типичные признаки AI-generated текста»? Как устроен цикл обработки?

Если основной KPI – снижение процента «ИИ» в детекторах, то под какие именно детекторы оптимизируется текст? Как быть с сервисами, профилактически завышающими показатели ИИ признаков? Еще вопрос не проводили ли теста или не возникало ли ситуации, когда снижение оценки одного детектора повышало ее у другого?

И главный для меня вопрос: в чём технологический moat продукта? Что в Refrasa будет сложно воспроизвести обычным кастомным скиллом, хорошим промптом и несколькими последовательными вызовами LLM?

Есть ли сравнительные тесты: один и тот же набор текстов проходит через обычный сильный промпт для топовых LLM, затем в Refrasa, и далее отправляется на blind-оценку людьми, а также несколькими ИИ-детекторами? Мне кажется, именно такой тест лучше всего показал бы реальную добавленную ценность продукта.

И отдельно интересно, как контролируется сохранение смысла и фактической точности после «очеловечивания»? Особенно для научных, медицинских и технических текстов, где стилистически удачный рерайт может незаметно изменить утверждение.

Основатель

Макар Иванов

refrasa.ru

26 дней назад

Ответ на Михаил Чащин

Михаил, спасибо за такой комментарий, вопросы очень по делу.

Если говорить проще, то под капотом Refrasa не один промпт и не один вызов LLM. Это комбинация собственной логики обработки, генерации нескольких первых вариантов с помощью собственной модели, дальнейшей обработки через LLM и, в некоторых случаях, прогона через несколько переводчиков, чтобы в итоге текст звучал естественнее и показывал более низкий процент ИИ. Пользователь в итоге видит лучшую из всех версий.

В этом, на мой взгляд, и отличие от обычного запроса в ChatGPT или Claude в духе «перепиши по-человечески». Здесь важен не один ответ модели, а весь пайплайн: как текст перерабатывается, какие промежуточные версии создаются, как выбирается итоговый вариант и как при этом сохраняется смысл.

Что касается moat, то он как раз не в одном секретном промпте, а в самой системе обработки и отбора результата. Повторить отдельный запрос можно, а вот собрать стабильный пайплайн, который дает предсказуемо хороший результат на разных типах текстов, уже сложнее. Ключевым элементом пайплайна является кастомная модель. Также одна из отличительных особенностей Refrasa в том, что пользователь сразу видит процент ИИ до и после обработки. В похожих сервисах я такого почти не встречал.

Сравнительных тестов пока проводил не так много. В основном они опирались на процент ИИ, а качество перефразирования отдельно оценивалось через LLM: насколько сохраняются смысл, факты и общее качество текста. По внутренним замерам и статистике использования сервиса пайплайн снижает процент ИИ в сгенерированных текстах ниже 10% примерно в 95% случаев. Но работа над тестированием продолжается, скоро я планирую отдельно написать об этом подробнее во внутреннем блоге Refrasa.

Евгений Титов

jagger.pro

25 дней назад

Макар, тема мне очень близка, поэтому возникло сразу несколько вопросов.

Правильно ли я понимаю саму философию продукта: сначала мы получаем AI текст с определенными признаками машинной подачи, а потом отдельным пайплайном пытаемся эти признаки убрать?

Мне здесь интересен другой подход. Почему не предотвращать их еще на этапе генерации?

Например, заранее задать правила для синтаксиса, ритма, повторов, канцеляризмов, шаблонных связок, ложной экспертности, избыточных обобщений и других характерных паттернов. Тогда модель сразу генерирует более чистое сырье, а фильтр после генерации остается только контрольным слоем.

Еще интересно, что именно является критерием хорошей переработки внутри Refrasa. Только снижение процента AI или есть независимый набор требований к самому тексту?

Допустим, исходник специально содержит SEO вхождения, терминологию, факты, Tone of Voice, структуру и обязательные формулировки. Как система понимает, что именно разрешено переписывать, а что менять нельзя?

