start	end	text
0	2320	GPT-6Astra is here.
2320	4920	Today we are releasing Fable 5.1.
4920	9120	Your action is to absorb one or two atomic pieces of information.
9120	13920	There is absolutely no need to completely overturn and scrap your original workflow.
13920	16720	You actually only have three choices at hand.
16720	19200	You only have three choices at hand.
19200	22080	CloudOps 5.5 Video Editing.
22080	24640	Is it really as good as people say?
24640	29520	The short clips that flashed on screen were all edited by it entirely on its own.
29520	31920	我沒有在意義中在這裏的程度
31920	33120	它已經發出了
33120	36720	然後在這兩天的電腦都在發出了
36720	39120	一些人用它們甚至用它們的一段時間
39120	42120	我沒有只是看過 demos picked by others
42120	43920	所以我把這裏的十分時間
43920	45720	十分時間的電話題
45720	47320	我的樣子和它們都做了
47320	50520	和它們做了整個作品的工作
50520	53600	這點是,它們的確是強烈
53600	54720	比我還想的
54720	56520	尤其是在其中的地方
56520	58720	我認為它們是完全不可怕的
58720	62020	而是在做什麼工作是在做的,
62020	65120	在看這個影片,你可能會有更多想法。
65120	67720	當然,你可能會更多疑惑。
67720	70520	Hey! Hello! And welcome back to Channel Name!
70520	73520	The conversation between the two conferences in the intro
73520	76420	was actually just an appetizer I made on a whim.
76420	79220	Both companies released their own conference videos,
79220	82420	one over three minutes, and the other a minute and a half,
82420	84220	both with English subtitles,
84220	88220	so I had the model edit these two clips into a mixed dialogue scene,
88220	90220	and add bilingual subtitles.
90220	92560	This was actually quite troublesome at first,
92560	95320	because the English subtitles included with the two videos
95320	97220	were scrolling auto captions,
97220	99160	and the timestamps were all overlapping,
99160	101400	making it impossible to determine the cut points.
101400	103740	After CloudOps 5.5 detected this issue,
103740	105040	it called Whisper itself,
105040	106440	retranscribed everything,
106440	108840	and only then was it able to accurately sync the cuts.
108840	110800	The final clip is 66 seconds long,
110800	113240	and the result is a bit beyond my expectations.
113240	115080	GPT6 Astra is here.
115080	116740	It's our latest frontier model,
116740	120860	and the best model in the world for tasks where raw intelligence matters.
120860	125980	Today we're releasing Fable 5.1, the latest upgrade to our most capable model class.
125980	130500	I'm able to hand it bigger, less well-defined tasks with minimal hand-holding.
130500	135340	Whatever you already handle, it can take on more and do the hardest parts better.
135340	138580	And whether you're coding, writing, designing,
138580	142260	or just working on things that require a little bit more intelligence,
142260	146380	you'll find that Astra delivers great results, often on the first attempt.
146380	150540	如果它 hits a wall,它 tells you what它 tried and where it got stuck.
150540	154460	As you might expect, Astra excels at long-running tasks.
154460	159740	These are the kinds of tasks where a small mistake in Step 2 messes things up in Step 40,
159740	162460	and Fable 5.1 holds up the whole way.
162460	165980	The model is able to paint a hopefully recognizable picture
165980	168780	far faster and far better than I could have done.
168780	171500	And this model is great at science.
171500	172460	Try it on!
176380	183100	我以前想要放在同一篇的畫面
183100	186060	所以他們看起來像是在同一場場
186060	191340	但我认为这个分别的课程是很好的。
191340	193820	没有必要在手机上的手机上的手机上,
193820	196780	它们的手机上会在纳续上的角色,
196780	198780	而其他手机上会在几个空间的手机上,
198780	201660	让整个整个话会很滑。
201660	204780	这些字幕上是很很平均的,
204780	205980	而且是有趣的,
205980	209660	它甚至是一种小细节的细节上的纳细节。
209660	210700	《MATERIALS》
210700	214460	《Spliced Clips》从两个公司的公司公司公司公司的影片。
214460	216620	我們可以甚至出一個架頭的架頭
216620	220700	說兩者公司公司公司推出了強烈的模特兒
220700	223500	當然,這座的公開是一種熱烈的表現
223500	228300	今天真正的挑戰是我的17-27-second網上網上
228300	232460	你會想到會有很多網上網上看過很多網上的示範
232460	235260	是它是隱屬的充滿的 plug-ins
235260	237340	或者千萬多文字和文字的文字
237340	239100	就能達成這個樣子嗎
239100	242300	這次,它完全是完全手上
242300	245860	I gave it a pristine cloud code command line environment
245860	249500	with no custom skills loaded, no specialized rules written,
249500	252620	no MCP, and no preset editing workflows.
