KeyFrame內部研究專用

【AI 剪片工具】ChatGPT Work 插件 ChatCut!自動剪走停頓位、執錯處!真係可以解放雙手?

阿石OMP·7月19日週日·12 min中文

三句話摘要

使用 AI 工具自動化影片剪輯,大幅縮減後製時間。 AI 剪片工具正快速進化,已能將編輯時間從全天壓縮至兩小時,未來一年內有望實現完全自動化,但目前仍需人工檢驗調整。 傳統剪片流程與痛點:講者過去需要花費整天時間(從午至晚上 6-7 點)手動移除停頓、處理說錯話的重複段落,以及調整音量等基本編輯工作。

重點整理

重點
  • 1

    傳統剪片流程與痛點:講者過去需要花費整天時間(從午至晚上 6-7 點)手動移除停頓、處理說錯話的重複段落,以及調整音量等基本編輯工作。

  • 2

    AI 工具的核心能力:該工具不只將音檔轉成字幕供分析,更能同時讀取視覺訊息(檢測拍手位置)和音波形狀,識別停頓位置和音量異常。

  • 3

    ChatGPT Work 的優勢:透過 ChatGPT Work 整合,用戶可在編輯過程中隨時打字補充指示,工具會即時調整,而非傳統工具需等待完成後才能溝通。

  • 4

    目前的瓶頸:該工具在移除停頓位方面仍不完美,嘗試多次仍無法完全清除所有不必要段落,且消耗大量 credit,講者預估需再等一年才能完全自動化。

實用技巧與重點

乾貨
  • 工具使用方式:直接進入網站或作為 ChatGPT 桌面應用程式的外掛使用
  • Credit 消耗:一支 33 分鐘影片初次處理消耗約 23% credit;多次嘗試調整共消耗 33% credit(從 90% 降至 67%)
  • 工作流程步驟:檢查影片 → 轉換文字 → 剪輯停頓位 → 移除拍手重複 → 套用跳躍效果
  • 時間縮減:從全天編輯壓縮至 2 小時內完成
  • 功能範圍:不限剪輯,可增加圖片、背景音樂、字幕等
  • 處理機制:自動讀取音波檢測靜默區域;利用視覺辨識拍手信號;基於字幕內容判斷停頓

結論

結論

AI 剪片工具正快速進化,已能將編輯時間從全天壓縮至兩小時,未來一年內有望實現完全自動化,但目前仍需人工檢驗調整。

完整解析

詳細

講者一開始分享多年來試用各種 AI 剪片工具都不滿意,直到找到這個工具才感到真正驚喜。他解釋,傳統影片製作流程非常耗時:以他自己的教學頻道為例,從錄製、編輯到完成,往往需要花費整天時間。主要工作包括移除說話停頓、處理他錄影時的習慣(說錯話時拍手三聲作為標記)以及調整音量以減少背景雜音。

該 AI 工具的聰明之處在於多層次的分析能力。用戶上傳影片時,工具首先會將音檔轉成文字字幕以理解內容,再搭配視覺辨識技術檢測拍手位置,同時分析音波形狀找出停頓區間。講者強調,一般 AI 工具只會依賴文字轉錄,但這個工具能看臉、聽聲音波形,因此準確度更高。

在實際演示中,講者透過 ChatGPT Work 功能上傳一支 33 分鐘的教學影片。工具花費 33 分鐘進行首次處理,自動移除了部分停頓段落。不過講者發現一個重大問題:由於他在思考或等待時會有許多停頓(這在使用 ChatGPT 輸出文字時特別常見),工具並未完全清除所有不必要的片段。他嘗試調整設定,要求工具改用原始音波而非字幕做判斷,工具隨後進行了多輪修正嘗試。雖然有改善,但問題仍未完全解決,且過程消耗了大量 credit(從 90% 降至 67%)。

儘管目前存在瓶頸,講者認為這個方向極具潛力。他預計在一年內,AI 工具應該能達到完全自動化剪片的程度,屆時他可能真正不需手動編輯。他也樂於看到工具持續迭代改進。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。