● Open Interpreter
\n\n\n \n ![\"Discord\"](\"https://img.shields.io/discord/1146610656779440188?logo=discord&style=flat&logoColor=white\"/)
![\"JA](\"https://img.shields.io/badge/ドキュメント-日本語-white.svg\"){kind=icon}
\n ![\"ZH](\"https://img.shields.io/badge/文档-中文版-white.svg\"){kind=icon}
\n ![\"ES](\"https://img.shields.io/badge/Español-white.svg\"){kind=icon}
\n ![\"UK](\"https://img.shields.io/badge/Українська-white.svg\"){kind=icon}
\n ![\"IN](\"https://img.shields.io/badge/Hindi-white.svg\"){kind=icon}
\n ![\"License\"/](\"https://img.shields.io/static/v1?label=license&message=AGPL&color=white&style=flat\")
\n
Get early access to the desktop app | Documentation
\n
\n\n
\n\n
\n\n**Open Interpreter** lets LLMs run code (Python, Javascript, Shell, and more) locally. You can chat with Open Interpreter through a ChatGPT-like interface in your terminal by running `$ interpreter` after installing.\n\nThis provides a natural-language interface to your computer's general-purpose capabilities:\n\n- Create and edit photos, videos, PDFs, etc.\n- Control a Chrome browser to perform research\n- Plot, clean, and analyze large datasets\n- ...etc.\n\n**⚠️ Note: You'll be asked to approve code before it's run.**\n\n
\n\n## Demo\n\nhttps://github.com/OpenInterpreter/open-interpreter/assets/63927363/37152071-680d-4423-9af3-64836a6f7b60\n\n#### An interactive demo is also available on Google Colab:\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n#### Along with an example voice interface, inspired by _Her_:\n\n[](https://colab.research.google.com/drive/1NojYGHDgxH6Y1G1oxThEBBb2AtyODBIK)\n\n## Quick Start\n\n\n### Install\n\n```shell\npip install git+https://github.com/OpenInterpreter/open-interpreter.git\n```\n\n> Not working? Read our [setup guide](https://docs.openinterpreter.com/getting-started/setup).\n\n### Terminal\n\nAfter installation, simply run `interpreter`:\n\n```shell\ninterpreter\n```\n\n### Python\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.chat(\"Plot AAPL and META's normalized stock prices\") # Executes a single command\ninterpreter.chat() # Starts an interactive chat\n```\n\n### GitHub Codespaces\n\nPress the `,` key on this repository's GitHub page to create a codespace. After a moment, you'll receive a cloud virtual machine environment pre-installed with open-interpreter. You can then start interacting with it directly and freely confirm its execution of system commands without worrying about damaging the system.\n\n## Comparison to ChatGPT's Code Interpreter\n\nOpenAI's release of [Code Interpreter](https://openai.com/blog/chatgpt-plugins#code-interpreter) with GPT-4 presents a fantastic opportunity to accomplish real-world tasks with ChatGPT.\n\nHowever, OpenAI's service is hosted, closed-source, and heavily restricted:\n\n- No internet access.\n- [Limited set of pre-installed packages](https://wfhbrian.com/mastering-chatgpts-code-interpreter-list-of-python-packages/).\n- 100 MB maximum upload, 120.0 second runtime limit.\n- State is cleared (along with any generated files or links) when the environment dies.\n\n---\n\nOpen Interpreter overcomes these limitations by running in your local environment. It has full access to the internet, isn't restricted by time or file size, and can utilize any package or library.\n\nThis combines the power of GPT-4's Code Interpreter with the flexibility of your local development environment.\n\n## Commands\n\n**Update:** The Generator Update (0.1.5) introduced streaming:\n\n```python\nmessage = \"What operating system are we on?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### Interactive Chat\n\nTo start an interactive chat in your terminal, either run `interpreter` from the command line:\n\n```shell\ninterpreter\n```\n\nOr `interpreter.chat()` from a .py file:\n\n```python\ninterpreter.chat()\n```\n\n**You can also stream each chunk:**\n\n```python\nmessage = \"What operating system are we on?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### Programmatic Chat\n\nFor more precise control, you can pass messages directly to `.chat(message)`:\n\n```python\ninterpreter.chat(\"Add subtitles to all videos in /videos.\")\n\n# ... Streams output to your terminal, completes task ...\n\ninterpreter.chat(\"These look great but can you make the subtitles bigger?\")\n\n# ...\n```\n\n### Start a New Chat\n\nIn Python, Open Interpreter remembers conversation history. If you want to start fresh, you can reset it:\n\n```python\ninterpreter.messages = []\n```\n\n### Save and Restore Chats\n\n`interpreter.chat()` returns a List of messages, which can be used to resume a conversation with `interpreter.messages = messages`:\n\n```python\nmessages = interpreter.chat(\"My name is Killian.\") # Save messages to 'messages'\ninterpreter.messages = [] # Reset interpreter (\"Killian\" will be forgotten)\n\ninterpreter.messages = messages # Resume chat from 'messages' (\"Killian\" will be remembered)\n```\n\n### Customize System Message\n\nYou can inspect and configure Open Interpreter's system message to extend its functionality, modify permissions, or give it more context.\n\n```python\ninterpreter.system_message += \"\"\"\nRun shell commands with -y so the user doesn't have to confirm them.\n\"\"\"\nprint(interpreter.system_message)\n```\n\n### Change your Language Model\n\nOpen Interpreter uses [LiteLLM](https://docs.litellm.ai/docs/providers/) to connect to hosted language models.\n\nYou can change the model by setting the model parameter:\n\n```shell\ninterpreter --model gpt-3.5-turbo\ninterpreter --model claude-2\ninterpreter --model command-nightly\n```\n\nIn Python, set the model on the object:\n\n```python\ninterpreter.llm.model = \"gpt-3.5-turbo\"\n```\n\n[Find the appropriate \"model\" string for your language model here.](https://docs.litellm.ai/docs/providers/)\n\n### Running Open Interpreter locally\n\n#### Terminal\n\nOpen Interpreter can use OpenAI-compatible server to run models locally. (LM Studio, jan.ai, ollama etc)\n\nSimply run `interpreter` with the api_base URL of your inference server (for LM studio it is `http://localhost:1234/v1` by default):\n\n```shell\ninterpreter --api_base \"http://localhost:1234/v1\" --api_key \"fake_key\"\n```\n\nAlternatively you can use Llamafile without installing any third party software just by running\n\n```shell\ninterpreter --local\n```\n\nfor a more detailed guide check out [this video by Mike Bird](https://www.youtube.com/watch?v=CEs51hGWuGU?si=cN7f6QhfT4edfG5H)\n\n**How to run LM Studio in the background.**\n\n1. Download [https://lmstudio.ai/](https://lmstudio.ai/) then start it.\n2. Select a model then click **↓ Download**.\n3. Click the **↔️** button on the left (below 💬).\n4. Select your model at the top, then click **Start Server**.\n\nOnce the server is running, you can begin your conversation with Open Interpreter.\n\n> **Note:** Local mode sets your `context_window` to 3000, and your `max_tokens` to 1000. If your model has different requirements, set these parameters manually (see below).\n\n#### Python\n\nOur Python package gives you more control over each setting. To replicate and connect to LM Studio, use these settings:\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.offline = True # Disables online features like Open Procedures\ninterpreter.llm.model = \"openai/x\" # Tells OI to send messages in OpenAI's format\ninterpreter.llm.api_key = \"fake_key\" # LiteLLM, which we use to talk to LM Studio, requires this\ninterpreter.llm.api_base = \"http://localhost:1234/v1\" # Point this at any OpenAI compatible server\n\ninterpreter.chat()\n```\n\n#### Context Window, Max Tokens\n\nYou can modify the `max_tokens` and `context_window` (in tokens) of locally running models.\n\nFor local mode, smaller context windows will use less RAM, so we recommend trying a much shorter window (~1000) if it's failing / if it's slow. Make sure `max_tokens` is less than `context_window`.\n\n```shell\ninterpreter --local --max_tokens 1000 --context_window 3000\n```\n\n### Verbose mode\n\nTo help you inspect Open Interpreter we have a `--verbose` mode for debugging.\n\nYou can activate verbose mode by using its flag (`interpreter --verbose`), or mid-chat:\n\n```shell\n$ interpreter\n...\n> %verbose true <- Turns on verbose mode\n\n> %verbose false <- Turns off verbose mode\n```\n\n### Interactive Mode Commands\n\nIn the interactive mode, you can use the below commands to enhance your experience. Here's a list of available commands:\n\n**Available Commands:**\n\n- `%verbose [true/false]`: Toggle verbose mode. Without arguments or with `true` it\n enters verbose mode. With `false` it exits verbose mode.\n- `%reset`: Resets the current session's conversation.\n- `%undo`: Removes the previous user message and the AI's response from the message history.\n- `%tokens [prompt]`: (_Experimental_) Calculate the tokens that will be sent with the next prompt as context and estimate their cost. Optionally calculate the tokens and estimated cost of a `prompt` if one is provided. Relies on [LiteLLM's `cost_per_token()` method](https://docs.litellm.ai/docs/completion/token_usage#2-cost_per_token) for estimated costs.\n- `%help`: Show the help message.\n\n### Configuration / Profiles\n\nOpen Interpreter allows you to set default behaviors using `yaml` files.\n\nThis provides a flexible way to configure the interpreter without changing command-line arguments every time.\n\nRun the following command to open the profiles directory:\n\n```\ninterpreter --profiles\n```\n\nYou can add `yaml` files there. The default profile is named `default.yaml`.\n\n#### Multiple Profiles\n\nOpen Interpreter supports multiple `yaml` files, allowing you to easily switch between configurations:\n\n```\ninterpreter --profile my_profile.yaml\n```\n\n## Sample FastAPI Server\n\nThe generator update enables Open Interpreter to be controlled via HTTP REST endpoints:\n\n```python\n# server.py\n\nfrom fastapi import FastAPI\nfrom fastapi.responses import StreamingResponse\nfrom interpreter import interpreter\n\napp = FastAPI()\n\n@app.get(\"/chat\")\ndef chat_endpoint(message: str):\n def event_stream():\n for result in interpreter.chat(message, stream=True):\n yield f\"data: {result}\\n\\n\"\n\n return StreamingResponse(event_stream(), media_type=\"text/event-stream\")\n\n@app.get(\"/history\")\ndef history_endpoint():\n return interpreter.messages\n```\n\n```shell\npip install fastapi uvicorn\nuvicorn server:app --reload\n```\n\nYou can also start a server identical to the one above by simply running `interpreter.server()`.\n\n## Android\n\nThe step-by-step guide for installing Open Interpreter on your Android device can be found in the [open-interpreter-termux repo](https://github.com/MikeBirdTech/open-interpreter-termux).\n\n## Safety Notice\n\nSince generated code is executed in your local environment, it can interact with your files and system settings, potentially leading to unexpected outcomes like data loss or security risks.\n\n**⚠️ Open Interpreter will ask for user confirmation before executing code.**\n\nYou can run `interpreter -y` or set `interpreter.auto_run = True` to bypass this confirmation, in which case:\n\n- Be cautious when requesting commands that modify files or system settings.\n- Watch Open Interpreter like a self-driving car, and be prepared to end the process by closing your terminal.\n- Consider running Open Interpreter in a restricted environment like Google Colab or Replit. These environments are more isolated, reducing the risks of executing arbitrary code.\n\nThere is **experimental** support for a [safe mode](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/SAFE_MODE.md) to help mitigate some risks.\n\n## How Does it Work?\n\nOpen Interpreter equips a [function-calling language model](https://platform.openai.com/docs/guides/gpt/function-calling) with an `exec()` function, which accepts a `language` (like \"Python\" or \"JavaScript\") and `code` to run.\n\nWe then stream the model's messages, code, and your system's outputs to the terminal as Markdown.\n\n# Access Documentation Offline\n\nThe full [documentation](https://docs.openinterpreter.com/) is accessible on-the-go without the need for an internet connection.\n\n[Node](https://nodejs.org/en) is a pre-requisite:\n\n- Version 18.17.0 or any later 18.x.x version.\n- Version 20.3.0 or any later 20.x.x version.\n- Any version starting from 21.0.0 onwards, with no upper limit specified.\n\nInstall [Mintlify](https://mintlify.com/):\n\n```bash\nnpm i -g mintlify@latest\n```\n\nChange into the docs directory and run the appropriate command:\n\n```bash\n# Assuming you're at the project's root directory\ncd ./docs\n\n# Run the documentation server\nmintlify dev\n```\n\nA new browser window should open. The documentation will be available at [http://localhost:3000](http://localhost:3000) as long as the documentation server is running.\n\n# Contributing\n\nThank you for your interest in contributing! We welcome involvement from the community.\n\nPlease see our [contributing guidelines](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/CONTRIBUTING.md) for more details on how to get involved.\n\n# Roadmap\n\nVisit [our roadmap](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/ROADMAP.md) to preview the future of Open Interpreter.\n\n**Note**: This software is not affiliated with OpenAI.\n\n\n\n> Having access to a junior programmer working at the speed of your fingertips ... can make new workflows effortless and efficient, as well as open the benefits of programming to new audiences.\n>\n> — _OpenAI's Code Interpreter Release_\n\n
\n" }, { "path": "docs/CONTRIBUTING.md", "content": "# ●\r\n\r\n**Open Interpreter is large, open-source initiative to build a standard interface between language models and computers.**\r\n\r\nThere are many ways to contribute, from helping others on [Github](https://github.com/OpenInterpreter/open-interpreter/issues) or [Discord](https://discord.gg/6p3fD6rBVm), writing documentation, or improving code.\r\n\r\nWe depend on contributors like you. Let's build this.\r\n\r\n## What should I work on?\r\n\r\nFirst, please familiarize yourself with our [project scope](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/ROADMAP.md#whats-in-our-scope). Then, pick up a task from our [roadmap](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/ROADMAP.md) or work on solving an [issue](https://github.com/OpenInterpreter/open-interpreter/issues).\r\n\r\nIf you encounter a bug or have a feature in mind, don't hesitate to [open a new issue](https://github.com/OpenInterpreter/open-interpreter/issues/new/choose).\r\n\r\n## Philosophy\r\n\r\nThis is a minimalist, **tightly scoped** project that places a premium on simplicity. We're skeptical of new extensions, integrations, and extra features. We would rather not extend the system if it adds nonessential complexity.\r\n\r\n# Contribution Guidelines\r\n\r\n1. Before taking on significant code changes, please discuss your ideas on [Discord](https://discord.gg/6p3fD6rBVm) to ensure they align with our vision. We want to keep the codebase simple and unintimidating for new users.\r\n2. Fork the repository and create a new branch for your work.\r\n3. Follow the [Running Your Local Fork](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/CONTRIBUTING.md#running-your-local-fork) guide below.\r\n4. Make changes with clear code comments explaining your approach. Try to follow existing conventions in the code.\r\n5. Follow the [Code Formatting and Linting](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/CONTRIBUTING.md#code-formatting-and-linting) guide below.\r\n6. Open a PR into `main` linking any related issues. Provide detailed context on your changes.\r\n\r\nWe will review PRs when possible and work with you to integrate your contribution. Please be patient as reviews take time. Once approved, your code will be merged.