252620	255060	There were only two folders in the working directory,
255060	256340	one for the raw footage,
256340	259620	and one empty output directory for transcriptions and clips.
259620	263260	It handled all this work itself by calling local tools,
263260	265060	without anyone needing to teach it.
265060	268500	Seven processes corresponded to seven prompts.
268500	271980	Once I handed them over, it ran fully automatically.
271980	273980	我沒有按一指,
333980	335980	在影片 description中,
335980	337980	它先叫一按照
367980	369980	這就是同樣的同樣的同樣的同樣
369980	371980	原來是97秒
371980	373980	然後再拍攝,它是83.7秒
373980	375980	我們看看這段時間的故事
375980	377980	我先說過這次的情況
377980	379980	我再說過這次的情況
379980	381980	我再說過這次的情況
381980	383980	它們的確定了
413980	416980	你其實只有三個選擇
416980	420980	第一次選擇
420980	422980	老問題,老計
422980	425980	你其實只有三個選擇
425980	427980	第一次選擇
427980	428980	老問題,老計
428980	430980	四十四十字
430980	431980	沒有一名 typo
431980	433980	nor did it change my original meaning
433980	435980	有另一個有趣的原因
435980	437980	在我中間說
437980	438980	我一句說
438980	439980	是解決的
439980	440980	是一樣的
440980	441980	是以前的
441980	447220	这个模特别也提到这个文章也提到这个文章也说这可能会是一种语言的语言
447220	449620	它不太清楚是否一名字,
449620	451140	Solution,或Method,
451140	453060	但它 eventually就算是否保持它。
453060	454180	我聽到它,
454180	455860	我認為它是正確的,
455860	458580	這是一種自然的自然而言,
458580	459620	不是一種 error。
459620	462180	它主問題是解決的,
462180	463060	而是解決的,
463060	465140	而是解決的一樣。
465140	467220	而且,有一個不足的 bonus。
467220	469220	在916的影片,
469220	470740	從1190的影片,
470740	472180	它其實相反轉了
472180	474020	中間和接觸的剪接
474020	474740	在剪接的剪接,
474740	475940	在剪接的剪接。
475940	479940	在最終的作品,我的頭髮看起來更大,
479940	481700	而且還不錯。
481700	484180	這是像是推進和推出的照片
484180	487060	很多影片使用來令觀眾失散了。
487060	489700	如果是一件事,或是一件事,
489700	491780	最後的效果是非常舒服。
491780	493860	OK,一只短片是一整個短片,
493860	496740	但什麼時候會逐測 multiple segments?
496740	500180	第三次,我讓它選擇四個整個整個整個整個
500180	501540	整個短片。
501540	507840	它選了四個成員,從22秒,5秒23秒,8秒04秒,16秒27秒
507840	512780	我的題目是名字《Don't Get Led by the Nose When New AI Terms Keep Popping Up》
512780	515040	我將成員的成員作成為一個成員作成的一段時間
515040	520200	因為原本已經形成了一段時間的成員作成為一個成員作成的成員作成員
520200	522960	的問題, 理解, 理解, 理解, 理解
522960	527000	它們的遙控和聲音和聲音和聲音
527000	529640	遙控了些泡沫中的聲音
529640	532040	和聲音和聲音和聲音
547233	549233	你认为了解的讯息是有关的,
549233	552233	你会感到的解释的解释。
552233	556233	你会回到那终于学习的终于学习的终于学习的终于,
556233	559233	但这些解释的解释是很简单的。
559233	563233	只要是在其中的解释的解释,
563233	565233	它根本的解释是没有改变。
565233	567233	这就是最大的疾病,
567233	569233	在整个集中的解释是最大的解释。
569233	571233	当第三个解释开始,
571233	572233	我说,
572233	576233	只要是在其中的解释的解释,
576233	577233	而是它根本的缺乏,
577233	579433	它根本的缺乏没有改变。
579433	580633	在这个词中,
580633	581873	這技能
581873	584873	在原本的影片,我剛才說了我的能力
584873	588033	表現了,所以它流出了很容易
588033	590873	但在這個78-second short他在一起
590873	594633	沒有提及的名字,所以觀眾會被聽到
594633	597033	所以觀眾會被聽到這次聽到
597033	598633	為什麼會這個事?
