Englisches Original: https://argusic.com/subject/chatgpt-video-editing-skills
chatgpt-video-editing-skills
Installieren Sie mit ChatGPT/Codex eine KI-Schnittumgebung und führen Sie gemäß acht Schritten einen verifizierbaren Kurzvideoschnitt durch.
Läuft mit MocksQuelle: GitHubShellMITCommit dc2f10ac4616
Shell, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent skills, elevenlabs, ffmpeg, hyperframes, traditional chinese und video editing.
chatgpt-video-editing-skills läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 3 Minuten installiert und ist auf 7 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Project installs, builds, and runs. Both skills installed. video-use cloned at ~/Developer/video-use with Python deps synced via uv. Source Han Sans TW Regular+Bold fonts present with valid OTTO magic bytes. video-use test suite passes 26/26. Render pipeline produces decodable preview.mp4 from a test EDL.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- system Node.js v18 does not meet npx skills requirement (>=22.20.0)2 Minuten
- ELEVENLABS_API_KEY not available2 Minuten
- uv (Python package manager) not found1 Minute
- loudnorm audio normalization failed on silent test video (I=-inf)1 Minute
- transcribe refused silent track 0 (peak -inf dBFS)1 Minute
- pip install failed due to externally-managed-environment
- Installationszeit
- 3 Minuten
- Von der kalten Maschine bis zum Ende
- 4 Minuten
- Aufgetretene und behobene Fehler
- 7 aufgetreten, 7 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- npx skills add installed 2 skills to ./.agents/skills/; uv run python3 -m unittest discover -s tests: 26/26 passed; ffmpeg -v error -i /tmp/edit/preview.mp4 -f null -: decode OK; mock Scribe returned 6 word-level timestamps; bash tests/validate_repo.sh: Repository contract checks passed
- Verbrauchte Modell-Tokens
- 78.357
- Genau getesteter Commit
- dc2f10ac4616
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
- `uv` missing → installed via Astral install script - No ElevenLabs API key → stood up a local mock Scribe v2 API server - EDL format mismatch → used `ranges` instead of `segments` key - Loudnorm failed on silent audio → used `--no-loudnorm` - Transcribe refused silent audio → generated test video with sine tone **Verification**: - `validate_repo.sh`: all repo contract checks passed - video-use unit tests: **26/26 passed** - Render pipeline: produced a decodable `preview.mp4` (h264+aac, 1920x1080) - Transcribe pipeline: successfully uploaded audio to mock, returned word-level timestamps - Fonts: Source Han Sans TW Regular+Bold with valid OTTO magic bytes The ARGUSIC_RESULT line has been printed above.
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat sich von allen 7 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Die Installation dauerte 3 Minuten, langsamer als der Median der 106 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 107 Projekten im Bereich agent-skills, die Argusic installiert und zeitlich gemessen hat, belegte chatgpt-video-editing-skills Platz 55 bei der Zeit bis zum lauffähigen Zustand, und 78 von 107 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,07 |
Themen (von GitHub)
agent-skillselevenlabsffmpeghyperframestraditional-chinesevideo-editing
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/chatgpt-video-editing-skills)Fragen
- Läuft chatgpt-video-editing-skills?
- chatgpt-video-editing-skills läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 3 Minuten installiert und gestartet, ist dabei auf 7 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic chatgpt-video-editing-skills getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit dc2f10ac4616. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von chatgpt-video-editing-skills gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,07 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von chatgpt-video-editing-skills?
- 3 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht chatgpt-video-editing-skills eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von chatgpt-video-editing-skills schief?
- Im aufgezeichneten Lauf gingen 7 Dinge kaputt, und 7 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet chatgpt-video-editing-skills im Vergleich zu Alternativen ab?
- Von den 107 Projekten im Bereich agent-skills, die Argusic installiert und zeitlich gemessen hat, belegte chatgpt-video-editing-skills Platz 55 bei der Zeit bis zum lauffähigen Zustand, und 78 von 107 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für chatgpt-video-editing-skills?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.