\r\n\r\n## Running Your Local Fork\r\n\r\n**Note: for anyone testing the new `--local`, `--os`, and `--local --os` modes: When you run `poetry install` you aren't installing the optional dependencies and it'll throw errors. To test `--local` mode, run `poetry install -E local`. To test `--os` mode, run `poetry install -E os`. To test `--local --os` mode, run `poetry install -E local -E os`. You can edit the system messages for these modes in `interpreter/terminal_interface/profiles/defaults`.**\r\n\r\nOnce you've forked the code and created a new branch for your work, you can run the fork in CLI mode by following these steps:\r\n\r\n1. CD into the project folder by running `cd open-interpreter`.\r\n2. Install `poetry` [according to their documentation](https://python-poetry.org/docs/#installing-with-pipx), which will create a virtual environment for development + handle dependencies.\r\n3. Install dependencies by running `poetry install`.\r\n4. Run the program with `poetry run interpreter`. Run tests with `poetry run pytest -s -x`.\r\n\r\n**Note**: This project uses [`black`](https://black.readthedocs.io/en/stable/index.html) and [`isort`](https://pypi.org/project/isort/) via a [`pre-commit`](https://pre-commit.com/) hook to ensure consistent code style. If you need to bypass it for some reason, you can `git commit` with the `--no-verify` flag.\r\n\r\n### Installing New Dependencies\r\n\r\nIf you wish to install new dependencies into the project, please use `poetry add package-name`.\r\n\r\n### Installing Developer Dependencies\r\n\r\nIf you need to install dependencies specific to development, like testing tools, formatting tools, etc. please use `poetry add package-name --group dev`.\r\n\r\n### Known Issues\r\n\r\nFor some, `poetry install` might hang on some dependencies. As a first step, try to run the following command in your terminal:\r\n\r\n`export PYTHON_KEYRING_BACKEND=keyring.backends.fail.Keyring`\r\n\r\nThen run `poetry install` again. If this doesn't work, please join our [Discord community](https://discord.gg/6p3fD6rBVm) for help.\r\n\r\n## Code Formatting and Linting\r\n\r\nOur project uses `black` for code formatting and `isort` for import sorting. To ensure consistency across contributions, please adhere to the following guidelines:\r\n\r\n1. **Install Pre-commit Hooks**:\r\n\r\n If you want to automatically format your code every time you make a commit, install the pre-commit hooks.\r\n\r\n ```bash\r\n pip install pre-commit\r\n pre-commit install\r\n ```\r\n\r\n After installing, the hooks will automatically check and format your code every time you commit.\r\n\r\n2. **Manual Formatting**:\r\n\r\n If you choose not to use the pre-commit hooks, you can manually format your code using:\r\n\r\n ```bash\r\n black .\r\n isort .\r\n ```\r\n\r\n# Licensing\r\n\r\nContributions to Open Interpreter would be under the MIT license before version 0.2.0, or under AGPL for subsequent contributions.\r\n\r\n# Questions?\r\n\r\nJoin our [Discord community](https://discord.gg/6p3fD6rBVm) and post in the #General channel to connect with contributors. We're happy to guide you through your first open source contribution to this project!\r\n\r\n**Thank you for your dedication and understanding as we continue refining our processes. As we explore this extraordinary new technology, we sincerely appreciate your involvement.**\r\n" }, { "path": "docs/NCU_MIGRATION_GUIDE.md", "content": "# `0.2.0` Migration Guide\n\nOpen Interpreter is [changing](https://changes.openinterpreter.com/log/the-new-computer-update). This guide will help you migrate your application to `0.2.0`, also called the _New Computer Update_ (NCU), the latest major version of Open Interpreter.\n\n## A New Start\n\nTo start using Open Interpreter in Python, we now use a standard **class instantiation** format:\n\n```python\n# From the module `interpreter`, import the class `OpenInterpreter`\nfrom interpreter import OpenInterpreter\n\n# Create an instance of `OpenInterpreter` to use it\nagent = OpenInterpreter()\nagent.chat()\n```\n\nFor convenience, we also provide an instance of `interpreter`, which you can import from the module (also called `interpreter`):\n\n```python\n # From the module `interpreter`, import the included instance of `OpenInterpreter`\nfrom interpreter import interpreter\n\ninterpreter.chat()\n```\n\n## New Parameters\n\nAll stateless LLM attributes have been moved to `interpreter.llm`:\n\n- `interpreter.model` → `interpreter.llm.model`\n- `interpreter.api_key` → `interpreter.llm.api_key`\n- `interpreter.llm_supports_vision` → `interpreter.llm.supports_vision`\n- `interpreter.supports_function_calling` → `interpreter.llm.supports_functions`\n- `interpreter.max_tokens` → `interpreter.llm.max_tokens`\n- `interpreter.context_window` → `interpreter.llm.context_window`\n- `interpreter.temperature` → `interpreter.llm.temperature`\n- `interpreter.api_version` → `interpreter.llm.api_version`\n- `interpreter.api_base` → `interpreter.llm.api_base`\n\nThis is reflected **1)** in Python applications using Open Interpreter and **2)** in your profile for OI's terminal interface, which can be edited via `interpreter --profiles`.\n\n## New Static Messages Structure\n\n- The array of messages is now flat, making the architecture more modular, and easier to adapt to new kinds of media in the future.\n- Each message holds only one kind of data. This yields more messages, but prevents large nested messages that can be difficult to parse.\n- This allows you to pass the full `messages` list into Open Interpreter as `interpreter.messages = message_list`.\n- Every message has a \"role\", which can be \"assistant\", \"computer\", or \"user\".\n- Every message has a \"type\", specifying the type of data it contains.\n- Every message has \"content\", which contains the data for the message.\n- Some messages have a \"format\" key, to specify the format of the content, like \"path\" or \"base64.png\".\n- The recipient of the message is specified by the \"recipient\" key, which can be \"user\" or \"assistant\". This is used to inform the LLM of who the message is intended for.\n\n```python\n[\n {\"role\": \"user\", \"type\": \"message\", \"content\": \"Please create a plot from this data and display it as an image and then as HTML.\"}, # implied format: text (only one format for type message)\n {\"role\": \"user\", \"type\": \"image\", \"format\": \"path\", \"content\": \"path/to/image.png\"}\n {\"role\": \"user\", \"type\": \"file\", \"content\": \"/path/to/file.pdf\"} # implied format: path (only one format for type file)\n {\"role\": \"assistant\", \"type\": \"message\", \"content\": \"Processing your request to generate a plot.\"} # implied format: text\n {\"role\": \"assistant\", \"type\": \"code\", \"format\": \"python\", \"content\": \"plot = create_plot_from_data('data')\\ndisplay_as_image(plot)\\ndisplay_as_html(plot)\"}\n {\"role\": \"computer\", \"type\": \"image\", \"format\": \"base64.png\", \"content\": \"base64\"}\n {\"role\": \"computer\", \"type\": \"code\", \"format\": \"html\", \"content\": \"Plot in HTML format\"}\n {\"role\": \"computer\", \"type\": \"console\", \"format\": \"output\", \"content\": \"{HTML errors}\"}\n {\"role\": \"assistant\", \"type\": \"message\", \"content\": \"Plot generated successfully.\"} # implied format: text\n]\n```\n\n## New Streaming Structure\n\n- The streaming data structure closely matches the static messages structure, with only a few differences.\n- Every streaming chunk has a \"start\" and \"end\" key, which are booleans that specify whether the chunk is the first or last chunk in the stream. This is what you should use to build messages from the streaming chunks.\n- There is a \"confirmation\" chunk type, which is used to confirm with the user that the code should be run. The \"content\" key of this chunk is a dictionary with a `code` and a `language` key.\n- Introducing more information per chunk is helpful in processing the streaming responses. Please take a look below for example code for processing streaming responses, in JavaScript.\n\n```python\n{\"role\": \"assistant\", \"type\": \"message\", \"start\": True}\n{\"role\": \"assistant\", \"type\": \"message\", \"content\": \"Pro\"}\n{\"role\": \"assistant\", \"type\": \"message\", \"content\": \"cessing\"}\n{\"role\": \"assistant\", \"type\": \"message\", \"content\": \"your request\"}\n{\"role\": \"assistant\", \"type\": \"message\", \"content\": \"to generate a plot.\"}\n{\"role\": \"assistant\", \"type\": \"message\", \"end\": True}\n\n{\"role\": \"assistant\", \"type\": \"code\", \"format\": \"python\", \"start\": True}\n{\"role\": \"assistant\", \"type\": \"code\", \"format\": \"python\", \"content\": \"plot = create_plot_from_data\"}\n{\"role\": \"assistant\", \"type\": \"code\", \"format\": \"python\", \"content\": \"('data')\\ndisplay_as_image(plot)\"}\n{\"role\": \"assistant\", \"type\": \"code\", \"format\": \"python\", \"content\": \"\\ndisplay_as_html(plot)\"}\n{\"role\": \"assistant\", \"type\": \"code\", \"format\": \"python\", \"end\": True}\n\n# The computer will emit a confirmation chunk *before* running the code. You can break here to cancel the execution.\n\n{\"role\": \"computer\", \"type\": \"confirmation\", \"format\": \"execution\", \"content\": {\n \"type\": \"code\",\n \"format\": \"python\",\n \"content\": \"plot = create_plot_from_data('data')\\ndisplay_as_image(plot)\\ndisplay_as_html(plot)\",\n}}\n\n{\"role\": \"computer\", \"type\": \"console\", \"start\": True}\n{\"role\": \"computer\", \"type\": \"console\", \"format\": \"output\", \"content\": \"a printed statement\"}\n{\"role\": \"computer\", \"type\": \"console\", \"format\": \"active_line\", \"content\": \"1\"}\n{\"role\": \"computer\", \"type\": \"console\", \"format\": \"active_line\", \"content\": \"2\"}\n{\"role\": \"computer\", \"type\": \"console\", \"format\": \"active_line\", \"content\": \"3\"}\n{\"role\": \"computer\", \"type\": \"console\", \"format\": \"output\", \"content\": \"another printed statement\"}\n{\"role\": \"computer\", \"type\": \"console\", \"end\": True}\n```\n\n## Tips and Best Practices\n\n- Adding an `id` and a `created_at` field to messages can be helpful to manipulate the messages later on.\n- If you want your application to run the code instead of OI, then your app will act as the `computer`. This means breaking from the stream once OI emits a confirmation chunk (`{'role': 'computer', 'type': 'confirmation' ...}`) to prevent OI from running the code. When you run code, grab the message history via `messages = interpreter.messages`, then simply mimic the `computer` format above by appending new `{'role': 'computer' ...}` messages, then run `interpreter.chat(messages)`.\n- Open Interpreter is designed to stop code execution when the stream is disconnected. Use this to your advantage to add a \"Stop\" button to the UI.\n- Setting up your Python server to send errors and exceptions to the client can be helpful for debugging and generating error messages.\n\n## Example Code\n\n### Types\n\nPython:\n\n```python\nclass Message:\n role: Union[\"user\", \"assistant\", \"computer\"]\n type: Union[\"message\", \"code\", \"image\", \"console\", \"file\", \"confirmation\"]\n format: Union[\"output\", \"path\", \"base64.png\", \"base64.jpeg\", \"python\", \"javascript\", \"shell\", \"html\", \"active_line\", \"execution\"]\n recipient: Union[\"user\", \"assistant\"]\n content: Union[str, dict] # dict should have 'code' and 'language' keys, this is only for confirmation messages\n\nclass StreamingChunk(Message):\n start: bool\n end: bool\n```\n\nTypeScript:\n\n```typescript\ninterface Message {\n role: \"user\" | \"assistant\" | \"computer\";\n type: \"message\" | \"code\" | \"image\" | \"console\" | \"file\", | \"confirmation\";\n format: \"output\" | \"path\" | \"base64.png\" | \"base64.jpeg\" | \"python\" | \"javascript\" | \"shell\" | \"html\" | \"active_line\", | \"execution\";\n recipient: \"user\" | \"assistant\";\n content: string | { code: string; language: string };\n}\n```\n\n```typescript\ninterface StreamingChunk extends Message {\n start: boolean;\n end: boolean;\n}\n```\n\n### Handling streaming chunks\n\nHere is a minimal example of how to handle streaming chunks in JavaScript. This example assumes that you are using a Python server to handle the streaming requests, and that you are using a JavaScript client to send the requests and handle the responses. See the main repository README for an example FastAPI server.\n\n```javascript\n//Javascript\n\nlet messages = []; //variable to hold all messages\nlet currentMessageIndex = 0; //variable to keep track of the current message index\nlet isGenerating = false; //variable to stop the stream\n\n// Function to send a POST request to the OI\nasync function sendRequest() {\n // Temporary message to hold the message that is being processed\n try {\n // Define parameters for the POST request, add at least the full messages array, but you may also consider adding any other OI parameters here, like auto_run, local, etc.\n const params = {\n messages,\n };\n\n //Define a controller to allow for aborting the request\n const controller = new AbortController();\n const { signal } = controller;\n\n // Send the POST request to your Python server endpoint\n const interpreterCall = await fetch(\"https://YOUR_ENDPOINT/\", {\n method: \"POST\",\n headers: {\n \"Content-Type\": \"application/json\",\n },\n body: JSON.stringify(params),\n signal,\n });\n\n // Throw an error if the request was not successful\n if (!interpreterCall.ok) {\n console.error(\"Interpreter didn't respond with 200 OK\");\n return;\n }\n\n // Initialize a reader for the response body\n const reader = interpreterCall.body.getReader();\n\n isGenerating = true;\n while (true) {\n const { value, done } = await reader.read();\n\n // Break the loop if the stream is done\n if (done) {\n break;\n }\n // If isGenerating is set to false, cancel the reader and break the loop. This will halt the execution of the code run by OI as well\n if (!isGenerating) {\n await reader.cancel();\n controller.abort();\n break;\n }\n // Decode the stream and split it into lines\n const text = new TextDecoder().decode(value);\n const lines = text.split(\"\\n\");\n lines.pop(); // Remove last empty line\n\n // Process each line of the response\n for (const line of lines) {\n const chunk = JSON.parse(line);\n await processChunk(chunk);\n }\n }\n //Stream has completed here, so run any code that needs to be run after the stream has finished\n if (isGenerating) isGenerating = false;\n } catch (error) {\n console.error(\"An error occurred:\", error);\n }\n}\n\n//Function to process each chunk of the stream, and create messages\nfunction processChunk(chunk) {\n if (chunk.start) {\n const tempMessage = {};\n //add the new message's data to the tempMessage\n tempMessage.role = chunk.role;\n tempMessage.type = chunk.type;\n tempMessage.content = \"\";\n if (chunk.format) tempMessage.format = chunk.format;\n if (chunk.recipient) tempMessage.recipient = chunk.recipient;\n\n //add the new message to the messages array, and set the currentMessageIndex to the index of the new message\n messages.push(tempMessage);\n currentMessageIndex = messages.length - 1;\n }\n\n //Handle active lines for code blocks\n if (chunk.format === \"active_line\") {\n messages[currentMessageIndex].activeLine = chunk.content;\n } else if (chunk.end && chunk.type === \"console\") {\n messages[currentMessageIndex].activeLine = null;\n }\n\n //Add the content of the chunk to current message, avoiding adding the content of the active line\n if (chunk.content && chunk.format !== \"active_line\") {\n messages[currentMessageIndex].content += chunk.content;\n }\n}\n```\n" }, { "path": "docs/README_DE.md", "content": "
● Open Interpreter
\n\n\n \n ![\"Discord\"](\"https://img.shields.io/discord/1146610656779440188?logo=discord&style=flat&logoColor=white\")
\n \n \n ![\"EN](\"https://img.shields.io/badge/english-document-white.svg\"){kind=icon}
\n \n
\n Lassen Sie Sprachmodelle Code auf Ihrem Computer ausführen.
\n Eine Open-Source, lokal laufende Implementierung von OpenAIs Code-Interpreter.
\n
Erhalten Sie frühen Zugang zur Desktop-Anwendung.