И еще один момент. Если детектор считает человеческий текст машинным, а система начинает специально адаптировать его под этот детектор, не возникает ли ситуация, когда мы фактически оптимизируем текст под ошибку измерительного инструмента?

Мне кажется, здесь очень интересная граница между очеловечиванием текста и полноценным управлением качеством AI контента.

Основатель

Макар Иванов

refrasa.ru

25 дней назад

Ответ на Евгений Титов

Евгений, спасибо за такой глубокий комментарий.

Да, вы правильно поняли философию продукта: часто пользователь уже приходит с текстом, который был сгенерирован в какой-то сторонней нейросети, но ему важно сделать его менее машинным и снизить процент ИИ. На практике это может быть, например, текст для учебы, который потом будут проверять в университете через ИИ-детектор, или рабочий материал, который нужно сделать более естественным. Refrasa как раз помогает решить эту задачу.

Предложенный вами подход тоже имеет право на жизнь, но это немного другая логика продукта. Refrasa не специализируется на генерации текста с нуля, а работает именно как сервис постобработки. Под капотом все заточено именно под перефразирование уже готового текста, а не под его первичную генерацию.

При этом критерий хорошей переработки не сводится только к снижению процента ИИ. Также алгоритм сохраняет смысл, сохраняет факты — имена, названия, даты и другие важные детали, а также сохраняет стиль и объем текста.

Если говорить про SEO-вхождения, обязательные формулировки или другие фрагменты, которые менять нельзя, то в публичной версии сервиса такая тонкая настройка пока не реализована. Но если будет спрос, это вполне можно добавить.

И последнее замечание тоже очень точное. Если просто бездумно оптимизировать текст под слабый детектор, действительно можно начать подгонять результат под ошибку измерения. Поэтому важно качество самого детектора. Детектор Refrasa сравнивался с другими популярными решениями, поэтому по крайней мере в рамках русского языка он достаточно надежен. Но, конечно, важно понимать, что любые ИИ-детекторы могут ошибаться, и наш здесь не исключение.

Алексей Бутенев

aiflowpoint.tech

20 дней назад

Макар, сравнение оценки текста до и после обработки хорошо объясняет результат. Но доверие будет сильно зависеть от того, насколько стабильно сервис сохраняет факты и авторский смысл. Показываете пользователю, что именно изменилось?

Артем Крылов ⭐️

artstartup.ru

17 дней назад

Смотрел похожие штуки на западном рынке, Undetectable.ai и StealthGPT решают ту же задачу что и Refrasa. У обоих со временем всплывал один вопрос, не про качество рерайта, а про то, догонит ли обычный хороший промпт к GPT-5 или Claude их систему обработки текста. Пока не догнал, но разрыв сокращается с каждым релизом моделей.

Та же дыра видна прямо в комментах ниже. На вопрос, сравнивали ли просто хороший промпт с тем, что делает сервис, ответ был, что такого теста пока не делали. А это факт, который на деле продаёт продукт студенту или нет. Доверие сейчас держится на цифре 95% случаев с ИИ ниже 10%, но это внутренняя статистика без независимой проверки, отсюда и вопрос про сохранение фактов в другом комменте.

Второй момент, студенты и офисный мидл-менеджмент это разные продукты. У студента решает цена и скорость, у корпоративного пользователя важнее надёжность на длинных текстах с терминологией. Сам делаю продукт по созданию контента и на своей практике понял, что сегментация нужна не для галочки: у разных сегментов разные причины пользоваться продуктом и разные офферы привлечения, один тариф на всех такое не тянет.

По деньгам ничего не видно, ни цены тарифов, ни через какой канал приходит студент и сколько это стоит. Без этого непонятно, бесплатный доступ это воронка с расчётом или щедрость на старте.

Расширение для хрома, о котором тоже спросили, ход правильный. Но я бы сначала закрыл независимый тест качества, а потом делал расширение, иначе масштабируешь недоверие вместе с удобством.

Refrasa

О продукте

Для кого:

Проблема:

Решение:

Преимущества:

Дополнительно:

Статус проекта:

Основатель

При поддержке

Еще проекты из этой области