GPT-6Astra is here.
Today we are releasing Fable 5.1.
Your action is to absorb one or two atomic pieces of information.
There is absolutely no need to completely overturn and scrap your original workflow.
You actually only have three choices at hand.
You only have three choices at hand.
CloudOps 5.5 Video Editing.
Is it really as good as people say?
The short clips that flashed on screen were all edited by it entirely on its own.
我沒有在意義中在這裏的程度
它已經發出了
然後在這兩天的電腦都在發出了
一些人用它們甚至用它們的一段時間
我沒有只是看過 demos picked by others
所以我把這裏的十分時間
十分時間的電話題
我的樣子和它們都做了
和它們做了整個作品的工作
這點是,它們的確是強烈
比我還想的
尤其是在其中的地方
我認為它們是完全不可怕的
而是在做什麼工作是在做的,
在看這個影片,你可能會有更多想法。
當然,你可能會更多疑惑。
Hey! Hello! And welcome back to Channel Name!
The conversation between the two conferences in the intro
was actually just an appetizer I made on a whim.
Both companies released their own conference videos,
one over three minutes, and the other a minute and a half,
both with English subtitles,
so I had the model edit these two clips into a mixed dialogue scene,
and add bilingual subtitles.
This was actually quite troublesome at first,
because the English subtitles included with the two videos
were scrolling auto captions,
and the timestamps were all overlapping,
making it impossible to determine the cut points.
After CloudOps 5.5 detected this issue,
it called Whisper itself,
retranscribed everything,
and only then was it able to accurately sync the cuts.
The final clip is 66 seconds long,
and the result is a bit beyond my expectations.
GPT6 Astra is here.
It's our latest frontier model,
and the best model in the world for tasks where raw intelligence matters.
Today we're releasing Fable 5.1, the latest upgrade to our most capable model class.
I'm able to hand it bigger, less well-defined tasks with minimal hand-holding.
Whatever you already handle, it can take on more and do the hardest parts better.
And whether you're coding, writing, designing,
or just working on things that require a little bit more intelligence,
you'll find that Astra delivers great results, often on the first attempt.
如果它 hits a wall,它 tells you what它 tried and where it got stuck.
As you might expect, Astra excels at long-running tasks.
These are the kinds of tasks where a small mistake in Step 2 messes things up in Step 40,
and Fable 5.1 holds up the whole way.
The model is able to paint a hopefully recognizable picture
far faster and far better than I could have done.
And this model is great at science.
Try it on!
我以前想要放在同一篇的畫面
所以他們看起來像是在同一場場
但我认为这个分别的课程是很好的。
没有必要在手机上的手机上的手机上,
它们的手机上会在纳续上的角色,
而其他手机上会在几个空间的手机上,
让整个整个话会很滑。
这些字幕上是很很平均的,
而且是有趣的,
它甚至是一种小细节的细节上的纳细节。
《MATERIALS》
《Spliced Clips》从两个公司的公司公司公司公司的影片。
我們可以甚至出一個架頭的架頭
說兩者公司公司公司推出了強烈的模特兒
當然,這座的公開是一種熱烈的表現
今天真正的挑戰是我的17-27-second網上網上
你會想到會有很多網上網上看過很多網上的示範
是它是隱屬的充滿的 plug-ins
或者千萬多文字和文字的文字
就能達成這個樣子嗎
這次,它完全是完全手上
I gave it a pristine cloud code command line environment
with no custom skills loaded, no specialized rules written,
no MCP, and no preset editing workflows.
There were only two folders in the working directory,
one for the raw footage,
and one empty output directory for transcriptions and clips.
It handled all this work itself by calling local tools,
without anyone needing to teach it.
Seven processes corresponded to seven prompts.
Once I handed them over, it ran fully automatically.
我沒有按一指,
在影片 description中,
它先叫一按照
這就是同樣的同樣的同樣的同樣
原來是97秒
然後再拍攝,它是83.7秒
我們看看這段時間的故事
我先說過這次的情況
我再說過這次的情況
我再說過這次的情況
它們的確定了
你其實只有三個選擇
第一次選擇
老問題,老計
你其實只有三個選擇
第一次選擇
老問題,老計
四十四十字
沒有一名 typo
nor did it change my original meaning
有另一個有趣的原因
在我中間說
我一句說
是解決的
是一樣的
是以前的
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
它不太清楚是否一名字,
Solution,或Method,
但它 eventually就算是否保持它。
我聽到它,
我認為它是正確的,
這是一種自然的自然而言,
不是一種 error。
它主問題是解決的,
而是解決的,
而是解決的一樣。
而且,有一個不足的 bonus。
在916的影片,
從1190的影片,
它其實相反轉了
中間和接觸的剪接
在剪接的剪接,
在剪接的剪接。
在最終的作品,我的頭髮看起來更大,
而且還不錯。
這是像是推進和推出的照片
很多影片使用來令觀眾失散了。
如果是一件事,或是一件事,
最後的效果是非常舒服。
OK,一只短片是一整個短片,
但什麼時候會逐測 multiple segments?