598633	599833	我查看他的報告,
599833	602633	而 GPT-4.5其實看到了
602633	604633	這個文字的文字是太 broad,
604633	606633	但它覺得這個文字的文字
606633	609633	在前面的前面的文字可以遮到它,
609633	611633	所以它不適合它,
611633	616393	但是,在人的耳耳耳,你能聽到一聲音的音效
616393	618793	倘僅僅僅是在語音的語音
618793	621233	不支持這個語音的語音
621233	622833	這是一個問題的用力
622833	625593	它切音的音效很清晰
625593	628393	但因為它們的音效受到音效的音效
628393	631273	它們不適合這個音效的音效
631273	635393	所以,這步還要有用的手段
635393	637073	我聽到整個動作
637273	638793	我發現這個解釋
638793	642173	and once I caught this disconnect, I gave him revision requirements.
642173	645953	I pointed out that specific spot and set very strict constraints.
645953	646553	I told him,
646553	648853	the audience won't understand this ability,
648853	650953	so you need to find a way to make the transition natural.
650953	654373	You can rearrange sentences, swap paragraphs, or change the order,
654373	657413	but you must absolutely not add anything I didn't say,
657413	658793	nor can you distort my meaning.
658793	660753	Don't touch a single thing anywhere else.
660753	662453	Under these strict constraints,
662453	666293	everyone's first reaction would be that it had to delete that sentence.
666293	667913	That's the simplest way.
667913	671913	但它完全改正了我的意見
671913	673913	它不在意見,
673913	675913	但它們不在意見,
675913	677913	但它們回到7分鐘18分鐘的影片
677913	679913	並且提出出一句我提出的
679913	681913	《Specific techniques》會確定改變,
681913	684913	但能力去解釋你的 intent
684913	686913	會不會出現出的風格
686913	688913	它們的這句話中
688913	690913	兩者三者的詞
690913	691913	也能夠適合出的詞
691913	693913	它們也能夠適合出的詞
693913	695913	從開始的第三者
695913	698593	所以第一次的二字幕 remained untouched
698593	702313	整個最終的一段時間是84.9秒長
702313	703793	在它的翻譯文章
703793	704873	它們確實說
704873	707153	它們的詞語詞在前面的詞語詞
707153	708833	不可以保持這個詞語
708833	711793	聽聽說這分比之前和後
711793	715473	重新的心情感
715473	718673	但其實是很簡單的解決
718673	722233	只要是小學生的解決
722233	724673	這根本的解決能不能改變
724673	728033	重新的心情感
728033	730593	學習的解決能確定會改變
730593	734513	但能不能改變解決定的解決能
734513	737233	其實是很簡單的解決
737233	740633	只要是用人的想法,
740633	742833	the core of this ability has never changed.
742833	744833	It didn't just crudely delete sentences.
744833	747033	Instead, it went back to the original footage,
747033	748233	found something I had said,
748233	751133	and completely rounded out the logic of the entire short video.
751133	752633	This really took me by surprise.
752633	756133	This is the kind of truth you'll never see in other people's demonstrations.
756133	759333	It won't discover on its own that your sentences might not connect.
759333	761133	But as long as you point out the flaw,
761133	762933	it can return to the original footage,
762933	764233	find a sentence you said,
764233	765633	and save the short clip for you.
765633	769433	In the past, we had to edit it piece by piece, by hand.