\n
\n\n\n\n
\n\n```shell\npip install open-interpreter\n```\n\n```shell\ninterpreter\n```\n\n
\n\n**Open Interpreter** ermöglicht es LLMs (Language Models), Code (Python, Javascript, Shell und mehr) lokal auszuführen. Sie können mit Open Interpreter über eine ChatGPT-ähnliche Schnittstelle in Ihrem Terminal chatten, indem Sie $ interpreter nach der Installation ausführen.\n\nDies bietet eine natürliche Sprachschnittstelle zu den allgemeinen Fähigkeiten Ihres Computers:\n\n- Erstellen und bearbeiten Sie Fotos, Videos, PDFs usw.\n- Steuern Sie einen Chrome-Browser, um Forschungen durchzuführen\n- Darstellen, bereinigen und analysieren Sie große Datensätze\n- ...usw.\n\n**⚠️ Hinweis: Sie werden aufgefordert, Code zu genehmigen, bevor er ausgeführt wird.**\n\n
\n\n## Demo\n\nhttps://github.com/OpenInterpreter/open-interpreter/assets/63927363/37152071-680d-4423-9af3-64836a6f7b60\n\n#### Eine interaktive Demo ist auch auf Google Colab verfügbar:\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n## Schnellstart\n\n```shell\npip install open-interpreter\n```\n\n### Terminal\n\nNach der Installation führen Sie einfach `interpreter` aus:\n\n```shell\ninterpreter\n```\n\n### Python\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.chat(\"Stellen Sie AAPL und METAs normalisierte Aktienpreise dar\") # Führt einen einzelnen Befehl aus\ninterpreter.chat() # Startet einen interaktiven Chat\n```\n\n## Vergleich zu ChatGPTs Code Interpreter\n\nOpenAIs Veröffentlichung des [Code Interpreters](https://openai.com/blog/chatgpt-plugins#code-interpreter) mit GPT-4 bietet eine fantastische Möglichkeit, reale Aufgaben mit ChatGPT zu erledigen.\n\nAllerdings ist OpenAIs Dienst gehostet, Closed-Source und stark eingeschränkt:\n\n- Kein Internetzugang.\n- [Begrenzte Anzahl vorinstallierter Pakete](https://wfhbrian.com/mastering-chatgpts-code-interpreter-list-of-python-packages/).\n- 100 MB maximale Uploadgröße, 120.0 Sekunden Laufzeitlimit.\n- Der Zustand wird gelöscht (zusammen mit allen generierten Dateien oder Links), wenn die Umgebung abstirbt.\n\n---\n\nOpen Interpreter überwindet diese Einschränkungen, indem es in Ihrer lokalen Umgebung läuft. Es hat vollen Zugang zum Internet, ist nicht durch Zeit oder Dateigröße eingeschränkt und kann jedes Paket oder jede Bibliothek nutzen.\n\nDies kombiniert die Kraft von GPT-4s Code Interpreter mit der Flexibilität Ihrer lokalen Maschine.\n\n## Sicherheitshinweis\n\nDa generierter Code in deiner lokalen Umgebung ausgeführt wird, kann er mit deinen Dateien und Systemeinstellungen interagieren, was potenziell zu unerwarteten Ergebnissen wie Datenverlust oder Sicherheitsrisiken führen kann.\n\n**⚠️ Open Interpreter wird um Nutzerbestätigung bitten, bevor Code ausgeführt wird.**\n\nDu kannst `interpreter -y` ausführen oder `interpreter.auto_run = True` setzen, um diese Bestätigung zu umgehen, in diesem Fall:\n\n- Sei vorsichtig bei Befehlsanfragen, die Dateien oder Systemeinstellungen ändern.\n- Beobachte Open Interpreter wie ein selbstfahrendes Auto und sei bereit, den Prozess zu beenden, indem du dein Terminal schließt.\n- Betrachte die Ausführung von Open Interpreter in einer eingeschränkten Umgebung wie Google Colab oder Replit. Diese Umgebungen sind isolierter und reduzieren das Risiko der Ausführung willkürlichen Codes.\n\nEs gibt **experimentelle** Unterstützung für einen [Sicherheitsmodus](docs/SAFE_MODE.md), um einige Risiken zu mindern.\n\n## Wie funktioniert es?\n\nOpen Interpreter rüstet ein [funktionsaufrufendes Sprachmodell](https://platform.openai.com/docs/guides/gpt/function-calling) mit einer `exec()`-Funktion aus, die eine `language` (wie \"Python\" oder \"JavaScript\") und auszuführenden `code` akzeptiert.\n\nWir streamen dann die Nachrichten des Modells, Code und die Ausgaben deines Systems zum Terminal als Markdown.\n\n# Mitwirken\n\nDanke für dein Interesse an der Mitarbeit! Wir begrüßen die Beteiligung der Gemeinschaft.\n\nBitte sieh dir unsere [Richtlinien für Mitwirkende](docs/CONTRIBUTING.md) für weitere Details an, wie du dich einbringen kannst.\n\n## Lizenz\n\nOpen Interpreter ist unter der MIT-Lizenz lizenziert. Du darfst die Software verwenden, kopieren, modifizieren, verteilen, unterlizenzieren und Kopien der Software verkaufen.\n\n**Hinweis**: Diese Software ist nicht mit OpenAI affiliiert.\n\n> Zugriff auf einen Junior-Programmierer zu haben, der mit der Geschwindigkeit deiner Fingerspitzen arbeitet ... kann neue Arbeitsabläufe mühelos und effizient machen sowie das Programmieren einem neuen Publikum öffnen.\n>\n> — _OpenAIs Code Interpreter Release_\n\n
\n" }, { "path": "docs/README_ES.md", "content": "
● Intérprete Abierto
\n\n\n \n \n \n \n \n \n
\n
\n
Obtenga acceso temprano a la aplicación de escritorio | Documentación
\n
\n\n\n\n
\n
\nLa Nueva Actualización del Computador presenta --os y una nueva API de Computadora. Lea más →\n
\n\n```shell\npip install open-interpreter\n```\n\n> ¿No funciona? Lea nuestra [guía de configuración](https://docs.openinterpreter.com/getting-started/setup).\n\n```shell\ninterpreter\n```\n\n
\n\n**Intérprete Abierto** permite a los LLMs ejecutar código (Python, JavaScript, Shell, etc.) localmente. Puede chatear con Intérprete Abierto a través de una interfaz de chat como ChatGPT en su terminal después de instalar.\n\nEsto proporciona una interfaz de lenguaje natural para las capacidades generales de su computadora:\n\n- Crear y editar fotos, videos, PDF, etc.\n- Controlar un navegador de Chrome para realizar investigaciones\n- Graficar, limpiar y analizar conjuntos de datos grandes\n- ... etc.\n\n**⚠️ Nota: Se le pedirá que apruebe el código antes de ejecutarlo.**\n\n
\n\n## Demo\n\nhttps://github.com/OpenInterpreter/open-interpreter/assets/63927363/37152071-680d-4423-9af3-64836a6f7b60\n\n#### También hay disponible una demo interactiva en Google Colab:\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n#### Además, hay un ejemplo de interfaz de voz inspirada en _Her_:\n\n[](https://colab.research.google.com/drive/1NojYGHDgxH6Y1G1oxThEBBb2AtyODBIK)\n\n## Inicio Rápido\n\n```shell\npip install open-interpreter\n```\n\n### Terminal\n\nDespués de la instalación, simplemente ejecute `interpreter`:\n\n```shell\ninterpreter\n```\n\n### Python\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.chat(\"Plot AAPL and META's normalized stock prices\") # Ejecuta un comando sencillo\ninterpreter.chat() # Inicia una sesión de chat interactiva\n```\n\n### GitHub Codespaces\n\nPresione la tecla `,` en la página de GitHub de este repositorio para crear un espacio de códigos. Después de un momento, recibirá un entorno de máquina virtual en la nube con Interprete Abierto pre-instalado. Puede entonces empezar a interactuar con él directamente y confirmar su ejecución de comandos del sistema sin preocuparse por dañar el sistema.\n\n## Comparación con el Intérprete de Código de ChatGPT\n\nEl lanzamiento de [Intérprete de Código](https://openai.com/blog/chatgpt-plugins#code-interpreter) de OpenAI con GPT-4 presenta una oportunidad fantástica para realizar tareas del mundo real con ChatGPT.\n\nSin embargo, el servicio de OpenAI está alojado, su codigo es cerrado y está fuertemente restringido:\n\n- No hay acceso a Internet.\n- [Conjunto limitado de paquetes preinstalados](https://wfhbrian.com/mastering-chatgpts-code-interpreter-list-of-python-packages/).\n- Límite de 100 MB de carga, límite de tiempo de 120.0 segundos.\n- El estado se elimina (junto con cualquier archivo generado o enlace) cuando el entorno se cierra.\n\n---\n\nIntérprete Abierto supera estas limitaciones al ejecutarse en su entorno local. Tiene acceso completo a Internet, no está restringido por tiempo o tamaño de archivo y puede utilizar cualquier paquete o libreria.\n\nEsto combina el poder del Intérprete de Código de GPT-4 con la flexibilidad de su entorno de desarrollo local.\n\n## Comandos\n\n**Actualización:** La Actualización del Generador (0.1.5) introdujo streaming:\n\n```python\nmessage = \"¿Qué sistema operativo estamos utilizando?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### Chat Interactivo\n\nPara iniciar una sesión de chat interactiva en su terminal, puede ejecutar `interpreter` desde la línea de comandos:\n\n```shell\ninterpreter\n```\n\nO `interpreter.chat()` desde un archivo `.py`:\n\n```python\ninterpreter.chat()\n```\n\n**Puede también transmitir cada trozo:**\n\n```python\nmessage = \"¿Qué sistema operativo estamos utilizando?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### Chat Programático\n\nPara un control más preciso, puede pasar mensajes directamente a `.chat(message)`:\n\n```python\ninterpreter.chat(\"Añade subtítulos a todos los videos en /videos.\")\n\n# ... Transmite salida a su terminal, completa tarea ...\n\ninterpreter.chat(\"Estos se ven bien, pero ¿pueden hacer los subtítulos más grandes?\")\n\n# ...\n```\n\n### Iniciar un nuevo chat\n\nEn Python, Intérprete Abierto recuerda el historial de conversación. Si desea empezar de nuevo, puede resetearlo:\n\n```python\ninterpreter.messages = []\n```\n\n### Guardar y Restaurar Chats\n\n`interpreter.chat()` devuelve una lista de mensajes, que puede utilizar para reanudar una conversación con `interpreter.messages = messages`:\n\n```python\nmessages = interpreter.chat(\"Mi nombre es Killian.\") # Guarda mensajes en 'messages'\ninterpreter.messages = [] # Resetear Intérprete (\"Killian\" será olvidado)\n\ninterpreter.messages = messages # Reanuda chat desde 'messages' (\"Killian\" será recordado)\n```\n\n### Personalizar el Mensaje del Sistema\n\nPuede inspeccionar y configurar el mensaje del sistema de Intérprete Abierto para extender su funcionalidad, modificar permisos o darle más contexto.\n\n```python\ninterpreter.system_message += \"\"\"\nEjecute comandos de shell con -y para que el usuario no tenga que confirmarlos.\n\"\"\"\nprint(interpreter.system_message)\n```\n\n### Cambiar el Modelo de Lenguaje\n\nIntérprete Abierto utiliza [LiteLLM](https://docs.litellm.ai/docs/providers/) para conectarse a modelos de lenguaje hospedados.\n\nPuede cambiar el modelo estableciendo el parámetro de modelo:\n\n```shell\ninterpreter --model gpt-3.5-turbo\ninterpreter --model claude-2\ninterpreter --model command-nightly\n```\n\nEn Python, establezca el modelo en el objeto:\n\n```python\ninterpreter.llm.model = \"gpt-3.5-turbo\"\n```\n\n[Encuentre la cadena adecuada para su modelo de lenguaje aquí.](https://docs.litellm.ai/docs/providers/)\n\n### Ejecutar Intérprete Abierto localmente\n\n#### Terminal\n\nIntérprete Abierto puede utilizar un servidor de OpenAI compatible para ejecutar modelos localmente. (LM Studio, jan.ai, ollama, etc.)\n\nSimplemente ejecute `interpreter` con la URL de base de API de su servidor de inferencia (por defecto, `http://localhost:1234/v1` para LM Studio):\n\n```shell\ninterpreter --api_base \"http://localhost:1234/v1\" --api_key \"fake_key\"\n```\n\nO puede utilizar Llamafile sin instalar software adicional simplemente ejecutando:\n\n```shell\ninterpreter --local\n```\n\nPara una guía mas detallada, consulte [este video de Mike Bird](https://www.youtube.com/watch?v=CEs51hGWuGU?si=cN7f6QhfT4edfG5H)\n\n**Cómo ejecutar LM Studio en segundo plano.**\n\n1. Descargue [https://lmstudio.ai/](https://lmstudio.ai/) luego ejecutelo.\n2. Seleccione un modelo, luego haga clic **↓ Descargar**.\n3. Haga clic en el botón **↔️** en la izquierda (debajo de 💬).\n4. Seleccione su modelo en la parte superior, luego haga clic **Iniciar Servidor**.\n\nUna vez que el servidor esté funcionando, puede empezar su conversación con Intérprete Abierto.\n\n> **Nota:** El modo local establece su `context_window` en 3000 y su `max_tokens` en 1000. Si su modelo tiene requisitos diferentes, ajuste estos parámetros manualmente (ver a continuación).\n\n#### Python\n\nNuestro paquete de Python le da más control sobre cada ajuste. Para replicar y conectarse a LM Studio, utilice estos ajustes:\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.offline = True # Desactiva las características en línea como Procedimientos Abiertos\ninterpreter.llm.model = \"openai/x\" # Indica a OI que envíe mensajes en el formato de OpenAI\ninterpreter.llm.api_key = \"fake_key\" # LiteLLM, que utilizamos para hablar con LM Studio, requiere esto\ninterpreter.llm.api_base = \"http://localhost:1234/v1\" # Apunta esto a cualquier servidor compatible con OpenAI\n\ninterpreter.chat()\n```\n\n#### Ventana de Contexto, Tokens Máximos\n\nPuede modificar los `max_tokens` y `context_window` (en tokens) de los modelos locales.\n\nPara el modo local, ventanas de contexto más cortas utilizarán menos RAM, así que recomendamos intentar una ventana mucho más corta (~1000) si falla o si es lenta. Asegúrese de que `max_tokens` sea menor que `context_window`.\n\n```shell\ninterpreter --local --max_tokens 1000 --context_window 3000\n```\n\n### Modo Detallado\n\nPara ayudarle a inspeccionar Intérprete Abierto, tenemos un modo `--verbose` para depuración.\n\nPuede activar el modo detallado utilizando el parámetro (`interpreter --verbose`), o en plena sesión:\n\n```shell\n$ interpreter\n...\n> %verbose true <- Activa el modo detallado\n\n> %verbose false <- Desactiva el modo verbose\n```\n\n### Comandos de Modo Interactivo\n\nEn el modo interactivo, puede utilizar los siguientes comandos para mejorar su experiencia. Aquí hay una lista de comandos disponibles:\n\n**Comandos Disponibles:**\n\n- `%verbose [true/false]`: Activa o desactiva el modo detallado. Sin parámetros o con `true` entra en modo detallado.\n Con `false` sale del modo verbose.\n- `%reset`: Reinicia la sesión actual de conversación.\n- `%undo`: Elimina el mensaje de usuario previo y la respuesta del AI del historial de mensajes.\n- `%tokens [prompt]`: (_Experimental_) Calcula los tokens que se enviarán con el próximo prompt como contexto y estima su costo. Opcionalmente, calcule los tokens y el costo estimado de un `prompt` si se proporciona. Depende de [LiteLLM's `cost_per_token()` method](https://docs.litellm.ai/docs/completion/token_usage#2-cost_per_token) para costos estimados.\n- `%help`: Muestra el mensaje de ayuda.\n\n### Configuración / Perfiles\n\nIntérprete Abierto permite establecer comportamientos predeterminados utilizando archivos `yaml`.\n\nEsto proporciona una forma flexible de configurar el intérprete sin cambiar los argumentos de línea de comandos cada vez.\n\nEjecutar el siguiente comando para abrir el directorio de perfiles:\n\n```\ninterpreter --profiles\n```\n\nPuede agregar archivos `yaml` allí. El perfil predeterminado se llama `default.yaml`.\n\n#### Perfiles Múltiples\n\nIntérprete Abierto admite múltiples archivos `yaml`, lo que permite cambiar fácilmente entre configuraciones:\n\n```\ninterpreter --profile my_profile.yaml\n```\n\n## Servidor de FastAPI de ejemplo\n\nEl generador actualiza permite controlar Intérprete Abierto a través de puntos de conexión HTTP REST:\n\n```python\n# server.py\n\nfrom fastapi import FastAPI\nfrom fastapi.responses import StreamingResponse\nfrom interpreter import interpreter\n\napp = FastAPI()\n\n@app.get(\"/chat\")\ndef chat_endpoint(message: str):\n def event_stream():\n for result in interpreter.chat(message, stream=True):\n yield f\"data: {result}\\n\\n\"\n\n return StreamingResponse(event_stream(), media_type=\"text/event-stream\")\n\n@app.get(\"/history\")\ndef history_endpoint():\n return interpreter.messages\n```\n\n```shell\npip install fastapi uvicorn\nuvicorn server:app --reload\n```\n\nPuede iniciar un servidor idéntico al anterior simplemente ejecutando `interpreter.server()`.\n\n## Android\n\nLa guía paso a paso para instalar Intérprete Abierto en su dispositivo Android se encuentra en el [repo de open-interpreter-termux](https://github.com/MikeBirdTech/open-interpreter-termux).\n\n## Aviso de Seguridad\n\nYa que el código generado se ejecuta en su entorno local, puede interactuar con sus archivos y configuraciones del sistema, lo que puede llevar a resultados inesperados como pérdida de datos o riesgos de seguridad.\n\n**⚠️ Intérprete Abierto le pedirá que apruebe el código antes de ejecutarlo.**\n\nPuede ejecutar `interpreter -y` o establecer `interpreter.auto_run = True` para evitar esta confirmación, en cuyo caso:\n\n- Sea cuidadoso al solicitar comandos que modifican archivos o configuraciones del sistema.\n- Vigile Intérprete Abierto como si fuera un coche autónomo y esté preparado para terminar el proceso cerrando su terminal.\n- Considere ejecutar Intérprete Abierto en un entorno restringido como Google Colab o Replit. Estos entornos son más aislados, reduciendo los riesgos de ejecutar código arbitrario.\n\nHay soporte **experimental** para un [modo seguro](docs/SAFE_MODE.md) para ayudar a mitigar algunos riesgos.\n\n## ¿Cómo Funciona?\n\nIntérprete Abierto equipa un [modelo de lenguaje de llamada a funciones](https://platform.openai.com/docs/guides/gpt/function-calling) con una función `exec()`, que acepta un `lenguaje` (como \"Python\" o \"JavaScript\") y `código` para ejecutar.\n\nLuego, transmite los mensajes del modelo, el código y las salidas del sistema a la terminal como Markdown.\n\n# Acceso a la Documentación Offline\n\nLa documentación completa está disponible en línea sin necesidad de conexión a Internet.\n\n[Node](https://nodejs.org/en) es un requisito previo:\n\n- Versión 18.17.0 o cualquier versión posterior 18.x.x.\n- Versión 20.3.0 o cualquier versión posterior 20.x.x.\n- Cualquier versión a partir de 21.0.0 sin límite superior especificado.\n\nInstale [Mintlify](https://mintlify.com/):\n\n```bash\nnpm i -g mintlify@latest\n```\n\nCambia a la carpeta de documentos y ejecuta el comando apropiado:\n\n```bash\n# Suponiendo que estás en la carpeta raíz del proyecto\ncd ./docs\n\n# Ejecute el servidor de documentación\nmintlify dev\n```\n\nUna nueva ventana del navegador debería abrirse. La documentación estará disponible en [http://localhost:3000](http://localhost:3000) mientras el servidor de documentación esté funcionando.\n\n# Contribuyendo\n\n¡Gracias por su interés en contribuir! Damos la bienvenida a la implicación de la comunidad.\n\nPor favor, consulte nuestras [directrices de contribución](docs/CONTRIBUTING.md) para obtener más detalles sobre cómo involucrarse.\n\n# Roadmap\n\nVisite [nuestro roadmap](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/ROADMAP.md) para ver el futuro de Intérprete Abierto.\n\n**Nota:** Este software no está afiliado con OpenAI.\n\n\n\n> Tener acceso a un programador junior trabajando a la velocidad de su dedos... puede hacer que los nuevos flujos de trabajo sean sencillos y eficientes, además de abrir los beneficios de la programación a nuevas audiencias.\n>\n> — _Lanzamiento del intérprete de código de OpenAI_\n\n
