Original em inglês: https://argusic.com/subject/forge-film
forge-film
Geração paralela de filmes de IA baseada em DAG multi-model: o ganho de paralelismo escala com a independência das cenas; Gere cenas de filme simultaneamente em vez de uma por uma; "把影视生成的执行图从拓扑序变成关键路径最优调度"; O único mecanismo de geração de filmes que modela dependências narrativas de cenas como um DAG e usa o algoritmo CPM para agendamento paralelo.
Executafonte: GitHubPythonMITcommit f67f0a003aee
Python, licença MIT. O projeto se descreve como: ai, ai cinematography, ai filmmaking, ai video generation, cpm, critical path method, dag e generative ai.
forge-film executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,5 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Forge installs cleanly in a venv, all 20 unit tests pass, forge plan and forge run complete end-to-end with mock backends and produce a valid MP4 output file.
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 100 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.
- forge run crashed with same OpenAIError on build_llm_provider() + build_imagegen_provider() — _run() didn't catch provider instantiation exceptions, and build_imagegen_provider() created OpenAIImageGenProvider even with empty key1,5 minutos
- forge plan crashed with OpenAIError before mock fallback — _plan() built the LLM provider before checking cfg.llm_api_key, so an empty key caused AsyncOpenAI() to raise Missing credentials0,5 minutos
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 5 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- forge run examples/detective.txt --scenes 4 --no-validate exited 0 and produced output/final.mp4 (16.5 KB, valid H.264 via ffmpeg -v error -i); forge plan examples/detective.txt --scenes 6 exited 0 with mock plan table; python -m pytest tests/ -v exited 0 with 20 passed
- Tokens de modelo usados
- 124.796
- Commit exato testado
- f67f0a003aee
- 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
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
Scheduling complete. Scenes: 4, Workers: 2
Forge Benchmark Results
┏━━━━━━━━━━━┳━━━━━━━━━━┳━━━━━━━━━┓
┃ Mode ┃ Time (s) ┃ Speedup ┃
┡━━━━━━━━━━━╇━━━━━━━━━━╇━━━━━━━━━┩
│ Serial │ 11.59 │ 1.0x │
│ Forge DAG │ 7.97 │ 1.5x │
└───────────┴──────────┴─────────┘
All good. Here's the final report.
tokens used
124,796
All good. Here's the final report.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
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 0,5 minutos, mais rápido que a mediana dos 230 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 2 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 231 projetos de ai que a Argusic instalou e cronometrou, forge-film foi o 14º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 0,5 minutos depois do clone.
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
Tópicos (de GitHub)
aiai-cinematographyai-filmmakingai-video-generationcpmcritical-path-methoddaggenerative-aigradiollm-workflowmulti-modalopen-source-videotext-to-videovideo-aivideo-generationworkflow-automation
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/forge-film)Perguntas
- forge-film executa?
- Sim. forge-film executa. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou forge-film?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit f67f0a003aee. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar forge-film?
- A execução que produziu este veredito custou US$ 0,02: 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 forge-film?
- 0,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- forge-film 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 forge-film?
- 2 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como forge-film se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, forge-film foi o 14º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de forge-film?
- 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.