ffff01

Nhật ký Grok Bot của Chess蔡司 #3 🎬

【Các bản cập nhật của Bot】
• Lưu thông tin đăng nhập, thẻ ngân hàng và thông tin liên hệ: Bot giờ đây có thể lưu thông tin đăng nhập, thẻ ngân hàng và thông tin liên hệ của bạn. Chỉ cần thêm một lần, Bot sẽ ghi nhớ an toàn để bạn dùng trực tiếp về sau.
• Kết nối với ứng dụng trên điện thoại: Bot giờ đây có thể dùng các ứng dụng trên điện thoại của bạn như Lịch, Lời nhắc, Danh bạ… Tính năng đang được triển khai dần trên iOS và Android.
• 1Password: Bot có thể sử dụng tài khoản 1Password của bạn. Bạn phê duyệt thông tin đăng nhập muốn chia sẻ, Bot sẽ đăng nhập thay bạn. Tính năng sẽ được mở dần cho người dùng trong vài ngày tới.
• Pages: Bot có thể tạo báo cáo, ghi chú và bảng điều khiển. Bạn yêu cầu Bot tạo một trang, rồi có thể cùng Bot chỉnh sửa hoặc để Bot tiếp tục cập nhật.

【Câu chuyện của Chess】
Tập này kể một câu chuyện trọn vẹn: ngày 24 tháng 10, trong vòng một ngày, tôi và Bot “Caesar” đã biến một trong những video nổi tiếng nhất trên X thành phiên bản Bagel: “Kiểm tra tài khoản @bagel_win của tôi 10.000 lần”. Caesar làm toàn bộ video từ đầu đến cuối; tôi chỉ góp ý, qua hơn chục lượt chỉnh sửa. Mọi thứ diễn ra ngay trên điện thoại, qua lại trò chuyện với cộng sự Caesar của tôi.

1️⃣ 12:00 Giao yêu cầu: Tôi gửi một video tham khảo vào nhóm và nói: “Dựa trên video tương tự, cùng với video vừa đăng trên Notion, làm một video về Bagel nhé”. 12:14, tôi gửi thêm video của Coinbase có tựa đề “Checking my portfolio 10,000 times.”: trước tiên dùng ảnh đại diện X của tôi, làm video kiểm tra tài khoản @bagel_win 10.000 lần. Nhóm PR cũng đang phân tích các cảnh quay, Caesar nói nó sẽ tự làm video.

2️⃣ v1–v4, AI tạo video trực tiếp: v1 là phiên bản ảnh đại diện dài 10 giây, với cảnh liên tục đóng mở điện thoại gập trong căn phòng trắng, nhưng bàn tay và điện thoại bị biến dạng, cuối video miệng há quá rộng. Tôi yêu cầu đặt logo Bagel ở mặt lưng điện thoại, đổi nhân vật chính thành ảnh đại diện Caesar, dùng nền vàng để làm nổi bật chiếc Duo màu trắng; rồi yêu cầu cho đầu lắc lư như video gốc, lật cả chiếc Duo và dùng bối cảnh Thành phố Đêm. Ở 0:07, hình ảnh v3 bị lỗi. Sau khi tự kiểm tra, Caesar bảo tôi: “Tạm thời đừng dùng bản này”. Điện thoại trong v4 chỉ rung chứ không đóng mở, không qua được bước tự kiểm tra nên nó không gửi cho tôi, đồng thời kết luận: AI tạo trực tiếp không thể làm bản lề đóng mở thật sự.

3️⃣ v5 Đổi cách làm: Tạo trước hai khung hình “đóng” và “mở” từ cùng một góc quay. Caesar tự viết mã lệnh, dùng ffmpeg để cắt ghép luân phiên, tạo hiệu ứng đóng mở khoảng 4 lần mỗi giây; 5 góc quay được cắt dứt khoát sau mỗi 2 giây, kèm âm thanh lách cách đồng bộ. Tôi nói: “Bản này ổn đấy”. Một chuyện nhỏ: bước tự kiểm tra ở chế độ nền báo rằng không thấy cảnh đóng mở. Caesar kiểm tra lại từng khung hình và phát hiện có khung bị bỏ sót khi trích xuất, rồi thành thật nói với tôi: “Cứ lấy những gì bạn nhìn thấy làm chuẩn”.