\n" }, { "path": "docs/README_IN.md", "content": "
● Open Interpreter
\n\n\n \n \n \n \n \n
\n अपने कंप्यूटर पर कोड चलाने के लिए भाषा मॉडल को चलाएं।
\n ओपनएआई कोड इंटरप्रेटर का एक ओपन-सोर्स, स्थानीय चलने वाला अमल।
\n
डेस्कटॉप एप्लिकेशन को पहले से ही उपयोग करने के लिए एरली एक्सेस प्राप्त करें।
\n
\n\n\n\n
\n\n```shell\npip install open-interpreter\n```\n\n```shell\ninterpreter\n```\n\n
\n\n**ओपन इंटरप्रेटर** एलएलएम कोड (पायथन, जावास्क्रिप्ट, शेल, और अधिक) को स्थानीय रूप से चलाने की अनुमति देता है। आप इंस्टॉल करने के बाद अपने टर्मिनल में `$ interpreter` चलाकर ओपन इंटरप्रेटर के साथ एक चैटजीपीटी-जैसे इंटरफ़ेस के माध्यम से चैट कर सकते हैं।\n\nयह आपके कंप्यूटर की सामान्य-उद्देश्य क्षमताओं के लिए एक प्राकृतिक भाषा इंटरफ़ेस प्रदान करता है:\n\n- फ़ोटो, वीडियो, पीडीएफ़ आदि बनाएँ और संपादित करें।\n- अनुसंधान करने के लिए एक क्रोम ब्राउज़र को नियंत्रित करें।\n- बड़े डेटासेट को प्लॉट करें, साफ करें और विश्लेषण करें।\n- ...आदि।\n\n**⚠️ ध्यान दें: कोड को चलाने से पहले आपसे मंज़ूरी मांगी जाएगी।**\n\n
\n\n## डेमो\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n## त्वरित प्रारंभ\n\n```shell\npip install open-interpreter\n```\n\n### टर्मिनल\n\nइंस्टॉलेशन के बाद, सीधे `interpreter` चलाएं:\n\n```shell\ninterpreter\n```\n\n### पायथन\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.chat(\"AAPL और META के मानकीकृत स्टॉक मूल्यों का चित्रित करें\") # एकल कमांड को निष्पादित करता है\ninterpreter.chat() # एक इंटरैक्टिव चैट शुरू करता है\n```\n\n## ChatGPT के कोड इंटरप्रेटर के साथ तुलना\n\nओपनएआई द्वारा [कोड इंटरप्रेटर](https://openai.com/blog/chatgpt-plugins#code-interpreter) का विमोचन। GPT-4 के साथ यह एक शानदार अवसर प्रस्तुत करता है जिससे ChatGPT के साथ वास्तविक दुनिया के कार्यों को पूरा करने का संभावना होती है।\n\nहालांकि, ओपनएआई की सेवा होस्ट की जाती है, क्लोज़-स्रोत है और गहरी प्रतिबंधित है।\n\nयहां दिए गए नियमों के अनुसार, चैटजीपीटी कोड इंटरप्रेटर के लिए निर्धारित नियमों को हिंदी में अनुवाद किया जा सकता है:\n\n- कोई इंटरनेट पहुंच नहीं होती।\n- [प्रतिष्ठित सेट की सीमित संख्या के पहले स्थापित पैकेज](https://wfhbrian.com/mastering-chatgpts-code-interpreter-list-of-python-packages/) होते हैं।\n- 100 एमबी तक की अधिकतम अपलोड सीमा होती है।\n- 120.0 सेकंड की रनटाइम सीमा होती है।\n- जब एनवायरनमेंट समाप्त होता है, तो स्थिति साफ हो जाती है (साथ ही उत्पन्न किए गए फ़ाइल या लिंक भी)।\n\n---\n\nओपन इंटरप्रेटर इन सीमाओं को पार करता है जो आपके स्थानीय वातावरण पर चलता है। इसके पास इंटरनेट का पूरा उपयोग होता है, समय या फ़ाइल का आकार पर प्रतिबंध नहीं होता है, और किसी भी पैकेज या लाइब्रेरी का उपयोग कर सकता है।\n\nयह GPT-4 के कोड इंटरप्रेटर की शक्ति को आपके स्थानीय विकास वातावरण की लचीलापन के साथ मिलाता है।\n\n## Commands\n\n### Interactive Chat\n\nTo start an interactive chat in your terminal, either run `interpreter` from the command line:\n\n```shell\ninterpreter\n```\n\nOr `interpreter.chat()` from a .py file:\n\n```python\ninterpreter.chat()\n```\n\n## कमांड\n\n### इंटरैक्टिव चैट\n\nअपने टर्मिनल में इंटरैक्टिव चैट शुरू करने के लिए, या तो कमांड लाइन से `interpreter` चलाएँ:\n\n```shell\ninterpreter\n```\n\nया एक .py फ़ाइल से `interpreter.chat()` चलाएँ:\n\n````python\ninterpreter.chat()\n\n### प्रोग्रामेटिक चैट\n\nऔर सटीक नियंत्रण के लिए, आप सीधे `.chat(message)` को संदेश पास कर सकते हैं:\n\n```python\ninterpreter.chat(\"सभी वीडियो में उपशीर्षक जोड़ें /videos में।\")\n\n# ... आपके टर्मिनल में आउटपुट स्ट्रीम करता है, कार्य पूरा करता है ...\n\ninterpreter.chat(\"ये बड़े दिख रहे हैं लेकिन क्या आप उपशीर्षक को और बड़ा कर सकते हैं?\")\n\n# ...\n````\n\n### नया चैट शुरू करें\n\nPython में, ओपन इंटरप्रेटर संवाद इतिहास को याद रखता है। यदि आप एक नया आरंभ करना चाहते हैं, तो आप इसे रीसेट कर सकते हैं:\n\n```python\ninterpreter.messages = []\n```\n\n### चैट सहेजें और पुनर्स्थापित करें\n\n```python\nmessages = interpreter.chat(\"मेरा नाम किलियन है।\") # संदेशों को 'messages' में सहेजें\n\ninterpreter.messages = messages # 'messages' से चैट को फिर से शुरू करें (\"किलियन\" याद रखा जाएगा)\n```\n\n### सिस्टम संदेश कस्टमाइज़ करें\n\nआप ओपन इंटरप्रेटर के सिस्टम संदेश की जांच और कॉन्फ़िगर कर सकते हैं ताकि इसकी क्षमता को विस्तारित किया जा सके, अनुमतियों को संशोधित किया जा सके, या इसे अधिक संदर्भ दिया जा सके।\n\n```python\ninterpreter.system_message += \"\"\"\nयूज़र को पुष्टि करने की आवश्यकता न हो, -y के साथ शेल कमांड चलाएँ।\n\"\"\"\nprint(interpreter.system_message)\n```\n\n### मॉडल बदलें\n\n`gpt-3.5-turbo` के लिए तेज़ मोड का उपयोग करें:\n\n```shell\ninterpreter --fast\n```\n\nPython में, आपको मॉडल को मैन्युअली सेट करने की आवश्यकता होगी:\n\n```python\ninterpreter.llm.model = \"gpt-3.5-turbo\"\n```\n\n### ओपन इंटरप्रेटर को स्थानीय रूप से चलाना\n\n```shell\ninterpreter --local\n```\n\n#### स्थानीय मॉडल पैरामीटर\n\nआप स्थानीय रूप से चल रहे मॉडल की `max_tokens` और `context_window` (टोकन में) आसानी से संशोधित कर सकते हैं।\n\nछोटे संदर्भ विंडो का उपयोग करने से कम RAM का उपयोग होगा, इसलिए यदि GPU असफल हो रहा है तो हम एक छोटी विंडो की कोशिश करने की सलाह देते हैं।\n\n```shell\ninterpreter --max_tokens 2000 --context_window 16000\n```\n\n### डीबग मोड\n\nसहयोगियों को ओपन इंटरप्रेटर की जांच करने में मदद करने के लिए, `--verbose` मोड अत्यधिक वर्बोस होता है।\n\nआप डीबग मोड को उसके फ़्लैग (`interpreter --verbose`) का उपयोग करके या चैट के बीच में सक्षम कर सकते हैं:\n\n```shell\n$ interpreter\n...\n> %verbose true <- डीबग मोड चालू करता है\n\n> %verbose false <- डीबग मोड बंद करता है\n```\n\n### इंटरैक्टिव मोड कमांड्स\n\nइंटरैक्टिव मोड में, आप निम्नलिखित कमांडों का उपयोग करके अपने अनुभव को बेहतर बना सकते हैं। यहां उपलब्ध कमांडों की सूची है:\n\n**उपलब्ध कमांड:**\n• `%verbose [true/false]`: डीबग मोड को टॉगल करें। कोई तर्क नहीं या 'true' के साथ, यह डीबग मोड में प्रवेश करता है। 'false' के साथ, यह डीबग मोड से बाहर निकलता है।\n• `%reset`: वर्तमान सत्र को रीसेट करता है।\n• `%undo`: पिछले संदेश और उसके जवाब को संदेश इतिहास से हटा देता है।\n• `%save_message [पथ]`: संदेशों को एक निर्दिष्ट JSON पथ पर सहेजता है। यदि कोई पथ निर्दिष्ट नहीं किया गया है, तो यह डिफ़ॉल्ट रूप से 'messages.json' पर जाता है।\n• `%load_message [पथ]`: एक निर्दिष्ट JSON पथ से संदेश लोड करता है। यदि कोई पथ निर्दिष्ट नहीं किया गया है, तो यह डिफ़ॉल्ट रूप से 'messages.json' पर जाता है।\n• `%help`: मदद संदेश दिखाएं।\n\nइन कमांडों का प्रयोग करके अपनी प्रतिक्रिया दें और हमें अपनी प्रतिक्रिया दें!\n\n## सुरक्षा सूचना\n\nक्योंकि उत्पन्न कोड आपके स्थानीय वातावरण में निष्पादित किया जाता है, इसलिए यह आपके फ़ाइलों और सिस्टम सेटिंग्स के साथ संवाद कर सकता है, जिससे अप्रत्याशित परिणाम जैसे डेटा हानि या सुरक्षा जोखिम हो सकता है।\n\n**⚠️ Open Interpreter कोड को निष्पादित करने से पहले उपयोगकर्ता की पुष्टि के लिए पूछेगा।**\n\nआप `interpreter -y` चला सकते हैं या ... ... `interpreter.auto_run = True` सेट कर सकते हैं ताकि इस पुष्टि को छोड़ दें, जिसके बाद:\n\n- फ़ाइलों या सिस्टम सेटिंग्स को संशोधित करने वाले कमांडों के लिए सतर्क रहें।\n- ओपन इंटरप्रेटर को एक स्व-चालित कार की तरह देखें और अपने टर्मिनल को बंद करके प्रक्रिया को समाप्त करने के लिए तत्पर रहें।\n- Google Colab या Replit जैसे प्रतिबंधित वातावरण में ओपन इंटरप्रेटर को चलाने का विचार करें। ये वातावरण अधिक संगठित होते हैं और अनियंत्रित कोड के साथ जुड़े जोखिमों को कम करते हैं।\n\n## यह कार्य कैसे करता है?\n\nOpen Interpreter एक [फ़ंक्शन-कॉलिंग भाषा मॉडल](https://platform.openai.com/docs/guides/gpt/function-calling) को एक `exec()` फ़ंक्शन के साथ लैस करता है, जो एक `language` (जैसे \"Python\" या \"JavaScript\") और `code` को चलाने के लिए स्वीकार करता है।\n\nफिर हम मॉडल के संदेश, कोड और आपके सिस्टम के आउटपुट को टर्मिनल में मार्कडाउन के रूप में स्ट्रीम करते हैं।\n\n# योगदान\n\nयोगदान करने के लिए आपकी रुचि के लिए धन्यवाद! हम समुदाय से सहभागिता का स्वागत करते हैं।\n\nअधिक जानकारी के लिए कृपया हमारे [योगदान दिशानिर्देश](CONTRIBUTING.md) देखें।\n\n## लाइसेंस\n\nOpen Interpreter MIT लाइसेंस के तहत लाइसेंस है। आपको सॉफ़्टवेयर की प्रतिलिपि का उपयोग, प्रतिलिपि, संशोधन, वितरण, सबलाइसेंस और बेचने की अनुमति है।\n\n**ध्यान दें**: यह सॉफ़्टवेयर OpenAI से संबद्ध नहीं है।\n\n> अपनी उंगलियों की गति से काम करने वाले एक जूनियर प्रोग्रामर तक पहुंच ... नए वर्कफ़्लो को सरल और कुशल बना सकता है, साथ ही ... प्रोग्रामिंग के लाभों को नए दरबारों तक पहुंचा सकता है।\n>\n> — _OpenAI's Code Interpreter Release_\n\n
\n" }, { "path": "docs/README_JA.md", "content": "
● Open Interpreter
\n\n\n \n \n \n \n \n \n
\n
\n 自然言語で指示するだけでコードを書いて実行までしてくれる。
\n ローカルに実装したOpenAI Code Interpreterのオープンソース版。
\n
デスクトップアプリへの早期アクセス | ドキュメント
\n
\n\n\n\n
\n\n**Update:** ● 0.1.12 アップデートで `interpreter --vision` 機能が導入されました。([ドキュメント](https://docs.openinterpreter.com/usage/terminal/vision))\n\n
\n\n```shell\npip install open-interpreter\n```\n\n```shell\ninterpreter\n```\n\n
\n\n**Open Interpreter**は、言語モデルに指示し、コード（Python、Javascript、Shell など）をローカル環境で実行できるようにします。インストール後、`$ interpreter` を実行するとターミナル経由で ChatGPT のようなインターフェースを介し、Open Interpreter とチャットができます。\n\nこれにより、自然言語のインターフェースを通して、パソコンの一般的な機能が操作できます。\n\n- 写真、動画、PDF などの作成や編集\n- Chrome ブラウザの制御とリサーチ作業\n- 大規模なデータセットのプロット、クリーニング、分析\n- 等々\n\n**⚠️ 注意: 実行する前にコードを承認するよう求められます。**\n\n
\n\n## デモ\n\nhttps://github.com/OpenInterpreter/open-interpreter/assets/63927363/37152071-680d-4423-9af3-64836a6f7b60\n\n#### Google Colab でも対話形式のデモを利用できます:\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n#### 音声インターフェースの実装例 (_Her_ からインスピレーションを得たもの):\n\n[](https://colab.research.google.com/drive/1NojYGHDgxH6Y1G1oxThEBBb2AtyODBIK)\n\n## クイックスタート\n\n```shell\npip install open-interpreter\n```\n\n### ターミナル\n\nインストール後、`interpreter` を実行するだけです:\n\n```shell\ninterpreter\n```\n\n### Python\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.chat(\"AAPLとMETAの株価グラフを描いてください\") # コマンドを実行\ninterpreter.chat() # 対話形式のチャットを開始\n```\n\n## ChatGPT の Code Interpreter との違い\n\nGPT-4 で実装された OpenAI の [Code Interpreter](https://openai.com/blog/chatgpt-plugins#code-interpreter) は、実世界のタスクを ChatGPT で操作できる素晴らしい機会を提供しています。\n\nしかし、OpenAI のサービスはホスティングされていてるクローズドな環境で、かなり制限がされています:\n\n- インターネットに接続できない。\n- [プリインストールされているパッケージが限られている](https://wfhbrian.com/mastering-chatgpts-code-interpreter-list-of-python-packages/)。\n- 最大アップロードは 100MB で、120 秒という実行時間の制限も。\n- 生成されたファイルやリンクとともに状態がリセットされる。\n\n---\n\nOpen Interpreter は、ローカル環境で操作することで、これらの制限を克服しています。インターネットにフルアクセスでき、時間やファイルサイズの制限を受けず、どんなパッケージやライブラリも利用できます。\n\nOpen Interpter は、GPT-4 Code Interpreter のパワーとローカル開発環境の柔軟性を組み合わせたものです。\n\n## コマンド\n\n**更新:** アップデート(0.1.5)でストリーミング機能が導入されました:\n\n```python\nmessage = \"どのオペレーティングシステムを使用していますか？\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### 対話型チャット\n\nターミナルで対話形式のチャットを開始するには、コマンドラインから `interpreter` を実行します。\n\n```shell\ninterpreter\n```\n\nまたは、.py ファイルから `interpreter.chat()` も利用できます。\n\n```python\ninterpreter.chat()\n```\n\n**ストリーミングすることで chunk 毎に処理することも可能です:**\n\n```python\nmessage = \"What operating system are we on?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### プログラム的なチャット\n\nより精確な制御のために、メッセージを直接`.chat(message)`に渡すことができます。\n\n```python\ninterpreter.chat(\"/videos フォルダにあるすべての動画に字幕を追加する。\")\n\n# ... ターミナルに出力をストリームし、タスクを完了 ...\n\ninterpreter.chat(\"ついでに、字幕を大きくできますか？\")\n\n# ...\n```\n\n### 新しいチャットを開始\n\nプログラム的チャットで Open Interpreter は、会話の履歴を記憶しています。新しくやり直したい場合は、リセットすることができます:\n\n```python\ninterpreter.messages = []\n```\n\n### チャットの保存と復元\n\n`interpreter.chat()` はメッセージのリストを返し, `interpreter.messages = messages` のように使用することで会話を再開することが可能です:\n\n```python\nmessages = interpreter.chat(\"私の名前は田中です。\") # 'messages'にメッセージを保存\ninterpreter.messages = [] # インタープリタをリセット（\"田中\"は忘れられる）\n\ninterpreter.messages = messages # 'messages'からチャットを再開（\"田中\"は記憶される）\n```\n\n### システムメッセージのカスタマイズ\n\nOpen Interpreter のシステムメッセージを確認し、設定することで、機能を拡張したり、権限を変更したり、またはより多くのコンテキストを与えたりすることができます。\n\n```python\ninterpreter.system_message += \"\"\"\nシェルコマンドを '-y' フラグ付きで実行し、ユーザーが確認する必要がないようにする。\n\"\"\"\nprint(interpreter.system_message)\n```\n\n### モデルの変更\n\nOpen Interpreter は、ホストされた言語モデルへの接続に [LiteLLM](https://docs.litellm.ai/docs/providers/) を使用しています。\n\nmodel パラメータを設定することで、モデルを変更することが可能です:\n\n```shell\ninterpreter --model gpt-3.5-turbo\ninterpreter --model claude-2\ninterpreter --model command-nightly\n```\n\nPython では、オブジェクト上でモデルを設定します:\n\n```python\ninterpreter.llm.model = \"gpt-3.5-turbo\"\n```\n\n[適切な \"model\" の値はこちらから検索してください。](https://docs.litellm.ai/docs/providers/)\n\n### ローカルのモデルを実行する\n\nOpen Interpreter は、OpenAI 互換サーバーを使用してモデルをローカルで実行できます。 (LM Studio、jan.ai、ollam など)\n\n推論サーバーの api_base URL を指定して「interpreter」を実行するだけです (LM Studio の場合、デフォルトでは「http://localhost:1234/v1」です)。\n\n```shell\ninterpreter --api_base \"http://localhost:1234/v1\" --api_key \"fake_key\"\n```\n\nあるいは、サードパーティのソフトウェアをインストールせずに、単に実行するだけで Llamafile を使用することもできます。\n\n```shell\ninterpreter --local\n```\n\nより詳細なガイドについては、[Mike Bird によるこのビデオ](https://www.youtube.com/watch?v=CEs51hGWuGU?si=cN7f6QhfT4edfG5H) をご覧ください。\n\n**LM Studio をバックグラウンドで使用する方法**\n\n1. [https://lmstudio.ai/](https://lmstudio.ai/)からダウンロードして起動します。\n2. モデルを選択し、**↓ ダウンロード** をクリックします。\n3. 左側の **↔️** ボタン（💬 の下）をクリックします。\n4. 上部でモデルを選択し、**サーバーを起動** をクリックします。\n\nサーバーが稼働を開始したら、Open Interpreter との会話を開始できます。\n\n> **注意:** ローカルモードでは、`context_window` を 3000 に、`max_tokens` を 1000 に設定します。モデルによって異なる要件がある場合、これらのパラメータを手動で設定してください（下記参照）。\n\n#### コンテキストウィンドウ、最大トークン数\n\nローカルで実行しているモデルの `max_tokens` と `context_window`（トークン単位）を変更することができます。\n\nローカルモードでは、小さいコンテキストウィンドウは RAM を少なく使用するので、失敗する場合や遅い場合は、より短いウィンドウ（〜1000）を試すことをお勧めします。`max_tokens` が `context_window` より小さいことを確認してください。\n\n```shell\ninterpreter --local --max_tokens 1000 --context_window 3000\n```\n\n### デバッグモード\n\nコントリビューターが Open Interpreter を調査するのを助けるために、`--verbose` モードは非常に便利です。\n\nデバッグモードは、フラグ（`interpreter --verbose`）を使用するか、またはチャットの中から有効にできます:\n\n```shell\n$ interpreter\n...\n> %verbose true # <- デバッグモードを有効にする\n\n> %verbose false # <- デバッグモードを無効にする\n```\n\n### 対話モードのコマンド\n\n対話モードでは、以下のコマンドを使用して操作を便利にすることができます。利用可能なコマンドのリストは以下の通りです:\n\n**利用可能なコマンド:**\n\n- `%verbose [true/false]`: デバッグモードを切り替えます。引数なしまたは `true` でデバッグモードに入ります。`false` でデバッグモードを終了します。\n- `%reset`: 現在のセッションの会話をリセットします。\n- `%undo`: メッセージ履歴から前のユーザーメッセージと AI の応答を削除します。\n- `%save_message [path]`: メッセージを指定した JSON パスに保存します。パスが指定されていない場合、デフォルトは `messages.json` になります。\n- `%load_message [path]`: 指定した JSON パスからメッセージを読み込みます。パスが指定されていない場合、デフォルトは `messages.json` になります。\n- `%tokens [prompt]`: (_実験的_) 次のプロンプトのコンテキストとして送信されるトークンを計算し、そのコストを見積もります。オプションで、`prompt` が提供された場合のトークンと見積もりコストを計算します。見積もりコストは [LiteLLM の `cost_per_token()` メソッド](https://docs.litellm.ai/docs/completion/token_usage#2-cost_per_token)に依存します。\n- `%help`: ヘルプメッセージを表示します。\n\n### 設定\n\nOpen Interpreter では、`config.yaml` ファイルを使用してデフォルトの動作を設定することができます。\n\nこれにより、毎回コマンドライン引数を変更することなく柔軟に設定することができます。\n\n以下のコマンドを実行して設定ファイルを開きます:\n\n```\ninterpreter --config\n```\n\n#### 設定ファイルの複数利用\n\nOpen Interpreter は複数の `config.yaml` ファイルをサポートしており、`--config_file` 引数を通じて簡単に設定を切り替えることができます。\n\n**注意**: `--config_file` はファイル名またはファイルパスを受け入れます。ファイル名はデフォルトの設定ディレクトリを使用し、ファイルパスは指定されたパスを使用します。\n\n新しい設定を作成または編集するには、次のコマンドを実行します:\n\n```\ninterpreter --config --config_file $config_path\n```\n\n特定の設定ファイルをロードして Open Interpreter を実行するには、次のコマンドを実行します:\n\n```\ninterpreter --config_file $config_path\n```\n\n**注意**: `$config_path` をあなたの設定ファイルの名前またはパスに置き換えてください。