第三次,我讓它選擇四個整個整個整個整個
整個短片。
它選了四個成員,從22秒,5秒23秒,8秒04秒,16秒27秒
我的題目是名字《Don't Get Led by the Nose When New AI Terms Keep Popping Up》
我將成員的成員作成為一個成員作成的一段時間
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
的問題, 理解, 理解, 理解, 理解
它們的遙控和聲音和聲音和聲音
遙控了些泡沫中的聲音
和聲音和聲音和聲音
你认为了解的讯息是有关的,
你会感到的解释的解释。
你会回到那终于学习的终于学习的终于学习的终于,
但这些解释的解释是很简单的。
只要是在其中的解释的解释,
它根本的解释是没有改变。
这就是最大的疾病,
在整个集中的解释是最大的解释。
当第三个解释开始,
我说,
只要是在其中的解释的解释,
而是它根本的缺乏,
它根本的缺乏没有改变。
在这个词中,
這技能
在原本的影片,我剛才說了我的能力
表現了,所以它流出了很容易
但在這個78-second short他在一起
沒有提及的名字,所以觀眾會被聽到
所以觀眾會被聽到這次聽到
為什麼會這個事?
我查看他的報告,
而 GPT-4.5其實看到了
這個文字的文字是太 broad,
但它覺得這個文字的文字
在前面的前面的文字可以遮到它,
所以它不適合它,
但是,在人的耳耳耳,你能聽到一聲音的音效
倘僅僅僅是在語音的語音
不支持這個語音的語音
這是一個問題的用力
它切音的音效很清晰
但因為它們的音效受到音效的音效
它們不適合這個音效的音效
所以,這步還要有用的手段
我聽到整個動作
我發現這個解釋
and once I caught this disconnect, I gave him revision requirements.
I pointed out that specific spot and set very strict constraints.
I told him,
the audience won't understand this ability,
so you need to find a way to make the transition natural.
You can rearrange sentences, swap paragraphs, or change the order,
but you must absolutely not add anything I didn't say,
nor can you distort my meaning.
Don't touch a single thing anywhere else.
Under these strict constraints,
everyone's first reaction would be that it had to delete that sentence.
That's the simplest way.
但它完全改正了我的意見
它不在意見,
但它們不在意見,
但它們回到7分鐘18分鐘的影片
並且提出出一句我提出的
《Specific techniques》會確定改變,
但能力去解釋你的 intent
會不會出現出的風格
它們的這句話中
兩者三者的詞
也能夠適合出的詞
它們也能夠適合出的詞
從開始的第三者
所以第一次的二字幕 remained untouched
整個最終的一段時間是84.9秒長
在它的翻譯文章
它們確實說
它們的詞語詞在前面的詞語詞
不可以保持這個詞語
聽聽說這分比之前和後
重新的心情感
但其實是很簡單的解決
只要是小學生的解決
這根本的解決能不能改變
重新的心情感
學習的解決能確定會改變
但能不能改變解決定的解決能
其實是很簡單的解決
只要是用人的想法,
the core of this ability has never changed.
It didn't just crudely delete sentences.
Instead, it went back to the original footage,
found something I had said,
and completely rounded out the logic of the entire short video.
This really took me by surprise.
This is the kind of truth you'll never see in other people's demonstrations.
It won't discover on its own that your sentences might not connect.
But as long as you point out the flaw,
it can return to the original footage,
find a sentence you said,
and save the short clip for you.
In the past, we had to edit it piece by piece, by hand.
