Original em inglês: https://argusic.com/subject/chatgpt-video-editing-skills
chatgpt-video-editing-skills
Use o ChatGPT/Codex para instalar o ambiente de edição de IA e conclua a edição verificável de vídeos curtos em oito etapas.
Executa com mocksfonte: GitHubShellMITcommit dc2f10ac4616
Shell, licença MIT. O projeto se descreve como: agent skills, elevenlabs, ffmpeg, hyperframes, traditional chinese e video editing.
chatgpt-video-editing-skills executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 3 minutos e encontrou 7 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- system Node.js v18 does not meet npx skills requirement (>=22.20.0)2 minutos
- ELEVENLABS_API_KEY not available2 minutos
- uv (Python package manager) not found1 minuto
- loudnorm audio normalization failed on silent test video (I=-inf)1 minuto
- transcribe refused silent track 0 (peak -inf dBFS)1 minuto
- pip install failed due to externally-managed-environment
- Tempo de instalação
- 3 minutos
- Da máquina limpa até o fim
- 4 minutos
- Erros encontrados e corrigidos
- 7 encontrados, 7 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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
- Tokens de modelo usados
- 78.357
- Commit exato testado
- dc2f10ac4616
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
- `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.
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Recuperou-se de todos os 7 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Levou 3 minutos para instalar, mais devagar que a mediana dos 106 projetos comparáveis que a Argusic mediu.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 107 projetos de agent-skills que a Argusic instalou e cronometrou, chatgpt-video-editing-skills foi o 55º mais rápido a chegar a um estado de execução, e 78 de 107 chegaram a esse estado.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,07 |
Tópicos (de GitHub)
agent-skillselevenlabsffmpeghyperframestraditional-chinesevideo-editing
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/chatgpt-video-editing-skills)Perguntas
- chatgpt-video-editing-skills executa?
- chatgpt-video-editing-skills executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 3 minutos, encontrando 7 erros no caminho, e gravou a sessão.
- Como a Argusic testou chatgpt-video-editing-skills?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit dc2f10ac4616. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar chatgpt-video-editing-skills?
- A execução que produziu este veredito custou US$ 0,07: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar chatgpt-video-editing-skills?
- 3 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- chatgpt-video-editing-skills precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar chatgpt-video-editing-skills?
- 7 coisas quebraram na execução registrada, e 7 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como chatgpt-video-editing-skills se compara às alternativas?
- Dos 107 projetos de agent-skills que a Argusic instalou e cronometrou, chatgpt-video-editing-skills foi o 55º mais rápido a chegar a um estado de execução, e 78 de 107 chegaram a esse estado.
- Onde estão as evidências de chatgpt-video-editing-skills?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.