\n\n##### 対話モードでの使用例\n\n1. 新しい `config.turbo.yaml` ファイルを作成します\n ```\n interpreter --config --config_file config.turbo.yaml\n ```\n2. `config.turbo.yaml` ファイルを編集して、`model` を `gpt-3.5-turbo` に設定します\n3. `config.turbo.yaml` 設定で、Open Interpreter を実行します\n ```\n interpreter --config_file config.turbo.yaml\n ```\n\n##### Python での使用例\n\nPython のスクリプトから Open Interpreter を呼び出すときにも設定ファイルをロードできます:\n\n```python\nimport os\nfrom interpreter import interpreter\n\ncurrentPath = os.path.dirname(os.path.abspath(__file__))\nconfig_path=os.path.join(currentPath, './config.test.yaml')\n\ninterpreter.extend_config(config_path=config_path)\n\nmessage = \"What operating system are we on?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n## FastAPI サーバーのサンプル\n\nアップデートにより Open Interpreter は、HTTP REST エンドポイントを介して制御できるようになりました:\n\n```python\n# server.py\n\nfrom fastapi import FastAPI\nfrom fastapi.responses import StreamingResponse\nfrom interpreter import interpreter\n\napp = FastAPI()\n\n@app.get(\"/chat\")\ndef chat_endpoint(message: str):\n def event_stream():\n for result in interpreter.chat(message, stream=True):\n yield f\"data: {result}\\n\\n\"\n\n return StreamingResponse(event_stream(), media_type=\"text/event-stream\")\n\n@app.get(\"/history\")\ndef history_endpoint():\n return interpreter.messages\n```\n\n```shell\npip install fastapi uvicorn\nuvicorn server:app --reload\n```\n\n## 安全に関する注意\n\n生成されたコードはローカル環境で実行されるため、ファイルやシステム設定と相互作用する可能性があり、データ損失やセキュリティリスクなど予期せぬ結果につながる可能性があります。\n\n**⚠️ Open Interpreter はコードを実行する前にユーザーの確認を求めます。**\n\nこの確認を回避するには、`interpreter -y` を実行するか、`interpreter.auto_run = True` を設定します。その場合:\n\n- ファイルやシステム設定を変更するコマンドを要求するときは注意してください。\n- Open Interpreter を自動運転車のように監視し、ターミナルを閉じてプロセスを終了できるように準備しておいてください。\n- Google Colab や Replit のような制限された環境で Open Interpreter を実行することを検討してください。これらの環境はより隔離されており、任意のコードの実行に関連するリスクを軽減します。\n\n一部のリスクを軽減するための[セーフモード](docs/SAFE_MODE.md)と呼ばれる **実験的な** サポートがあります。\n\n## Open Interpreter はどのように機能するのか？\n\nOpen Interpreter は、[関数が呼び出せる言語モデル](https://platform.openai.com/docs/guides/gpt/function-calling)に `exec()` 関数を装備し、実行する言語（\"python\"や\"javascript\"など）とコードが渡せるようになっています。\n\nそして、モデルからのメッセージ、コード、システムの出力を Markdown としてターミナルにストリーミングします。\n\n# 貢献\n\n貢献に興味を持っていただき、ありがとうございます！コミュニティからの参加を歓迎しています。\n\n詳しくは、[貢献ガイドライン](CONTRIBUTING.md)を参照してください。\n\n# ロードマップ\n\nOpen Interpreter の未来を一足先に見るために、[私たちのロードマップ](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/ROADMAP.md)をご覧ください。\n\n**注意**: このソフトウェアは OpenAI とは関連していません。\n\n> あなたの指先のスピードで作業するジュニアプログラマーにアクセスすることで、… 新しいワークフローを楽で効率的なものにし、プログラミングの利点を新しいオーディエンスに開放することができます。\n>\n> — _OpenAI Code Interpreter リリース_\n\n
\n" }, { "path": "docs/README_UK.md", "content": "
● Open Interpreter
\n\n\n \n \n \n \n \n \n
\n
\n
Отримайте ранній доступ до десктопної програми | Документація
\n
\n\n\n\n
\n
\nНове комп'ютерне оновлення представило --os та новий Computer API. Читати далі →\n
\n\n```shell\npip install open-interpreter\n```\n\n> Не працює? Прочитайте наш [посібник з налаштування](https://docs.openinterpreter.com/getting-started/setup).\n\n```shell\ninterpreter\n```\n\n
\n\n**Open Interpreter** дозволяє LLM локально запускати код (Python, Javascript, Shell тощо). Ви можете спілкуватися з Open Interpreter через інтерфейс, схожий на ChatGPT, у вашому терміналі, запустивши `$ interpreter` після встановлення.\n\nЦе забезпечує інтерфейс природною мовою для загального використання можливостей вашого комп’ютера:\n\n- Створювати та редагувати фотографії, відео, PDF-файли тощо.\n- Керувати браузером Chrome для проведення досліджень\n- Створювати, очищати та аналізувати великі набори даних\n- ...і т.д.\n\n**⚠️ Увага: Вам буде запропоновано підтвердити код перед його запуском.**\n\n
\n\n## Demo\n\nhttps://github.com/OpenInterpreter/open-interpreter/assets/63927363/37152071-680d-4423-9af3-64836a6f7b60\n\n#### Інтерактивна демонстрація також доступна на Google Colab:\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n#### Разом із прикладом голосового інтерфейсу, натхненного _Her_:\n\n[](https://colab.research.google.com/drive/1NojYGHDgxH6Y1G1oxThEBBb2AtyODBIK)\n\n## Швидкий старт\n\n```shell\npip install open-interpreter\n```\n\n### Термінал\n\nПісля встановлення просто запустіть `interpreter`:\n\n```shell\ninterpreter\n```\n\n### Python\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.chat(\"Plot AAPL and META's normalized stock prices\") # Виконує одну команду\ninterpreter.chat() # Починає інтерактивний чат\n```\n\n### GitHub Codespaces\n\nНатисніть клавішу `,` на сторінці GitHub цього репозиторію, щоб створити Codespace. Через деякий час ви отримаєте хмарне середовище віртуальної машини, попередньо встановлене з відкритим інтерпретатором. Потім ви можете почати взаємодіяти з ним безпосередньо та вільно підтверджувати виконання ним системних команд, не турбуючись про пошкодження системи.\n\n## Порівняння з інтерпретатором коду ChatGPT\n\nВипуск OpenAI [Code Interpreter](https://openai.com/blog/chatgpt-plugins#code-interpreter) з GPT-4 надає фантастичну можливість виконувати реальні завдання за допомогою ChatGPT.\n\nОднак служба OpenAI є хмарною, з закритим вихідним кодом і суворо обмежена:\n\n- Немає доступу до Інтернету.\n- [Обмежений набір попередньо встановлених пакетів](https://wfhbrian.com/mastering-chatgpts-code-interpreter-list-of-python-packages/).\n- Максимальний розмір завантаження - 100 МБ, обмеження часу виконання - 120,0 секунд.\n- Стан очищається (разом із будь-якими згенерованими файлами чи посиланнями), коли середовище зупиняється.\n\n---\n\nOpen Interpreter долає ці обмеження, запускаючись у вашому локальному середовищі. Він має повний доступ до Інтернету, не обмежений часом або розміром файлу, і може використовувати будь-який пакет або бібліотеку.\n\nЦе поєднує потужність інтерпретатора коду GPT-4 із гнучкістю вашого локального середовища розробки.\n\n## Команди\n\n**Оновлення:** Оновлення Generator (0.1.5) представило потокове передавання:\n\n```python\nmessage = \"What operating system are we on?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### Інтерактивний чат\n\nЩоб почати інтерактивний чат у вашому терміналі, запустіть `interpreter` з командного рядка:\n\n```shell\ninterpreter\n```\n\nАбо `interpreter.chat()` з файлу .py:\n\n```python\ninterpreter.chat()\n```\n\n**Ви також можете транслювати кожен фрагмент:**\n\n```python\nmessage = \"На якій операційній системі ми працюємо?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### Програмований чат\n\nДля більш точного керування ви можете передавати повідомлення безпосередньо до `.chat(message)`:\n\n```python\ninterpreter.chat(\"Додайте субтитри до всіх відео в /videos.\")\n\n# ... Потік виведення на ваш термінал, виконання завдання ...\n\ninterpreter.chat(\"Виглядає чудово, але чи можеш ти збільшити субтитри?\")\n\n# ...\n```\n\n### Почати новий чат\n\nВ Python, Open Interpreter запам’ятовує історію розмов. Якщо ви хочете почати заново, ви можете скинути її:\n\n```python\ninterpreter.messages = []\n```\n\n### Зберегти та відновити чати\n\n`interpreter.chat()` повертає список повідомлень, який можна використовувати для відновлення розмови за допомогою `interpreter.messages = messages`:\n\n```python\nmessages = interpreter.chat(\"Мене звати Степан.\") # Зберегти повідомлення в \"messages\"\ninterpreter.messages = [] # Скинути інтерпретатор (\"Степан\" буде забутий)\n\ninterpreter.messages = messages # Відновити чат із \"messages\" (\"Степан\" запам’ятається)\n```\n\n### Кастомізувати системне повідомлення\n\nВи можете перевірити та налаштувати системне повідомлення Open Interpreter, щоб розширити його функціональність, змінити дозволи або надати йому більше контексту.\n\n```python\ninterpreter.system_message += \"\"\"\nВиконуй команди оболонки з -y, щоб користувачеві не потрібно було їх підтверджувати.\n\"\"\"\nprint(interpreter.system_message)\n```\n\n### Змініть свою мовну модель\n\nOpen Interpreter використовує [LiteLLM](https://docs.litellm.ai/docs/providers/) для підключення до розміщених мовних моделей.\n\nВи можете змінити модель, встановивши параметр моделі:\n\n```shell\ninterpreter --model gpt-3.5-turbo\ninterpreter --model claude-2\ninterpreter --model command-nightly\n```\n\nВ Pythonб встановити модель на об’єкт:\n\n```python\ninterpreter.llm.model = \"gpt-3.5-turbo\"\n```\n\n[Знайдіть відповідний рядок «model» для вашої мовної моделі тут.](https://docs.litellm.ai/docs/providers/)\n\n### Запуск Open Interpreter локально\n\n#### Термінал\n\nOpen Interpreter може використовувати OpenAI-сумісний сервер для запуску моделей локально. (LM Studio, jan.ai, ollama тощо)\n\nПросто запустіть `interpreter` з URL-адресою api_base вашого сервера interference (для LM Studio це `http://localhost:1234/v1` за замовчуванням):\n\n```shell\ninterpreter --api_base \"http://localhost:1234/v1\" --api_key \"fake_key\"\n```\n\nКрім того, ви можете використовувати Llamafile без встановлення стороннього програмного забезпечення, просто запустивши його\n\n```shell\ninterpreter --local\n```\n\nfor a more detailed guide check out [this video by Mike Bird](https://www.youtube.com/watch?v=CEs51hGWuGU?si=cN7f6QhfT4edfG5H)\n\n**Як запустити LM Studio у фоновому режимі.**\n\n1. Завантажте [https://lmstudio.ai/](https://lmstudio.ai/), після чого запустіть його.\n2. Виберіть модель і натисніть **↓ Завантажити**.\n3. Натисніть кнопку **↔️** ліворуч (нижче 💬).\n4. Виберіть свою модель угорі, а потім натисніть **Запустити сервер**.\n\nКоли сервер запущено, ви можете почати розмову за допомогою Open Interpreter.\n\n> **Примітка.** Локальний режим встановлює ваше `context_window` на 3000, а `max_tokens` на 1000. Якщо ваша модель має інші вимоги, установіть ці параметри вручну (див. нижче).\n\n#### Python\n\nНаш пакет Python дає вам більше контролю над кожним параметром. Для реплікації та підключення до LM Studio використовуйте ці налаштування:\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.offline = True # Вимикає такі онлайн-функції, як Open Procedures\ninterpreter.llm.model = \"openai/x\" # Каже AI надсилати повідомлення у форматі OpenAI\ninterpreter.llm.api_key = \"fake_key\" # LiteLLM, який ми використовуємо для спілкування з LM Studio, вимагає api-ключ\ninterpreter.llm.api_base = \"http://localhost:1234/v1\" # Познчате це на будь-якому сервері, сумісному з OpenAI\n\ninterpreter.chat()\n```\n\n#### Контекстне вікно, максимальна кількість токенів\n\nВи можете змінити `max_tokens` і `context_window` (у токенах) локально запущених моделей.\n\nУ локальному режимі менші контекстні вікна використовуватимуть менше оперативної пам’яті, тому ми рекомендуємо спробувати набагато коротше вікно (~1000), якщо воно не вдається або працює повільно. Переконайтеся, що `max_tokens` менший за `context_window`.\n\n```shell\ninterpreter --local --max_tokens 1000 --context_window 3000\n```\n\n### Режим \"verbose\"\n\nЩоб допомогти вам перевірити Open Interpreter, у нас є режим `--verbose` для налагодження.\n\nВи можете активувати режим \"verbose\", використовуючи його прапорець (`interpreter --verbose`) або в середині чату:\n\n```shell\n$ interpreter\n...\n> %verbose true <- Вмикає режим verbose\n\n> %verbose false <- Вимикає режим verbose\n```\n\n### Команди інтерактивного режиму\n\nВ інтерактивному режимі ви можете використовувати наведені нижче команди, щоб покращити свій досвід. Ось список доступних команд:\n**Доступні команди:**\n\n- `%verbose [true/false]`: увімкнути режим verbose. Без аргументів або з `true`.\n переходить у багатослівний режим. З `false` він виходить із багатослівного режиму.\n- `%reset`: скидає розмову поточного сеансу.\n- `% undo`: видаляє попереднє повідомлення користувача та відповідь ШІ з історії повідомлень.\n- `%tokens [prompt]`: (_Експериментально_) Розрахувати токени, які будуть надіслані з наступним запитом як контекст, і оцінити їх вартість. Додатково обчисліть токени та приблизну вартість «підказки», якщо вона надається. Покладається на [метод `cost_per_token()` LiteLLM](https://docs.litellm.ai/docs/completion/token_usage#2-cost_per_token) для оцінки витрат.\n- `%help`: Показати повідомлення довідки.\n\n### Конфігурація / Профілі\n\nOpen Interpreter дозволяє встановлювати поведінку за замовчуванням за допомогою файлів `yaml`.\n\nЦе забезпечує гнучкий спосіб налаштування інтерпретатора, не змінюючи щоразу аргументи командного рядка.\n\nВиконайте цю команду, щоб відкрити каталог профілів:\n\n```\ninterpreter --profiles\n```\n\nВи можете додати файли `yaml`. Профіль за замовчуванням має назву `default.yaml`.\n\n#### Кілька профілів\n\nOpen Interpreter підтримує декілька файлів `yaml`, що дозволяє легко перемикатися між конфігураціями:\n\n```\ninterpreter --profile my_profile.yaml\n```\n\n## Зразок сервера FastAPI\n\nОновлення генератора дозволяє керувати Open Interpreter через кінцеві точки HTTP REST:\n\n```python\n# server.py\n\nfrom fastapi import FastAPI\nfrom fastapi.responses import StreamingResponse\nfrom interpreter import interpreter\n\napp = FastAPI()\n\n@app.get(\"/chat\")\ndef chat_endpoint(message: str):\n def event_stream():\n for result in interpreter.chat(message, stream=True):\n yield f\"data: {result}\\n\\n\"\n\n return StreamingResponse(event_stream(), media_type=\"text/event-stream\")\n\n@app.get(\"/history\")\ndef history_endpoint():\n return interpreter.messages\n```\n\n```shell\npip install fastapi uvicorn\nuvicorn server:app --reload\n```\n\nВи також можете запустити сервер, ідентичний наведеному вище, просто запустивши `interpreter.server()`.\n\n## Android\n\nПокроковий посібник із встановлення Open Interpreter на вашому пристрої Android можна знайти в [репозиторії open-interpreter-termux](https://github.com/MikeBirdTech/open-interpreter-termux).\n\n## Повідомлення про безпеку\n\nОскільки згенерований код виконується у вашому локальному середовищі, він може взаємодіяти з вашими файлами та налаштуваннями системи, потенційно призводячи до неочікуваних результатів, як-от втрати даних або ризиків для безпеки.\n\n**⚠️ Open Interpreter попросить підтвердження користувача перед виконанням коду.**\n\nВи можете запустити `interpreter -y` або встановити `interpreter.auto_run = True`, щоб обійти це підтвердження, у такому випадку:\n\n- Будьте обережні, запитуючи команди, які змінюють файли або налаштування системи.\n- Дивіться на Open Interpreter як на самокерований автомобіль і будьте готові завершити процес, закривши термінал.\n- Спробуйте запустити Open Interpreter у обмеженому середовищі, наприклад Google Colab або Replit. Ці середовища більш ізольовані, що зменшує ризики виконання довільного коду.\n\nІснує **експериментальна** підтримка [безпечного режиму](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/SAFE_MODE.md), щоб зменшити деякі ризики.\n\n## Як це працює?\n\nOpen Interpreter оснащує [модель мови виклику функцій](https://platform.openai.com/docs/guides/gpt/function-calling) функцією `exec()`, яка приймає `мову` (як \"Python\" або \"JavaScript\") і `code` для запуску.\n\nПотім ми передаємо повідомлення моделі, код і результати вашої системи на термінал як Markdown.\n\n# Доступ до документації в автономному режимі\n\nПовна [документація](https://docs.openinterpreter.com/) доступна в дорозі без підключення до Інтернету.\n\n[Node](https://nodejs.org/en) є необхідною умовою:\n\n- Версія 18.17.0 або будь-яка пізніша версія 18.x.x.\n- Версія 20.3.0 або будь-яка пізніша версія 20.x.x.\n- Будь-яка версія, починаючи з 21.0.0 і далі, без вказівки верхньої межі.\n\nВстановіть [Mintlify](https://mintlify.com/):\n\n```bash\nnpm i -g mintlify@latest\n```\n\nПерейдіть у каталог документів і виконайте відповідну команду:\n\n```bash\n# Якщо ви перебуваєте в кореневому каталозі проекту\ncd ./docs\n\n# Запустіть сервер документації\nmintlify dev\n```\n\nМає відкритися нове вікно браузера. Документація буде доступна за адресою [http://localhost:3000](http://localhost:3000), поки працює сервер документації.\n\n# Вклади\n\nДякуємо за ваш інтерес до участі! Ми вітаємо участь спільноти.\n\nЩоб дізнатися більше про те, як взяти участь, ознайомтеся з нашими [інструкціями щодо створення внеску](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/CONTRIBUTING.md).\n\n# Дорожня карта\n\nВідвідайте [нашу дорожню карту](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/ROADMAP.md), щоб переглянути майбутнє Open Interpreter.\n\n**Примітка**: це програмне забезпечення не пов’язане з OpenAI.\n\n\n\n> Маючи доступ до джуніора, який працює зі швидкістю ваших пальців ... ви можете зробити нові робочі процеси легкими та ефективними, а також відкрити переваги програмування новій аудиторії.\n>\n> — _OpenAI's Code Interpreter Release_\n\n
\n" }, { "path": "docs/README_VN.md", "content": "
● Open Interpreter
\n\n\n \n \n \n \n \n \n
\n
\n chạy mô hình ngôn ngữ trí tuệ nhân tạo trên máy tính của bạn.