现在,它变成了一个问题的问题,
然后它会去解决它们的问题。
好了,现在,我们的解决了,
我们看看如何练习的手工具能够得到。
当我开始了我的AI editing工作,
最后一切的部分是最痛苦的部分,
在一般的练习,细节的练习,
剪达两句话,
让它们的音乐不停,
操作,或是随着的语言
是非常困难的。
所以,这次,我选择两个字的短片
我和它在一起的字幕中
和一句話中
不斷它從別人的東西
而它開始了
從它們的時間尖
然後,在它們的時尖
它們的小小小小小小
和一句話
而它們的字幕也在一起
之後我聽到它們
我聽到它們的字幕
並不聽到它們
沒有音響和沒有音響
沒有音響
每一個AI的話題
你真的只有三個選擇
每一位 AI人的主題目 出現中的一種
你只有三個選擇
一種主題目的問題 並沒有改變
而是一種技術的問題 並且是一種技術的問題
它是一種主題目的問題 並且是一種主題目的問題
它是一種主題目的問題 並且是一種主題目的問題
它是一種主題目的問題 並且是一種主題目的問題
當然,在 visual上 它們的主題目 也對於是一種主題目的問題
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,
所以它不可以把它測試到另一種景點。
它甚至是在報告中的報告,
而 Cloud Code Ops 5.5也提供了一提提,
如果我還想要加一個4-Frame-Dissolve在剪接,
但我選擇不加這次的一刻。
在短期,它剪掉了一句話中,
在中間中的一種感覺,
這就是一種平常的環境,
and we really can't fault it for that.
After the text editing,
I then had it pick one sentence in the clip
that most needed a visual aid
and add an animation
while leaving the rest of the clip untouched.
It chose,
The scenario may have shifted from simple one word dialogues
to long and complex process chains
because other sentences can be understood through audio and subtitles alone,
but this one explains a structural shift
that truly requires visual support.
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�
我认为了一种看法的,我们就会看到了一种看法的,
当然,我们的AI能力导致的竹签是一种独特的,
并且这种程度是一种更多的,
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,
我们将会把电影视频放在一种演讲解的,
你必须要保持原本的音乐和字幕内并且保持我的拍摄
也保持完整的配置,
它没有任何存在的实际上的实际文字体或 AI image generation tools,
It was hand drawn stroke by stroke with a complete set of storyboards
Dividing the forty subtitle segments into about thirty different shots
Speech bubbles, three cards, a lock and key,
A wrecking ball hitting a house, a wrench to fix it
如果一旦新的AI buzzword
發生在業業
你真的只有三個選擇
第一次選擇
第一次選擇
老問題
老問題
第一次選擇
沒有改變
而解決的
解決定
和解決定
完全一樣
這類型的類型
你會只要用一種AI tools
有必要的一種AI
完全沒有需要
完全遮掩
或是離開
作為新的問題
只要改變了你的習慣
是足夠的
只要是當中的問題
是我們的第三個動作
改變的
但是,有一個小小的問題
在這首歌中提到三個選擇
三個選擇
三個選擇
三個選擇
一秒鐘
它說實在這裏
可以只能夠
去看照相機
而不能夠
其實像一個人
但能夠描述
一整個選擇
一整個選擇
frame by frame, using only code, shows a very high level of completion.
During the entire testing process, not a single task failed or pushed back on me.
My overall assessment of this test is that all tasks were basically free of obvious issues
and completed beautifully. Plus, it only took one prompt each time to finish,
without needing repeated patches or re-rolling. So let's return to the opening question.
Is Claude 3.5 Sonnet really that efficient at video editing?
我的答案是它是非常非常強的
甚至更強的我以為
如果一個作用的作用
能夠穿得到工作的
那會包括選擇
索尼索的長期影片
剪輯切剪輯
剪輯的錄音
控制製作
短片的影片
短片的錄片
短片的影片
甚至更加整理整理
整理的畫面
它遇到所有的重量
在整個效率的
我們是很簡單的
之前開始,明確定你的認識 criteria
當最後的影片是出發,
放在你的耳機上聽聽聽聽聽聽
如果你的音效不流,或是否有效,
就尋找到它們的解決
真實,我會覺得很難以為
當所有的重點是用力的動作是用來的
什麼是留意?
解決什麼是好或是用來的
根本就完全是你的評判
沒有工具能寫這些評論的評論
如果你有些畫面的畫面
如果你想要做一件事的工作
你可以做完整的方法
第一步,不在买长时间的方法
你可以先做一段时间
你可以先做一个短时间
看一段时间,看一段时间
看一段时间,看一段时间
然后让它进行完成
第二步,你可以确定
你接受的规则
之前开始开始做
三个规则
和七个细节 prompts
都在这里
在第三步
如果你的手機是做到,
你必須用手機的聽話
聽到通常的通常
一開始你發現
音樂或音樂不接觸
就請你解釋一下
然後請你去解釋一下
你可以選擇最好的解釋
最後,記得老說
因為AI不表達的錯誤
不代表你會正確
你會永遠負責任
為最後的解釋
更多用力的技巧
更多用力
更多用力的能力
更多用力的解釋
和定義的 standards
我的MAPS course starts exactly from this step
and the link is in the description
alright see you in the next video