前几天偶然发现GPT-4o可以直接给他一篇文章和图片，让他直接插入图片
（ps：也许GPT-4V也可以，没有试过哈哈哈）
尝试让GPT-4o对视频直接生成带图片的文章。
既然现在还没有开放视频功能，那就自己搞个关于视频的“伪能力”。
AVTB_Demo/output/test/output.md at main · Chenyme/AVTB_Demo (github.com)
这句话是什么意思？是把图片插在文章不同的地方吗？
你把图片和文档给他，他会自己插入图片，匹配到文章对应的位置
厉害厉害
4o厉害
哈哈哈
这创意可以做成 gpts 了
gpts感觉会更好，因为api调用的话，最终输出markdown嵌入图片比较方便，网页应该可以直接生成一篇文档，我后面试试。
手机版对话功能不错。
好思路
创新永不止境 !
有个问题，你是通过语音选择视频的关键帧的，但万一视频里的语音非常少，或者视频是观光片之类通过视觉传递信息的，那语音就无法指导生成blog了。你去看google aistudio里面提供的sample video不是默片就是观光片，一点声音都没有的。
可惜还不能实时视频
确实，这个得看gpt-4o未放开的视频能力了，我只是实现一个“伪视频功能”，仅供娱乐哈哈哈哈。这种默片，硬要搞只能一张一张的上传帧图片，token也太大了 
，期待一下4o的视频能力 
Gemini 1.5 Flash也有视频功能（免费的，100万token），可以让它选key frame。10分钟的默片用了17万个token，30秒钟给出结果。
I want to write a blog about this video. Select 10 key frames from this video that I can use in my blog, and tell me their time stamp.
思路很不错
好想法啊
大佬们真会玩，你们玩吧，我拿着小红花坐着小板凳给你们当观众。
不愧是多模态最强的GPT!
厉害呀