\n Mã nguồn mở và ứng dụng phát triển dựa trên code của OpenAI.
\n
Quyền truy cập sớm dành cho máy tính cá nhân | Tài liệu đọc tham khảo
\n
\n\n\n\n
\n\n```shell\npip install open-interpreter\n```\n\n```shell\ninterpreter\n```\n\n
\n\n**Open Interpreter** Chạy LLMs trên máy tính cục bộ (Có thể sử dụng ngôn ngữ Python, Javascript, Shell, và nhiều hơn thế). Bạn có thể nói chuyện với Open Interpreter thông qua giao diện giống với ChatGPT ngay trên terminal của bạn bằng cách chạy lệnh `$ interpreter` sau khi tải thành công.\n\nCác tính năng chung giao diện ngôn ngữ mang llại\n\n- Tạo và chỉnh sửa ảnh, videos, PDF, vân vân...\n- Điều khiển trình duyệt Chrome để tiến hành nghiên cứu\n- Vẽ, làm sạch và phân tích các tập dữ liệu lớn (large datasets)\n- ...vân vân.\n\n**⚠️ Lưu ý: Bạn sẽ được yêu cầu phê duyệt mã trước khi chạy.**\n\n
\n\n## Thử nghiệm\n\nhttps://github.com/OpenInterpreter/open-interpreter/assets/63927363/37152071-680d-4423-9af3-64836a6f7b60\n\n#### Bản thử nghiệm có sẵn trên Google Colab:\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n#### Đi kèm với ứng dụng mẫu qua tương tác giọng nói (Lấy cảm hứng từ _Cô ấy_ (Giọng nữ)):\n\n[](https://colab.research.google.com/drive/1NojYGHDgxH6Y1G1oxThEBBb2AtyODBIK)\n\n## Hướng dẫn khởi dộng ngắn\n\n```shell\npip install open-interpreter\n```\n\n### Terminal\n\nSau khi cài đặt, chạy dòng lệnh `interpreter`:\n\n```shell\ninterpreter\n```\n\n### Python\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.chat(\"Vẽ giá cổ phiếu đã bình hoá của AAPL và META \") # Chạy trên 1 dòng lệnh\ninterpreter.chat() # Khởi động chat có khả năng tương tác\n```\n\n## So sánh Code Interpreter của ChatGPT\n\nBản phát hành của OpenAI [Code Interpreter](https://openai.com/blog/chatgpt-plugins#code-interpreter) sử dụng GPT-4 tăng khả năng hoàn thiện vấn đề thực tiễn với ChatGPT.\n\nTuy nhiên, dịch vụ của OpenAI được lưu trữ, mã nguồn đóng, và rất hạn chế:\n\n- Không có truy cập Internet.\n- [Số lượng gói cài đặt hỗ trỡ có sẵn giới hạn](https://wfhbrian.com/mastering-chatgpts-code-interpreter-list-of-python-packages/).\n- tốc độ tải tối đa 100 MB , thời gian chạy giới hạn 120.0 giây .\n- Trạng thái tin nhắn bị xoá kèm với các tệp và liên kết được tạo trước đó khi đóng môi trường lại.\n\n---\n\nOpen Interpreter khắc phục những hạn chế này bằng cách chạy cục bộ trobộ môi trường máy tính của bạn. Nó có toàn quyền truy cập vào Internet, không bị hạn chế về thời gian hoặc kích thước tệp và có thể sử dụng bất kỳ gói hoặc thư viện nào.\n\nĐây là sự kết hợp sức mạnh của mã nguồn của GPT-4 với tính linh hoạt của môi trường phát triển cục bộ của bạn.\n\n## Dòng lệnh\n\n**Update:** Cập nhật trình tạo lệnh (0.1.5) giới thiệu tính năng trực tuyến:\n\n```python\nmessage = \"Chúng ta đang ở trên hệ điều hành nào?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### Trò chuyện tương tác\n\nĐể tạo một cuộc trò chuyện tương tác từ terminal của bạn, chạy `interpreter` bằng dòng lệnh:\n\n```shell\ninterpreter\n```\n\nhoặc `interpreter.chat()` từ file có đuôi .py :\n\n```python\ninterpreter.chat()\n```\n\n**Bạn cũng có thể phát trực tuyến từng đoạn:**\n\n```python\nmessage = \"Chúng ta đang chạy trên hệ điều hành nào?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n### Trò chuyện lập trình được\n\nĐể kiểm soát tốt hơn, bạn chuyển tin nhắn qua `.chat(message)`:\n\n```python\ninterpreter.chat(\"Truyền phụ đề tới tất cả videos vào /videos.\")\n\n# ... Truyền đầu ra đến thiết bị đầu cuối của bạn (terminal) hoàn thành tác vụ ...\n\ninterpreter.chat(\"Nhìn đẹp đấy nhưng bạn có thể làm cho phụ đề lớn hơn được không?\")\n\n# ...\n```\n\n### Tạo một cuộc trò chuyện mới:\n\nTrong Python, Open Interpreter ghi nhớ lịch sử hội thoại, nếu muốn bắt đầu lại từ đầu, bạn có thể cài thứ:\n\n```python\ninterpreter.messages = []\n```\n\n### Lưu và khôi phục cuộc trò chuyện\n\n`interpreter.chat()` trả về danh sách tin nhắn, có thể được sử dụng để tiếp tục cuộc trò chuyện với `interpreter.messages = messages`:\n\n```python\nmessages = interpreter.chat(\"Tên của tôi là Killian.\") # Lưu tin nhắn tới 'messages'\ninterpreter.messages = [] # Khởi động lại trình phiên dịch (\"Killian\" sẽ bị lãng quên)\n\ninterpreter.messages = messages # Tiếp tục cuộc trò chuyện từ 'messages' (\"Killian\" sẽ được ghi nhớ)\n```\n\n### Cá nhân hoá tin nhắn từ hệ thống\n\nBạn có thể kiếm tra và điều chỉnh tin nhắn hệ thống từ Optừ Interpreter để mở rộng chức năng của nó, thay đổi quyền, hoặc đưa cho nó nhiều ngữ cảnh hơn.\n\n```python\ninterpreter.system_message += \"\"\"\nChạy shell commands với -y để người dùng không phải xác nhận chúng.\n\"\"\"\nprint(interpreter.system_message)\n```\n\n### Thay đổi mô hình ngôn ngữ\n\nOpen Interpreter sử dụng mô hình [LiteLLM](https://docs.litellm.ai/docs/providers/) để kết nối tới các mô hình ngôn ngữ được lưu trữ trước đó.\n\nBạn có thể thay đổi mô hình ngôn ngữ bằng cách thay đổi tham số mô hình:\n\n```shell\ninterpreter --model gpt-3.5-turbo\ninterpreter --model claude-2\ninterpreter --model command-nightly\n```\n\nỞ trong Python, đổi model bằng cách thay đổi đối tượng:\n\n```python\ninterpreter.llm.model = \"gpt-3.5-turbo\"\n```\n\n[Tìm tên chuỗi \"mô hình\" phù hợp cho mô hình ngôn ngữ của bạn ở đây.](https://docs.litellm.ai/docs/providers/)\n\n### Chạy Open Interpreter trên máy cục bộ\n\nOpen Interpreter có thể sử dụng máy chủ tương thích với OpenAI để chạy các mô hình cục bộ. (LM Studio, jan.ai, ollama, v.v.)\n\nChỉ cần chạy `interpreter` với URL api_base của máy chủ suy luận của bạn (đối với LM studio, nó là `http://localhost:1234/v1` theo mặc định):\n\n```vỏ\ntrình thông dịch --api_base \"http://localhost:1234/v1\" --api_key \"fake_key\"\n```\n\nNgoài ra, bạn có thể sử dụng Llamafile mà không cần cài đặt bất kỳ phần mềm bên thứ ba nào chỉ bằng cách chạy\n\n```vỏ\nthông dịch viên --local\n```\n\nđể biết hướng dẫn chi tiết hơn, hãy xem [video này của Mike Bird](https://www.youtube.com/watch?v=CEs51hGWuGU?si=cN7f6QhfT4edfG5H)\n\n**Để chạy LM Studio ở chế độ nền.**\n\n1. Tải [https://lmstudio.ai/](https://lmstudio.ai/) và khởi động.\n2. Chọn một mô hình rồi nhấn **↓ Download**.\n3. Nhấn vào nút **↔️** ở bên trái (dưới 💬).\n4. Chọn mô hình của bạn ở phía trên, rồi nhấn chạy **Start Server**.\n\nMột khi server chạy, bạn có thể bắt đầu trò chuyện với Open Interpreter.\n\n> **Lưu ý:** Chế độ cục bộ chỉnh `context_window` của bạn tới 3000, và `max_tokens` của bạn tới 600. Nếu mô hình của bạn có các yêu cầu khác, thì hãy chỉnh các tham số thủ công (xem bên dưới).\n\n#### Cửa sổ ngữ cảnh (Context Window), (Max Tokens)\n\nBạn có thể thay đổi `max_tokens` và `context_window` (ở trong các) of locally running models.\n\nỞ chế độ cục bộ, các cửa sổ ngữ cảnh sẽ tiêu ít RAM hơn, vậy nên chúng tôi khuyến khích dùng cửa sổ nhỏ hơn (~1000) nếu như nó chạy không ổn định / hoặc nếu nó chậm. Đảm bảo rằng `max_tokens` ít hơn `context_window`.\n\n```shell\ninterpreter --local --max_tokens 1000 --context_window 3000\n```\n\n### Chế độ sửa lỗi\n\nĐể giúp đóng góp kiểm tra Open Interpreter, thì chế độ `--verbose` hơi dài dòng.\n\nBạn có thể khởi động chế độ sửa lỗi bằng cách sử dụng cờ (`interpreter --verbose`), hoặc mid-chat:\n\n```shell\n$ interpreter\n...\n> %verbose true <- Khởi động chế độ gỡ lỗi\n\n> %verbose false <- Tắt chế độ gỡ lỗi\n```\n\n### Lệnh chế độ tương tác\n\nTrong chế độ tương tác, bạn có thể sử dụng những dòng lệnh sau để cải thiện trải nghiệm của mình. Đây là danh sách các dòng lệnh có sẵn:\n\n**Các lệnh có sẵn:**\n\n- `%verbose [true/false]`: Bật chế độ gỡ lỗi. Có hay không có `true` đều khởi động chế độ gỡ lỗi. Với `false` thì nó tắt chế độ gỡ lỗi.\n- `%reset`: Khởi động lại toàn bộ phiên trò chuyện hiện tại.\n- `%undo`: Xóa tin nhắn của người dùng trước đó và phản hồi của AI khỏi lịch sử tin nhắn.\n- `%save_message [path]`: Lưu tin nhắn vào một đường dẫn JSON được xác định từ trước. Nếu không có đường dẫn nào được cung cấp, nó sẽ mặc định là `messages.json`.\n- `%load_message [path]`: Tải tin nhắn từ một đường dẫn JSON được chỉ định. Nếu không có đường dẫn nào được cung cấp, nó sẽ mặc định là `messages.json`.\n- `%tokens [prompt]`: (_Experimental_) Tính toán các token sẽ được gửi cùng với lời nhắc tiếp theo dưới dạng ngữ cảnh và hao tổn. Tùy chọn tính toán token và hao tổn ước tính của một `prompt` nếu được cung cấp. Dựa vào [hàm `cost_per_token()` của mô hình LiteLLM](https://docs.litellm.ai/docs/completion/token_usage#2-cost_per_token) để tính toán hao tổn.\n- `%help`: Hiện lên trợ giúp cho cuộc trò chuyện.\n\n### Cấu hình cài\n\nOpen Interpreter cho phép bạn thiết lập các tác vụ mặc định bằng cách sử dụng file `config.yaml`.\n\nĐiều này cung cấp một cách linh hoạt để định cấu hình trình thông dịch mà không cần thay đổi đối số dòng lệnh mỗi lần\n\nChạy lệnh sau để mở tệp cấu hình:\n\n```\ninterpreter --config\n```\n\n#### Cấu hình cho nhiều tệp\n\nOpen Interpreter hỗ trợ nhiều file `config.yaml`, cho phép bạn dễ dàng chuyển đổi giữa các cấu hình thông qua lệnh `--config_file`.\n\n**Chú ý**: `--config_file` chấp nhận tên tệp hoặc đường dẫn tệp. Tên tệp sẽ sử dụng thư mục cấu hình mặc định, trong khi đường dẫn tệp sẽ sử dụng đường dẫn đã chỉ định.\n\nĐể tạo hoặc chỉnh sửa cấu hình mới, hãy chạy:\n\n```\ninterpreter --config --config_file $config_path\n```\n\nĐể yêu cầu Open Interpreter chạy một tệp cấu hình cụ thể, hãy chạy:\n\n```\ninterpreter --config_file $config_path\n```\n\n**Chú ý**: Thay đổi `$config_path` với tên hoặc đường dẫn đến tệp cấu hình của bạn.\n\n##### Ví dụ CLI\n\n1. Tạo mới một file `config.turbo.yaml`\n ```\n interpreter --config --config_file config.turbo.yaml\n ```\n2. Chạy file `config.turbo.yaml`để đặt lại `model` thành `gpt-3.5-turbo`\n3. Chạy Open Interpreter với cấu hình `config.turbo.yaml\n ```\n interpreter --config_file config.turbo.yaml\n ```\n\n##### Ví dụ Python\n\nBạn cũng có thể tải các tệp cấu hình khi gọi Open Interpreter từ tập lệnh Python:\n\n```python\nimport os\nfrom interpreter import interpreter\n\ncurrentPath = os.path.dirname(os.path.abspath(__file__))\nconfig_path=os.path.join(currentPath, './config.test.yaml')\n\ninterpreter.extend_config(config_path=config_path)\n\nmessage = \"What operating system are we on?\"\n\nfor chunk in interpreter.chat(message, display=False, stream=True):\n print(chunk)\n```\n\n## Máy chủ FastAPI mẫu\n\nBản cập nhật trình tạo cho phép điều khiển Trình thông dịch mở thông qua các điểm cuối HTTP REST:\n\n```python\n# server.py\n\nfrom fastapi import FastAPI\nfrom fastapi.responses import StreamingResponse\nfrom interpreter import interpreter\n\napp = FastAPI()\n\n@app.get(\"/chat\")\ndef chat_endpoint(message: str):\n def event_stream():\n for result in interpreter.chat(message, stream=True):\n yield f\"data: {result}\\n\\n\"\n\n return StreamingResponse(event_stream(), media_type=\"text/event-stream\")\n\n@app.get(\"/history\")\ndef history_endpoint():\n return interpreter.messages\n```\n\n```shell\npip install fastapi uvicorn\nuvicorn server:app --reload\n```\n\n## Hướng dẫn an toàn\n\nVì mã được tạo được thực thi trong môi trường cục bộ của bạn nên nó có thể tương tác với các tệp và cài đặt hệ thống của bạn, có khả năng dẫn đến các kết quả không mong muốn như mất dữ liệu hoặc rủi ro bảo mật.\n\n**⚠️ Open Interpreter sẽ yêu cầu xác nhận của người dùng trước khi chạy code.**\n\nBạn có thể chạy `interpreter -y` hoặc đặt `interpreter.auto_run = True` để bỏ qua xác nhận này, trong trường hợp đó:\n\n- Hãy thận trọng khi yêu cầu các lệnh sửa đổi tệp hoặc cài đặt hệ thống.\n- Theo dõi Open Interpreter giống như một chiếc ô tô tự lái và sẵn sàng kết thúc quá trình bằng cách đóng terminal của bạn.\n- Cân nhắc việc chạy Open Interpreter trong môi trường bị hạn chế như Google Colab hoặc Replit. Những môi trường này biệt lập hơn, giảm thiểu rủi ro khi chạy code tùy ý.\n\nĐây là hỗ trợ **thử nghiệm** cho [chế độ an toàn](docs/SAFE_MODE.md) giúp giảm thiểu rủi ro.\n\n## Nó hoạt động thế nào?\n\nOpen Interpreter trang bị [mô hình ngôn ngữ gọi hàm](https://platform.openai.com/docs/guides/gpt/function-calling) với một hàm `exec()`, chấp nhận một `language` (như \"Python\" hoặc \"JavaScript\") và `code` để chạy.\n\nSau đó, chúng tôi truyền trực tuyến thông báo, mã của mô hình và kết quả đầu ra của hệ thống của bạn đến terminal dưới dạng Markdown.\n\n# Đóng góp\n\nCảm ơn bạn đã quan tâm đóng góp! Chúng tôi hoan nghênh sự tham gia của cộng đồng.\n\nVui lòng xem [Hướng dẫn đóng góp](CONTRIBUTING.md) để biết thêm chi tiết cách tham gia.\n\n## Giấy phép\n\nOpen Interpreter được cấp phép theo Giấy phép MIT. Bạn được phép sử dụng, sao chép, sửa đổi, phân phối, cấp phép lại và bán các bản sao của phần mềm.\n\n**Lưu ý**: Phần mềm này không liên kết với OpenAI.\n\n> Có quyền truy cập vào một lập trình viên cấp dưới làm việc nhanh chóng trong tầm tay bạn ... có thể khiến quy trình làm việc mới trở nên dễ dàng và hiệu quả, cũng như mở ra những lợi ích của việc lập trình cho người mới.\n>\n> — _Phát hành trình thông dịch mã của OpenAI_\n\n
\n" }, { "path": "docs/README_ZH.md", "content": "
● Open Interpreter（开放解释器）
\n\n\n \n \n \n \n \n
\n
\n 让语言模型在您的计算机上运行代码。
\n 在本地实现的开源OpenAI的代码解释器。
\n
登记以提前获取Open Interpreter（开放解释器）桌面应用程序 | 阅读新文档
\n
\n\n\n\n
\n\n```shell\npip install open-interpreter\n```\n\n```shell\ninterpreter\n```\n\n
\n\n**Open Interpreter（开放解释器）** 可以让大语言模型（LLMs）在本地运行代码（比如 Python、JavaScript、Shell 等）。安装后，在终端上运行 `$ interpreter` 即可通过类似 ChatGPT 的界面与 Open Interpreter 聊天。\n\n本软件为计算机的通用功能提供了一个自然语言界面，比如：\n\n- 创建和编辑照片、视频、PDF 等\n- 控制 Chrome 浏览器进行搜索\n- 绘制、清理和分析大型数据集\n- ...\n\n**⚠️ 注意：在代码运行前都会要求您批准执行代码。**\n\n
