リリースされたGPT-4oを使って動画のサマリー生成をしてみる！ - Qiita

概要 GPT-4oが発表されました。 GPT-4oについては以下のツイートによくまとまっています。 使用している映像は以下でまとめられています。 非常に優秀でAI系のプロダクトがまた何個か死んだと思いますが、それはさておき使っていきましょう。 APIではすでに利用可能になっております。 今回は以下のcookbookにある動画要約をgradioに移植します。 https://cookbook.openai.com/examples/gpt4o/introduction_to_gpt4o デモ 以下の Huggingface Space を作りました。APIキーと動画を貼り付けて試用することができます。 1分間の動画で0.1ドル / 60秒くらいかかります。API使用料に注意してください。 現状のGPT-4o APIの制限 動画はそのままアップロードできません これは将来的にもできるとされてい

[yarumato]

“現状のGPT-4o APIでは、動画はそのままアップロードできません。動画理解に必要と思われる、0.5フレーム/秒（1分につき30枚）の連番画像を送信。動画のフレーム抽出と音声抽出してAPIを呼び出し。API使用料 0.1ドル / 60秒”