FCP Cut Finder Next: ChatGPT mi ha risolto una cagata sotto l'ombrellone: il trucco da dev che vi cambia la vita!

Titolo episodio: L’intelligenza artificiale ci salverà (ma bisogna guidarla) 🚀🤖Breve riassuntoAlex 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/technopilzryotNote 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 GPTTechnoPillzFlusso di coscienza digitale.Vieni a chiacchierare sul riot:https://t.me/TechnoPillzRiotSono su Mastodon: @[email protected] video di The Morning Rant sul canale YouTube di Runtime:https://www.youtube.com/playlist?list=PLgGSK_Rq9Xdh1ojZ_Qi-rCwwae_n2LmztAscoltaci live tutti i giorni 24/7 su: http://runtimeradio.itScarica l’app per iOS: https://bit.ly/runtAppContribuisci alla Causa andando su:http://runtimeradio.it/ancheio/