\n\n## 演示\n\nhttps://github.com/OpenInterpreter/open-interpreter/assets/63927363/37152071-680d-4423-9af3-64836a6f7b60\n\n#### Google Colab 上也提供了交互式演示：\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n## 快速开始\n\n```shell\npip install open-interpreter\n```\n\n### 终端\n\n安装后，运行 `interpreter`：\n\n```shell\ninterpreter\n```\n\n### Python\n\n```python\nfrom interpreter import interpreter\n\ninterpreter.chat(\"Plot AAPL and META's normalized stock prices\") # 执行单一命令\ninterpreter.chat() # 开始交互式聊天\n```\n\n## 与 ChatGPT 的代码解释器比较\n\nOpenAI 发布的 [Code Interpreter](https://openai.com/blog/chatgpt-plugins#code-interpreter) 和 GPT-4 提供了一个与 ChatGPT 完成实际任务的绝佳机会。\n\n但是，OpenAI 的服务是托管的，闭源的，并且受到严格限制：\n\n- 无法访问互联网。\n- [预装软件包数量有限](https://wfhbrian.com/mastering-chatgpts-code-interpreter-list-of-python-packages/)。\n- 允许的最大上传为 100 MB，且最大运行时间限制为 120.0 秒\n- 当运行环境中途结束时，之前的状态会被清除（包括任何生成的文件或链接）。\n\n---\n\nOpen Interpreter（开放解释器）通过在本地环境中运行克服了这些限制。它可以完全访问互联网，不受运行时间或是文件大小的限制，也可以使用任何软件包或库。\n\n它将 GPT-4 代码解释器的强大功能与本地开发环境的灵活性相结合。\n\n## 命令\n\n### 交互式聊天\n\n要在终端中开始交互式聊天，从命令行运行 `interpreter`：\n\n```shell\ninterpreter\n```\n\n或者从.py 文件中运行 `interpreter.chat()`：\n\n```python\ninterpreter.chat()\n```\n\n### 程序化聊天\n\n为了更精确的控制，您可以通过 `.chat(message)` 直接传递消息 ：\n\n```python\ninterpreter.chat(\"Add subtitles to all videos in /videos.\")\n\n# ... Streams output to your terminal, completes task ...\n\ninterpreter.chat(\"These look great but can you make the subtitles bigger?\")\n\n# ...\n```\n\n### 开始新的聊天\n\n在 Python 中，Open Interpreter 会记录历史对话。如果你想从头开始，可以进行重置：\n\n```python\ninterpreter.messages = []\n```\n\n### 保存和恢复聊天\n\n```python\nmessages = interpreter.chat(\"My name is Killian.\") # 保存消息到 'messages'\ninterpreter.messages = [] # 重置解释器 (\"Killian\" 将被遗忘)\n\ninterpreter.messages = messages # 从 'messages' 恢复聊天 (\"Killian\" 将被记住)\n```\n\n### 自定义系统消息\n\n你可以检查和配置 Open Interpreter 的系统信息，以扩展其功能、修改权限或赋予其更多上下文。\n\n```python\ninterpreter.system_message += \"\"\"\n使用 -y 运行 shell 命令，这样用户就不必确认它们。\n\"\"\"\nprint(interpreter.system_message)\n```\n\n### 更改模型\n\nOpen Interpreter 使用[LiteLLM](https://docs.litellm.ai/docs/providers/)连接到语言模型。\n\n您可以通过设置模型参数来更改模型：\n\n```shell\ninterpreter --model gpt-3.5-turbo\ninterpreter --model claude-2\ninterpreter --model command-nightly\n```\n\n在 Python 环境下，您需要手动设置模型：\n\n```python\ninterpreter.llm.model = \"gpt-3.5-turbo\"\n```\n\n### 在本地运行 Open Interpreter（开放解释器）\n\n```shell\ninterpreter --local\n```\n\n### 调试模式\n\n为了帮助贡献者检查和调试 Open Interpreter，`--verbose` 模式提供了详细的日志。\n\n您可以使用 `interpreter --verbose` 来激活调试模式，或者直接在终端输入：\n\n```shell\n$ interpreter\n...\n> %verbose true <- 开启调试模式\n\n> %verbose false <- 关闭调试模式\n```\n\n## 安全提示\n\n由于生成的代码是在本地环境中运行的，因此会与文件和系统设置发生交互，从而可能导致本地数据丢失或安全风险等意想不到的结果。\n\n**⚠️ 所以在执行任何代码之前，Open Interpreter 都会询问用户是否运行。**\n\n您可以运行 `interpreter -y` 或设置 `interpreter.auto_run = True` 来绕过此确认，此时：\n\n- 在运行请求修改本地文件或系统设置的命令时要谨慎。\n- 请像驾驶自动驾驶汽车一直握着方向盘一样留意 Open Interpreter，并随时做好通过关闭终端来结束进程的准备。\n- 考虑在 Google Colab 或 Replit 等受限环境中运行 Open Interpreter 的主要原因是这些环境更加独立，从而降低执行任意代码导致出现问题的风险。\n\n## 它是如何工作的？\n\nOpen Interpreter 为[函数调用语言模型](https://platform.openai.com/docs/guides/gpt/function-calling)配备了 `exec()` 函数，该函数接受 `编程语言`（如 \"Python \"或 \"JavaScript\"）和要运行的 `代码`。\n\n然后，它会将模型的信息、代码和系统的输出以 Markdown 的形式流式传输到终端。\n\n# 作出贡献\n\n感谢您对本项目参与的贡献！我们欢迎所有人贡献到本项目里面。\n\n请参阅我们的 [贡献准则](CONTRIBUTING.md)，了解如何参与贡献的更多详情。\n\n## 规划图\n\n若要预览 Open Interpreter 的未来，请查看[我们的路线图](https://github.com/OpenInterpreter/open-interpreter/blob/main/docs/ROADMAP.md) 。\n\n**请注意**：此软件与 OpenAI 无关。\n\n\n" }, { "path": "docs/ROADMAP.md", "content": "# Roadmap\n\n## Documentation\n- [ ] Work with Mintlify to translate docs. How does Mintlify let us translate our documentation automatically? I know there's a way.\n- [ ] Better comments throughout the package (they're like docs for contributors)\n- [ ] Show how to replace interpreter.llm so you can use a custom llm\n\n## New features\n- [ ] Figure out how to get OI to answer to user input requests like python's `input()`. Do we somehow detect a delay in the output..? Is there some universal flag that TUIs emit when they expect user input? Should we do this semantically with embeddings, then ask OI to review it and respond..?\n- [ ] Placeholder text that gives a compelling example OI request. Probably use `textual`\n- [ ] Everything else `textual` offers, like could we make it easier to select text? Copy paste in and out? Code editing interface?\n- [x] Let people turn off the active line highlighting\n- [ ] Add a --plain flag which doesn't use rich, just prints stuff in plain text\n- [ ] Use iPython stuff to track the active line, instead of inserting print statements, which makes debugging weird (From ChatGPT: For deeper insights into what's happening behind the scenes, including which line of code is being executed, you can increase the logging level of the IPython kernel. You can configure the kernel's logger to a more verbose setting, which logs each execution request. However, this requires modifying the kernel's startup settings, which might involve changing logging configurations in the IPython kernel source or when launching the kernel.)\n- [ ] Let people edit the code OI writes. Could just open it in the user's preferred editor. Simple. [Full description of how to implement this here.](https://github.com/OpenInterpreter/open-interpreter/pull/830#issuecomment-1854989795)\n- [ ] Display images in the terminal interface\n- [ ] There should be a function that just renders messages to the terminal, so we can revive conversation navigator, and let people look at their conversations\n- [ ] ^ This function should also render the last like 5 messages once input() is about to be run, so we don't get those weird stuttering `rich` artifacts\n- [ ] Let OI use OI, add `interpreter.chat(async=True)` bool. OI can use this to open OI on a new thread\n - [ ] Also add `interpreter.await()` which waits for `interpreter.running` (?) to = False, and `interpreter.result()` which returns the last assistant messages content.\n- [ ] Allow for limited functions (`interpreter.functions`) using regex\n - [ ] If `interpreter.functions != []`:\n - [ ] set `interpreter.computer.languages` to only use Python\n - [ ] Use regex to ensure the output of code blocks conforms to just using those functions + other python basics\n- [ ] (Maybe) Allow for a custom embedding function (`interpreter.embed` or `computer.ai.embed`) which will let us do semantic search\n- [ ] (Maybe) if a git is detected, switch to a mode that's good for developers, like showing nested file structure in dynamic system message, searching for relevant functions (use computer.files.search)\n- [x] Allow for integrations somehow (you can replace interpreter.llm.completions with a wrapped completions endpoint for any kind of logging. need to document this tho)\n - [ ] Document this^\n- [ ] Expand \"safe mode\" to have proper, simple Docker support, or maybe Cosmopolitan LibC\n- [ ] Make it so core can be run elsewhere from terminal package — perhaps split over HTTP (this would make docker easier too)\n- [ ] For OS mode, experiment with screenshot just returning active window, experiment with it just showing the changes, or showing changes in addition to the whole thing, etc. GAIA should be your guide\n\n## Future-proofing\n\n- [ ] Really good tests / optimization framework, to be run less frequently than Github actions tests\n - [x] Figure out how to run us on [GAIA](https://huggingface.co/gaia-benchmark)\n - [x] How do we just get the questions out of this thing?\n - [x] How do we assess whether or not OI has solved the task?\n - [ ] Loop over GAIA, use a different language model every time (use Replicate, then ask LiteLLM how they made their \"mega key\" to many different LLM providers)\n - [ ] Loop over that ↑ using a different prompt each time. Which prompt is best across all LLMs?\n - [ ] (For the NCU) might be good to use a Google VM with a display\n - [ ] (Future future) Use GPT-4 to assess each result, explaining each failure. Summarize. Send it all to GPT-4 + our prompt. Let it redesign the prompt, given the failures, rinse and repeat\n- [ ] Stateless (as in, doesn't use the application directory) core python package. All `appdir` or `platformdirs` stuff should be only for the TUI\n - [ ] `interpreter.__dict__` = a dict derived from config is how the python package should be set, and this should be from the TUI. `interpreter` should not know about the config\n - [ ] Move conversation storage out of the core and into the TUI. When we exit or error, save messages same as core currently does\n- [ ] Further split TUI from core (some utils still reach across)\n- [ ] Better storage of different model keys in TUI / config file. All keys, to multiple providers, should be stored in there. Easy switching\n - [ ] Automatically migrate users from old config to new config, display a message of this\n- [ ] On update, check for new system message and ask user to overwrite theirs, or only let users pass in \"custom instructions\" which adds to our system message\n - [ ] I think we could have a config that's like... system_message_version. If system_message_version is below the current version, ask the user if we can overwrite it with the default config system message of that version. (This somewhat exists now but needs to be robust)\n\n# What's in our scope?\n\nOpen Interpreter contains two projects which support each other, whose scopes are as follows:\n\n1. `core`, which is dedicated to figuring out how to get LLMs to safely control a computer. Right now, this means creating a real-time code execution environment that language models can operate.\n2. `terminal_interface`, a text-only way for users to direct the code-running LLM running inside `core`. This includes functions for connecting the `core` to various local and hosted LLMs (which the `core` itself should not know about).\n\n# What's not in our scope?\n\nOur guiding philosophy is minimalism, so we have also decided to explicitly consider the following as **out of scope**:\n\n1. Additional functions in `core` beyond running code.\n2. More complex interactions with the LLM in `terminal_interface` beyond text (but file paths to more complex inputs, like images or video, can be included in that text).\n\n---\n\nThis roadmap gets pretty rough from here. More like working notes.\n\n# Working Notes\n\n## \\* Roughly, how to build `computer.browser`:\n\nFirst I think we should have a part, like `computer.browser.ask(query)` which just hits up [perplexity](https://www.perplexity.ai/) for fast answers to questions.\n\nThen we want these sorts of things:\n\n- `browser.open(url)`\n- `browser.screenshot()`\n- `browser.click()`\n\nIt should actually be based closely on Selenium. Copy their API so the LLM knows it.\n\nOther than that, basically should be = to the computer module itself, at least the IO / keyboard and mouse parts.\n\nHowever, for non vision models, `browser.screenshot()` can return the accessibility tree, not an image. And for `browser.click(some text)` we can use the HTML to find that text.\n\n**Here's how GPT suggests we implement the first steps of this:**\n\nCreating a Python script that automates the opening of Chrome with the necessary flags and then interacts with it to navigate to a URL and retrieve the accessibility tree involves a few steps. Here's a comprehensive approach:\n\n1. **Script to Launch Chrome with Remote Debugging**:\n\n - This script will start Chrome with the `--remote-debugging-port=9222` flag.\n - It will handle different platforms (Windows, macOS, Linux).\n\n2. **Python Script for Automation**:\n - This script uses `pychrome` to connect to the Chrome instance, navigate to a URL, and retrieve the accessibility tree.\n\n### Step 1: Launching Chrome with Remote Debugging\n\nYou'll need a script to launch Chrome. This script varies based on the operating system. Below is an example for Windows. You can adapt it for macOS or Linux by changing the path and command to start Chrome.\n\n```python\nimport subprocess\nimport sys\nimport os\n\ndef launch_chrome():\n chrome_path = \"C:\\\\Program Files (x86)\\\\Google\\\\Chrome\\\\Application\\\\chrome.exe\" # Update this path for your system\n url = \"http://localhost:9222/json/version\"\n subprocess.Popen([chrome_path, '--remote-debugging-port=9222'], shell=True)\n print(\"Chrome launched with remote debugging on port 9222.\")\n\nif __name__ == \"__main__\":\n launch_chrome()\n```\n\n### Step 2: Python Script to Navigate and Retrieve Accessibility Tree\n\nNext, you'll use `pychrome` to connect to this Chrome instance. Ensure you've installed `pychrome`:\n\n```bash\npip install pychrome\n```\n\nHere's the Python script:\n\n```python\nimport pychrome\nimport time\n\ndef get_accessibility_tree(tab):\n # Enable the Accessibility domain\n tab.call_method(\"Accessibility.enable\")\n\n # Get the accessibility tree\n tree = tab.call_method(\"Accessibility.getFullAXTree\")\n return tree\n\ndef main():\n # Create a browser instance\n browser = pychrome.Browser(url=\"http://127.0.0.1:9222\")\n\n # Create a new tab\n tab = browser.new_tab()\n\n # Start the tab\n tab.start()\n\n # Navigate to a URL\n tab.set_url(\"https://www.example.com\")\n time.sleep(3) # Wait for page to load\n\n # Retrieve the accessibility tree\n accessibility_tree = get_accessibility_tree(tab)\n print(accessibility_tree)\n\n # Stop the tab (closes it)\n tab.stop()\n\n # Close the browser\n browser.close()\n\nif __name__ == \"__main__\":\n main()\n```\n\nThis script will launch Chrome, connect to it, navigate to \"https://www.example.com\", and then print the accessibility tree to the console.\n\n**Note**: The script to launch Chrome assumes a typical installation path on Windows. You will need to modify this path according to your Chrome installation location and operating system. Additionally, handling different operating systems requires conditional checks and respective commands for each OS.\n" }, { "path": "docs/SAFE_MODE.md", "content": "# Safe Mode\n\n**⚠️ Safe mode is experimental and does not provide any guarantees of safety or security.**\n\nOpen Interpreter is working on providing an experimental safety toolkit to help you feel more confident running the code generated by Open Interpreter.\n\nInstall Open Interpreter with the safety toolkit dependencies as part of the bundle:\n\n```shell\npip install open-interpreter[safe]\n```\n\nAlternatively, you can install the safety toolkit dependencies separately in your virtual environment:\n\n```shell\npip install semgrep\n```\n\n## Features\n\n- **No Auto Run**: Safe mode disables the ability to automatically execute code\n- **Code Scanning**: Scan generated code for vulnerabilities with [`semgrep`](https://semgrep.dev/)\n\n## Enabling Safe Mode\n\nYou can enable safe mode by passing the `--safe` flag when invoking `interpreter` or by configuring `safe_mode` in your [config file](https://github.com/OpenInterpreter/open-interpreter#configuration).\n\nThe safe mode setting has three options:\n\n- `off`: disables the safety toolkit (_default_)\n- `ask`: prompts you to confirm that you want to scan code\n- `auto`: automatically scans code\n\n### Example Config:\n\n```yaml\nmodel: gpt-4\ntemperature: 0\nverbose: false\nsafe_mode: ask\n```\n\n## Roadmap\n\nSome upcoming features that enable even more safety:\n\n- [Execute code in containers](https://github.com/OpenInterpreter/open-interpreter/pull/459)\n\n## Tips & Tricks\n\nYou can adjust the `system_message` in your [config file](https://github.com/OpenInterpreter/open-interpreter#configuration) to include instructions for the model to scan packages with [`guarddog`]() before installing them.