Segui i tuoi podcast preferiti, ascolta offline e in auto con CarPlay e Android Auto, e riprendi sempre da dove eri rimasto. Provala gratis.
Titolo episodio: L’intelligenza artificiale ci salverà (ma bisogna guidarla) 🚀🤖 Breve riassunto Alex racconta il ritorno in ufficio dopo le vacanze e condivide come ha usato l’intelligenza artificiale (in particolare ChatGPT e altri modelli) come compagno di brainstorming per migliorare l’algoritmo di FCP Cat Finder (il suo tool per trovare tagli nei video). Spiega l’approccio tecnico: dall’uso di FFprobe (FFmpeg) per estrarre statistiche fotogramma-per-fotogramma, al calcolo di un valore “wide if” per trovare spike di luminosità, fino all’idea di segmentare i video in più thread per velocizzare l’analisi. Racconta risultati pratici (fino a ~5x più veloce su M1 Pro), i problemi aperti (timecode, fps strani come 29.97, feedback progressivo all’utente, dimensione della app dovuta a librerie) e riflette più in generale su come usare l’AI come “oggetto diverso” (non solo junior né onnisciente). Tra aneddoti e divagazioni (il piccolo ufficio, la ninna nanna al figlio, lanci di sigarette in strada) Alex chiude con inviti a feedback e al gruppo Telegram. Punti salienti che ascolterai - Come ChatGPT/Gemini sono stati usati come partner di brainstorming e per generare codice di prova. 🧠 - L’idea di usare FFprobe per ottenere metriche per fotogramma (luminosità, noise, spazio colore, wide if) e convertirle in JSON. ⚙️ - Implementazione veloce: normalizzazione, soglie (cut/no-cut), protocollo Spikeable per riconoscere spike e massimi locali. 📈 - Strategie per multithreading: spezzare il video in segmenti per analisi parallela e i problemi pratici (duplicazioni, timecode). 🧩 - Confronto tra AppKit e SwiftUI, e decisioni sull’integrazione del nuovo algoritmo in un’app legacy (FCP Cat Finder / Cut Finder). 🖥️ - Limiti attuali e prossimi passi: progress bar per utenti, gestione fps non interi (29.97), analisi cromatica aggiuntiva. ⏳ Ospiti / Interviste - Nessuna intervista formale. Viene citato il collega “Arturino” che esprime dubbi sul progetto, ma non è un ospite/intervistato in puntata. Brand, servizi, nomi e link citati (con breve descrizione) - Alex Raccuglia (host) — creatore e voce del podcast Techno Pillz / The Morning Run. - Techno Pillz — il podcast/format condotto da Alex. 🎙️ - Runtime Radio — podcast network che ospita Techno Pillz. - ChatGPT / ChatGPT5 — modello di OpenAI citato come partner per brainstorming e per generazione di codice. 🤖 - Gemini — altro modello/servizio AI citato (come alternativa o supplemento a ChatGPT). - ShotGPT — citazione/comica (probabilmente un riferimento ironico a vari modelli/alias). - Azure — servizio cloud Microsoft (Alex menziona di usarne una nuova versione per modelli e in cui riscontra qualche errore di naming). - FFmpeg / FFprobe — FFmpeg è la celebre suite per elaborazione video; FFprobe è lo strumento che estrae metadati/statistiche dai file video (usato qui per ottenere informazioni per fotogramma e produrre JSON). 🧰 - Final Cut (Final Cut Pro) — software di editing video; Alex pensa a un’integrazione futura di CutFinder in Final Cut. 🎬 - FCP Cat Finder / Cut Finder / Cutfinder — l’applicazione di Alex per trovare tagli nei video (versione attuale e idea di una 2.0 con integrazione in Final Cut). 🐱✂️ - SwiftUI — framework Apple moderno per interfacce, apprezzato da Alex per velocità di sviluppo rispetto ad AppKit. - AppKit — framework macOS più vecchio in cui è stata scritta l’app originale (2020). - MacBook Pro M1 Pro — hardware usato come riferimento per tempi di analisi (es. 15s video -> 3s analisi). 💻 - Telegram — servizio di messaggistica; link al gruppo di Alex: - telegram.me/technopilzryot — gruppo Telegram di Techno Pillz (citato nel podcast). - M1 / M4 / core — riferimenti agli Apple Silicon (M1 Pro, ipotesi su M4 super performante) e al numero di core usabili per il multithreading. - Anna (rapper), Luca Carboni, Jovanotti, Extreme — citazioni musicali/aneddotiche e riferimenti culturali durante le divagazioni. Link menzionato - Telegram gruppo Techno Pillz: https://telegram.me/technopilzryot Note tecniche rapide (per chi vuole approfondire) - FFprobe può esportare analisi fotogramma-per-fotogramma in JSON: utile per pipeline di analisi esterne. - Attenzione ai frame rate “non interi” (29.97, 23.976) quando si spezzettano video per analisi a segmenti. - La strategia wide-if + soglie + massimi locali è veloce e dà buoni risultati, ma può essere combinata con analisi cromatica per ridurre falsi positivi. Hai domande specifiche sul metodo tecnico (es. comando FFprobe da usare, come produrre JSON o come gestire i timecode/segmenti multithread)? Vuoi un riassunto “how-to” tecnico per replicare il flusso che descrive Alex? 😊 [00:15:37] Spot [00:20:30] Spot [00:30:54] Spot [00:34:31] Il riassunto di Sciatta GPT
TechnoPillz Flusso di coscienza digitale. Vieni a chiacchierare sul riot: https://t.me/TechnoPillzRiot Sono su Mastodon: @shylock74@mastodon.uno I video di The Morning Rant sul canale YouTube di Runtime: https://www.youtube.com/playlist?list=PLgGSK_Rq9Xdh1ojZ_Qi-rCwwae_n2Lmzt Ascoltaci live tutti i giorni 24/7 su: http://runtimeradio.it Scarica l’app per iOS: https://bit.ly/runtApp Contribuisci alla Causa andando su: http://runtimeradio.it/ancheio/