769433	772433	现在,它变成了一个问题的问题,
772433	774053	然后它会去解决它们的问题。
774053	776053	好了,现在,我们的解决了,
776053	778673	我们看看如何练习的手工具能够得到。
778673	781053	当我开始了我的AI editing工作,
781053	783593	最后一切的部分是最痛苦的部分,
783593	787353	在一般的练习,细节的练习,
787353	788813	剪达两句话,
788813	790873	让它们的音乐不停,
790873	793433	操作,或是随着的语言
793433	795013	是非常困难的。
795013	798233	所以,这次,我选择两个字的短片
798233	800233	我和它在一起的字幕中
800233	802233	和一句話中
802233	804233	不斷它從別人的東西
804233	806233	而它開始了
806233	808233	從它們的時間尖
808233	810233	然後,在它們的時尖
810233	813233	它們的小小小小小小
813233	814233	和一句話
814233	816233	而它們的字幕也在一起
816233	818233	之後我聽到它們
818233	819233	我聽到它們的字幕
819233	820233	並不聽到它們
820233	822233	沒有音響和沒有音響
822233	823233	沒有音響
823233	825233	每一個AI的話題
825233	828233	你真的只有三個選擇
828233	831753	每一位 AI人的主題目 出現中的一種
831753	833753	你只有三個選擇
833753	836393	一種主題目的問題 並沒有改變
836393	839673	而是一種技術的問題 並且是一種技術的問題
839673	842753	它是一種主題目的問題 並且是一種主題目的問題
842753	846993	它是一種主題目的問題 並且是一種主題目的問題
846993	849633	它是一種主題目的問題 並且是一種主題目的問題
849633	854033	當然,在 visual上 它們的主題目 也對於是一種主題目的問題
854033	861233	在眼睛不聽,眼睛能看到它,因為我需要它不觸摸到其他相機,
861233	864233	所以它不可以把它測試到另一種景點。
864233	867033	它甚至是在報告中的報告,
867033	870833	而 Cloud Code Ops 5.5也提供了一提提,
870833	874233	如果我還想要加一個4-Frame-Dissolve在剪接,
874233	876233	但我選擇不加這次的一刻。
876233	878633	在短期,它剪掉了一句話中,
878633	880433	在中間中的一種感覺,
880433	883033	這就是一種平常的環境,
883033	884693	and we really can't fault it for that.
884693	886033	After the text editing,
886033	888333	I then had it pick one sentence in the clip
888333	890133	that most needed a visual aid
890133	891533	and add an animation
891533	893933	while leaving the rest of the clip untouched.
893933	894833	It chose,
894833	898733	The scenario may have shifted from simple one word dialogues
898733	901433	to long and complex process chains
901433	905233	because other sentences can be understood through audio and subtitles alone,
905233	907833	but this one explains a structural shift
907833	909933	that truly requires visual support.
909933	939933	所以在36-42秒之中,它用了约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约约�
969933	971933	我认为了一种看法的,我们就会看到了一种看法的,
971933	976173	当然,我们的AI能力导致的竹签是一种独特的,
976173	977933	并且这种程度是一种更多的,
977933	981213	而这次我们将会把整个电影的电影视频放在一种演讲解的,
981213	985213	我们将会把电影视频放在一种演讲解的,
985213	990893	你必须要保持原本的音乐和字幕内并且保持我的拍摄
990893	993453	也保持完整的配置,
993453	998493	它没有任何存在的实际上的实际文字体或 AI image generation tools,
998493	1002733	It was hand drawn stroke by stroke with a complete set of storyboards
1002733	1006573	Dividing the forty subtitle segments into about thirty different shots
1006573	1009613	Speech bubbles, three cards, a lock and key,
1009613	1012233	A wrecking ball hitting a house, a wrench to fix it
1027233	1028233	如果一旦新的AI buzzword
1028233	1029233	發生在業業
1029233	1031233	你真的只有三個選擇
1031233	1032233	第一次選擇
1032233	1033233	第一次選擇
1033233	1034233	老問題
1034233	1035233	老問題
1035233	1036233	第一次選擇
1036233	1037233	沒有改變
1037233	1038233	而解決的
1038233	1039233	解決定
1039233	1040233	和解決定
1040233	1041233	完全一樣
1041233	1042233	這類型的類型
1042233	1044233	你會只要用一種AI tools
1044233	1045233	有必要的一種AI
1045233	1047233	完全沒有需要
1047233	1048233	完全遮掩
1048233	1049233	或是離開
1049233	1051233	作為新的問題
1051233	1053233	只要改變了你的習慣
1053233	1054233	是足夠的
1054233	1056233	只要是當中的問題
1056233	1058233	是我們的第三個動作
1058233	1059233	改變的
1059233	1061233	但是,有一個小小的問題
1061233	1064233	在這首歌中提到三個選擇
1064233	1065233	三個選擇
1065233	1066233	三個選擇
1066233	1067233	三個選擇
1067233	1068233	一秒鐘
1068233	1069233	它說實在這裏
1069233	1070233	可以只能夠
1070233	1071233	去看照相機
1071233	1072233	而不能夠
1072233	1074233	其實像一個人
1074233	1075233	但能夠描述
1075233	1076233	一整個選擇
1076233	1077233	一整個選擇
1077233	1081073	frame by frame, using only code, shows a very high level of completion.
