Astra خودش یه ویدیوی یوتیوب ساخت
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
تو این مقاله اومده که یه سازنده به اسم Nate Herk فقط یه پرامپت به GPT-6 Astra داده: از ایده تا یه ویدیوی یوتیوبِ آمادهٔ انتشار دربارهٔ خودِ Astra، با کلونِ صدا و آواتارِ خودش، و نه یه نسخهٔ آزمایشی. خروجی یه ویدیوی کاملِ مونتاژشده بود. نکتهٔ جالبش تازگیِ کار نیست، اینه که نشون میده یه agent با قابلیت computer use وقتی جلوی یه جریانِ کاریِ واقعی و چندمرحلهای قرار میگیره چه شکلی میشه.
کار به پنج مرحلهٔ مشخص شکسته شده. اول تحقیق: Astra با computer use (یعنی توانایی باز کردن مرورگر و فایلها و کار مستقیم با ابزارها) پستهای اصلیِ سازندههای دیگه رو باز کرده و دیده واقعاً چی روی صفحه بوده، نه اینکه به توصیف دستدوم اکتفا کنه. حتی جایی که یه سازنده خودش گفته بود نتیجهش خطا داشته، همون رو تو روایت آورده.
بعدش اسکریپت رو نوشته، متن رو به قطعههای کوتاه شکسته و هر قطعه رو به HeyGen Avatar V5 داده، با یه کلون صدای ElevenLabs از خودِ سازنده. مونتاژ داخل ابزاری به اسم HyperFrames انجام شده، جایی که Astra زمانبندی حرکت دوربین، کلمهها، کلیپها و ترنزیشنها رو کنترل کرده و بعد صداگذاری رو دور همون برشها چیده: موزیک زیر حرکتهای بلند، یه کلیک روی تغییر رابط، و مکث کوتاه قبل از نشستن نمای جدید.
مرحلهٔ آخر بررسیِ خروجی بوده. Astra بعد از رندر، فریمهایی از فایل نهایی رو چک کرده و صدای ویدیو رو پیاده کرده تا با اسکریپت اولیه مقایسه کنه؛ هدفش گرفتن خطاهایی مثل کلمهٔ بریده یا افکتی که روی دیالوگ میافته. همین بخشِ کنترل کیفیت، بیشتر از خودِ تولید، کار رو شبیه یه پایپلاینِ حرفهای میکنه.
نویسنده صادقانه میگه این یه نمونهٔ خودگزارششدهست، نه بنچمارک مستقل. معلوم نیست بعدش چقدر تمیزکاریِ دستی لازم بوده، و خودِ سازنده گفته کار رو تو حالتِ سریعتر و گرونترِ مدل اجرا کرده و قبلش هم چند بار سهمیهش رو سوزونده. کل کار حدود ۵۰ دقیقه طول کشیده و اگه با نرخ استاندارد API حساب میشد نزدیک ۶۰ دلار درمیومد.
نکات کلیدی:
- یه پرامپت، شش مرحله: تحقیق، اسکریپت، صداگذاری، آواتار، مونتاژ تایملاین و بازبینی خروجی
- ابزارها آماده بودن: HeyGen Avatar V5، کلون صدای ElevenLabs و ادیتور HyperFrames
- زمان کل حدود ۵۰ دقیقه، هزینهٔ تخمینی حدود ۶۰ دلار با نرخ استاندارد API
- Astra بعد از رندر صدای خروجی رو پیاده کرد و با اسکریپت مقایسه کرد
- GPT-6 Astra سوم سپتامبر منتشر شد؛ دو قابلیت اصلیش computer use و تسکهای طولانیتره
- بازتولیدش ساده نیست: دسترسی مرحلهای و نیاز به کلون صدا و آواتار از قبل آماده