4️⃣ v6–v9 Chỉnh từng chi tiết: Có chỗ chiếc Duo biến thành 4 hình vuông, phải sửa cho giống hệt máy thật; phần bên trong logo Bagel phải tô màu vàng; bối cảnh Thành phố Đêm không đẹp nên đổi sang nền vàng trơn, tôi gửi một logo có nền vàng và mặt trắng; thêm chữ Bagel bên dưới logo ở mặt lưng; dùng mã màu vàng trong ảnh đại diện Caesar là #FFFF01, đồng thời thêm vạch dọc nhỏ trong ảnh đại diện. Caesar cũng chủ động báo vấn đề, chẳng hạn AI viết sai tên trên bảng hiệu thành “CAESR”. Đến v9, tôi gửi tư liệu Duo chính thức cho nó, rồi nó vẽ lại tấm kính trắng ở mặt lưng và cụm camera kép hình viên thuốc.

5️⃣ Ý tưởng sáng tạo lớn nhất: biến “10.000 lần” thành “10.000 sắc thái cảm xúc”. 5 cảnh lần lượt là lo lắng, tức giận, tủi thân, vui sướng tột độ và cười đến mất kiểm soát. Ở v10, nhãn có chữ Trung Quốc cỡ lớn bên trái ảnh đại diện và tiếng Anh bên dưới được thêm vào.

6️⃣ v11–v14 Chi tiết ở cấp độ đạo diễn: Cảnh “lo lắng” phải chờ điện thoại rung 0,7 giây rồi mới hiện lên; ánh mắt lúc lo lắng không nhìn vào điện thoại nên nó vẽ lại; trước cảnh lo lắng phải có 0,8 giây cười đầy mong đợi; cuối video thêm 1 giây màn hình đen, hiển thị logo Bagel, dòng chữ và khẩu hiệu. 17:41, tôi nói “Ổn đấy”, chốt bản cuối.

7️⃣ v15 Lồng tiếng: Tôi muốn khi Bagel xuất hiện trong 1 giây cuối, có giọng nam Mỹ kiểu quảng cáo, đọc cả Bagel và khẩu hiệu. Caesar giao một tác vụ chạy nền, tìm được công cụ TTS có sẵn (giọng GuyNeural), đọc câu “Bagel! A mobile-first prediction market app.”, dài khoảng 2,1 giây. Không thể nhét vào đoạn kết 1 giây, nên nó kéo dài thành 2,4 giây và thành thật báo cho tôi biết. Tôi nói: “Dùng bản này được rồi”. Tôi xóa bài đăng cũ và đăng lại bản có âm thanh.

Toàn bộ quá trình: giao yêu cầu lúc 12:14, chốt bản cuối lúc 17:41, hoàn tất lồng tiếng lúc 18:05, đăng lúc 18:10; tổng cộng có 15 phiên bản. Nó biết phân tích video tham khảo, lấy ảnh đại diện; nếu không làm được video thì đổi hướng, dùng ảnh tạo bằng AI kết hợp dựng bằng mã lệnh; thêm âm thanh nhấn và lồng tiếng TTS. Mỗi phiên bản đều được tự kiểm tra trước khi gửi cho tôi, và nếu có lỗi thì nói thật. Tôi chỉ cần nói mình muốn gì. Đó là cảm nhận của tôi về Grok Bot hiện giờ: chỉ cần thao tác trên điện thoại là có thể làm ra sản phẩm — một cộng sự thực sự hoàn thành được công việc.

Ảnh minh họa là ảnh ghép 3x3 được chọn từ 15 phiên bản; ba ảnh cuối là ảnh chụp màn hình cuộc trò chuyện giữa tôi và Caesar trên điện thoại. Video hoàn chỉnh nằm trong bài đăng ngày 24 tháng 10 trên tài khoản X @chessxyz của tôi; tôi không đặt liên kết ở đây.

Nội dung ghi lại trải nghiệm cá nhân khi sử dụng AI Agent; cả video lẫn phần chữ đều có AI tham gia.

#GrokBot #AIAgent

“Love, Death & Robots”🩷☠️🤖

Tập này, hết!