1081073	1085553	During the entire testing process, not a single task failed or pushed back on me.
1085553	1091153	My overall assessment of this test is that all tasks were basically free of obvious issues
1091153	1095553	and completed beautifully. Plus, it only took one prompt each time to finish,
1095553	1100433	without needing repeated patches or re-rolling. So let's return to the opening question.
1100433	1103633	Is Claude 3.5 Sonnet really that efficient at video editing?
1103633	1106593	我的答案是它是非常非常強的
1106593	1108193	甚至更強的我以為
1108193	1109633	如果一個作用的作用
1109633	1111433	能夠穿得到工作的
1111433	1112833	那會包括選擇
1112833	1114833	索尼索的長期影片
1114833	1116433	剪輯切剪輯
1116433	1118433	剪輯的錄音
1118433	1120433	控制製作
1120433	1121633	短片的影片
1121633	1122433	短片的錄片
1122433	1123633	短片的影片
1123633	1125633	甚至更加整理整理
1125633	1127233	整理的畫面
1127233	1129433	它遇到所有的重量
1129433	1131073	在整個效率的
1131073	1132873	我們是很簡單的
1132873	1136293	之前開始,明確定你的認識 criteria
1136293	1138133	當最後的影片是出發,
1138133	1140633	放在你的耳機上聽聽聽聽聽聽
1140633	1143753	如果你的音效不流,或是否有效,
1143753	1145413	就尋找到它們的解決
1145413	1148753	真實,我會覺得很難以為
1148753	1151633	當所有的重點是用力的動作是用來的
1151633	1152413	什麼是留意?
1152413	1154953	解決什麼是好或是用來的
1154953	1156913	根本就完全是你的評判
1156913	1159753	沒有工具能寫這些評論的評論
1159753	1161753	如果你有些畫面的畫面
1161753	1163753	如果你想要做一件事的工作
1163753	1165753	你可以做完整的方法
1165753	1167753	第一步,不在买长时间的方法
1167753	1169753	你可以先做一段时间
1169753	1171753	你可以先做一个短时间
1171753	1173753	看一段时间,看一段时间
1173753	1175753	看一段时间,看一段时间
1175753	1177753	然后让它进行完成
1177753	1179753	第二步,你可以确定
1179753	1180753	你接受的规则
1180753	1181753	之前开始开始做
1181753	1183753	三个规则
1183753	1185753	和七个细节 prompts
1185753	1187753	都在这里
1187753	1189753	在第三步
1189753	1191053	如果你的手機是做到,
1191053	1192373	你必須用手機的聽話
1192373	1193993	聽到通常的通常
1193993	1194873	一開始你發現
1194873	1196993	音樂或音樂不接觸
1196993	1198413	就請你解釋一下
1198413	1200133	然後請你去解釋一下
1200133	1202133	你可以選擇最好的解釋
1202133	1205053	最後,記得老說
1205053	1207373	因為AI不表達的錯誤
1207373	1208513	不代表你會正確
1208513	1210433	你會永遠負責任
1210433	1211373	為最後的解釋
1211373	1212753	更多用力的技巧
1212753	1213633	更多用力
1213633	1214133	更多用力的能力
1214133	1215873	更多用力的解釋
1215873	1217133	和定義的 standards
1217133	1219973	我的MAPS course starts exactly from this step
1219973	1221413	and the link is in the description
1221413	1223413	alright see you in the next video