\n\n```yaml\nmodel: gpt-4\nverbose: false\nsafe_mode: ask\nsystem_message: |\n # normal system message here\n BEFORE INSTALLING ANY PACKAGES WITH pip OR npm YOU MUST SCAN THEM WITH `guarddog` FIRST. Run `guarddog pypi scan $package` for pip packages and `guarddog npm scan $package` for npm packages. `guarddog` only accepts one package name at a time.\n```\n" }, { "path": "docs/SECURITY.md", "content": "# Open Interpreter Security Policy\r\n\r\nWe take security seriously. Responsible reporting and disclosure of security\r\nvulnerabilities is important for the protection and privacy of our users. If you\r\ndiscover any security vulnerabilities, please follow these guidelines.\r\n\r\nPublished security advisories are available on our [GitHub Security Advisories]\r\npage.\r\n\r\nTo report a vulnerability, please draft a [new security advisory on GitHub]. Any\r\nfields that you are unsure of or don't understand can be left at their default\r\nvalues. The important part is that the vulnerability is reported. Once the\r\nsecurity advisory draft has been created, we will validate the vulnerability and\r\ncoordinate with you to fix it, release a patch, and responsibly disclose the\r\nvulnerability to the public. Read GitHub's documentation on [privately reporting\r\na security vulnerability] for details.\r\n\r\nPlease do not report undisclosed vulnerabilities on public sites or forums,\r\nincluding GitHub issues and pull requests. Reporting vulnerabilities to the\r\npublic could allow attackers to exploit vulnerable applications before we have\r\nbeen able to release a patch and before applications have had time to install\r\nthe patch. Once we have released a patch and sufficient time has passed for\r\napplications to install the patch, we will disclose the vulnerability to the\r\npublic, at which time you will be free to publish details of the vulnerability\r\non public sites and forums.\r\n\r\nIf you have a fix for a security vulnerability, please do not submit a GitHub\r\npull request. Instead, report the vulnerability as described in this policy.\r\nOnce we have verified the vulnerability, we can create a [temporary private\r\nfork] to collaborate on a patch.\r\n\r\nWe appreciate your cooperation in helping keep our users safe by following this\r\npolicy.\r\n\r\n[github security advisories]: https://github.com/OpenInterpreter/open-interpreter/security/advisories\r\n[new security advisory on github]: https://github.com/OpenInterpreter/open-interpreter/security/advisories/new\r\n[privately reporting a security vulnerability]: https://docs.github.com/en/code-security/security-advisories/guidance-on-reporting-and-writing/privately-reporting-a-security-vulnerability\r\n[temporary private fork]: https://docs.github.com/en/code-security/security-advisories/repository-security-advisories/collaborating-in-a-temporary-private-fork-to-resolve-a-repository-security-vulnerability\r\n" }, { "path": "docs/code-execution/computer-api.mdx", "content": "---\ntitle: Computer API\n---\n\nThe following functions are designed for language models to use in Open Interpreter, currently only supported in [OS Mode](/guides/os-mode/).\n\n### Display - View\n\nTakes a screenshot of the primary display.\n\n\n\n```python\ninterpreter.computer.display.view()\n```\n\n\n\n### Display - Center\n\nGets the x, y value of the center of the screen.\n\n\n\n```python\nx, y = interpreter.computer.display.center()\n```\n\n\n\n### Keyboard - Hotkey\n\nPerforms a hotkey on the computer\n\n\n\n```python\ninterpreter.computer.keyboard.hotkey(\" \", \"command\")\n```\n\n\n\n### Keyboard - Write\n\nWrites the text into the currently focused window.\n\n\n\n```python\ninterpreter.computer.keyboard.write(\"hello\")\n```\n\n\n\n### Mouse - Click\n\nClicks on the specified coordinates, or an icon, or text. If text is specified, OCR will be run on the screenshot to find the text coordinates and click on it.\n\n\n\n```python\n# Click on coordinates\ninterpreter.computer.mouse.click(x=100, y=100)\n\n# Click on text on the screen\ninterpreter.computer.mouse.click(\"Onscreen Text\")\n\n# Click on a gear icon\ninterpreter.computer.mouse.click(icon=\"gear icon\")\n```\n\n\n\n### Mouse - Move\n\nMoves to the specified coordinates, or an icon, or text. If text is specified, OCR will be run on the screenshot to find the text coordinates and move to it.\n\n\n\n```python\n# Click on coordinates\ninterpreter.computer.mouse.move(x=100, y=100)\n\n# Click on text on the screen\ninterpreter.computer.mouse.move(\"Onscreen Text\")\n\n# Click on a gear icon\ninterpreter.computer.mouse.move(icon=\"gear icon\")\n```\n\n\n\n### Mouse - Scroll\n\nScrolls the mouse a specified number of pixels.\n\n\n\n```python\n# Scroll Down\ninterpreter.computer.mouse.scroll(-10)\n\n# Scroll Up\ninterpreter.computer.mouse.scroll(10)\n```\n\n\n\n### Clipboard - View\n\nReturns the contents of the clipboard.\n\n\n\n```python\ninterpreter.computer.clipboard.view()\n```\n\n\n\n### OS - Get Selected Text\n\nGet the selected text on the screen.\n\n\n\n```python\ninterpreter.computer.os.get_selected_text()\n```\n\n\n\n### Mail - Get\n\nRetrieves the last `number` emails from the inbox, optionally filtering for only unread emails. (Mac only)\n\n\n\n```python\ninterpreter.computer.mail.get(number=10, unread=True)\n```\n\n\n\n### Mail - Send\n\nSends an email with the given parameters using the default mail app. (Mac only)\n\n\n\n```python\ninterpreter.computer.mail.send(\"john@email.com\", \"Subject\", \"Body\", [\"path/to/attachment.pdf\", \"path/to/attachment2.pdf\"])\n```\n\n\n\n### Mail - Unread Count\n\nRetrieves the count of unread emails in the inbox. (Mac only)\n\n\n\n```python\ninterpreter.computer.mail.unread_count()\n```\n\n\n\n### SMS - Send\n\nSend a text message using the default SMS app. (Mac only)\n\n\n\n```python\ninterpreter.computer.sms.send(\"2068675309\", \"Hello from Open Interpreter!\")\n```\n\n\n\n### Contacts - Get Phone Number\n\nReturns the phone number of a contact name. (Mac only)\n\n\n\n```python\ninterpreter.computer.contacts.get_phone_number(\"John Doe\")\n```\n\n\n\n### Contacts - Get Email Address\n\nReturns the email of a contact name. (Mac only)\n\n\n\n```python\ninterpreter.computer.contacts.get_phone_number(\"John Doe\")\n```\n\n\n\n### Calendar - Get Events\n\nFetches calendar events for the given date or date range from all calendars. (Mac only)\n\n\n\n```python\ninterpreter.computer.calendar.get_events(start_date=datetime, end_date=datetime)\n```\n\n\n\n### Calendar - Create Event\n\nCreates a new calendar event. Uses first calendar if none is specified (Mac only)\n\n\n\n```python\ninterpreter.computer.calendar.create_event(title=\"Title\", start_date=datetime, end_date=datetime, location=\"Location\", notes=\"Notes\", calendar=\"Work\")\n```\n\n\n\n### Calendar - Delete Event\n\nDelete a specific calendar event. (Mac only)\n\n\n\n```python\ninterpreter.computer.calendar.delete_event(event_title=\"Title\", start_date=datetime, calendar=\"Work\")\n```\n\n\n\n" }, { "path": "docs/code-execution/custom-languages.mdx", "content": "---\ntitle: Custom Languages\n---\n\nYou can add or edit the programming languages that Open Interpreter's computer runs.\n\nIn this example, we'll swap out the `python` language for a version of `python` that runs in the cloud. We'll use `E2B` to do this.\n\n([`E2B`](https://e2b.dev/) is a secure, sandboxed environment where you can run arbitrary code.)\n\nFirst, [get an API key here](https://e2b.dev/), and set it:\n\n```python\nimport os\nos.environ[\"E2B_API_KEY\"] = \"
Introduction
\n\n![\"thumbnail\"](\"https://openinterpreter.com/assets/banner.jpg\")
\n\n**Open Interpreter** lets language models run code.\n\nYou can chat with Open Interpreter through a ChatGPT-like interface in your terminal by running `interpreter` after installing.\n\nThis provides a natural-language interface to your computer's general-purpose capabilities:\n\n- Create and edit photos, videos, PDFs, etc.\n- Control a Chrome browser to perform research\n- Plot, clean, and analyze large datasets\n- ...etc.\n\n\n\n
Quick start
\n\nIf you already use Python, you can install Open Interpreter via `pip`:\n\n\n
\n\n
\n\n
\\n\",\n \"\\n\",\n \"\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"N72lFowc2GZv\"\n },\n \"source\": [\n \"# Setup\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"rW6EmHRli1fN\"\n },\n \"source\": [\n \"First, let's install `open-interpreter`:\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"id\": \"4pDQ5xE-lokf\"\n },\n \"outputs\": [],\n \"source\": [\n \"!pip install open-interpreter\\n\",\n \"# Google Colab users: restart your runtime here.\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"iYHe0KLri7lU\"\n },\n \"source\": [\n \"Open Interpreter is best used with GPT-4. You can [grab an API key for it here](https://platform.openai.com/account/api-keys).\\n\",\n \"\\n\",\n \"❗ **Remember to restart your runtime** (`Runtime` > `Restart`) before running the next cell, or you will get an error.\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"id\": \"SCEh9l8LZqcL\"\n },\n \"outputs\": [],\n \"source\": [\n \"from interpreter import interpreter\\n\",\n \"\\n\",\n \"# Paste your OpenAI API key below.\\n\",\n \"interpreter.llm.api_key = \\\"your_openai_api_key\\\"\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"source\": [\n \"**By default, Open Interpreter will ask for confirmation before executing any code.**\\n\",\n \"\\n\",\n \"Since Google Colab is a safe, isolated environment, we recommend enabling `auto_run`. This mimics the behavior of OpenAI's code interpreter.\"\n ],\n \"metadata\": {\n \"id\": \"6hQubS1mFe8r\"\n }\n },\n {\n \"cell_type\": \"code\",\n \"source\": [\n \"interpreter.auto_run = True\"\n ],\n \"metadata\": {\n \"id\": \"CrI5b2IAFeDk\"\n },\n \"execution_count\": null,\n \"outputs\": []\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"A1wGFVu9MNpM\"\n },\n \"source\": [\n \"# Basic Examples\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"loqh8HJ-oQAG\"\n },\n \"source\": [\n \"## Hello, World!\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"KQGYgFehnumE\"\n },\n \"source\": [\n \"Let's start by asking the interpreter to print hello world.\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"source\": [\n \"interpreter.chat(\\\"Please print hello world.\\\")\"\n ],\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 182,\n \"referenced_widgets\": [\n \"8e4d22ad1dcc44ec882bb9c6663de431\",\n \"915e05fbbcd44fb1b0402d5a51b9dcf6\",\n \"ed7c54937ec94948915fbe589e04d312\",\n \"ef25bc033b0b419bb7b33e05aed61b43\",\n \"1672ae981ae041ae8b26126e30f29882\",\n \"84e676b87e204fa9b36f1ec2ccefc396\"\n ]\n },\n \"id\": \"sasDzlwm0JAZ\",\n \"outputId\": \"b47ab4ba-6134-42b4-e288-5fd55a1dad89\"\n },\n \"execution_count\": null,\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ],\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"8e4d22ad1dcc44ec882bb9c6663de431\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"ed7c54937ec94948915fbe589e04d312\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"1672ae981ae041ae8b26126e30f29882\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n }\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"iixIiFSsn4LZ\"\n },\n \"source\": [\n \"Great! The model decided to run a **code block** then tell us its output.\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"2VwbdspIofFC\"\n },\n \"source\": [\n \"## Math\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"sf-CMTm2oizg\"\n },\n \"source\": [\n \"For this example, we're going to open an interactive chat in our terminal with `interpreter.chat()`.\\n\",\n \"\\n\",\n \"💬 **The interactive chat behaves exactly like ChatGPT.** 💬\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"uytMTyy6qFMd\"\n },\n \"source\": [\n \"Try this:\\n\",\n \"\\n\",\n \"1. Ask Open Interpreter to solve an equation like `10x + 14 = 12`\\n\",\n \"2. Watch it use a Python library called `sympy` to solve it.\\n\",\n \"3. Stop the cell to leave the interactive chat.\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 336,\n \"referenced_widgets\": [\n \"1326436b350b45ed82d6a1be8d9402ce\",\n \"ef334d3eb6a043608312c67aa3c7e3b8\",\n \"75a72b485eb0422a820209bef270a311\",\n \"065b7774a5a34beebb77f7e6a1501617\",\n \"50e4adc0bc80423e9549ba0ca3c1125d\",\n \"9ad527758ac44f7ba5cf5501f0a2ccc1\"\n ]\n },\n \"id\": \"ZpwadxmIoiIR\",\n \"outputId\": \"bea0ba64-593d-41dc-c805-bb3f047413ce\"\n },\n \"outputs\": [\n {\n \"name\": \"stdout\",\n \"output_type\": \"stream\",\n \"text\": [\n \"Type 'exit' to leave the chat.\\n\",\n \"\\n\",\n \"> Can you solve this equation? 10x + 14 = 21 / 3\\n\"\n ]\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"1326436b350b45ed82d6a1be8d9402ce\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"75a72b485eb0422a820209bef270a311\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"50e4adc0bc80423e9549ba0ca3c1125d\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"name\": \"stdout\",\n \"output_type\": \"stream\",\n \"text\": [\n \"> exit\\n\"\n ]\n }\n ],\n \"source\": [\n \"interpreter.chat()\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"Y-TzGmZ2rVPd\"\n },\n \"source\": [\n \"## Web Browsing\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"2QWXsSwarjav\"\n },\n \"source\": [\n \"Let's ask Open Interpreter to browse the web.\\n\",\n \"\\n\",\n \"1. Start by opening an interactive chat again with `interpreter.chat()`.\\n\",\n \"2. Type a query like \\\"what are the last 10 BBC news headlines?\\\"\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 1000,\n \"referenced_widgets\": [\n \"523049f89f904844ab674b9410ee61c4\",\n \"73078cc9fc5741fcb130caa028914bf9\",\n \"26d0efdbe3624615a7bf632af1e8c60b\",\n \"cc23e29c55ac41fa9bfbb35230fb67e7\",\n \"f45bcc741325488c834cb344c9b2b0fe\",\n \"c97723ce541246e28c2ec4459cc3151f\",\n \"0bb8a3df854e46129e51445df4f8192b\",\n \"ff2383ba5a3943cf8ab4f0cedcb40c3f\",\n \"8b67d19d967b4ec8a22e595c3aea1f79\",\n \"4ecb19ab194440e7962991fe4c9332a7\",\n \"5a9695b9f4f8410b8c3cc92819ad081c\",\n \"cc1a30ae29f5499d8156470700faae6c\"\n ]\n },\n \"id\": \"2WlB4ArZlbOE\",\n \"outputId\": \"e549febb-35f1-48e2-90ef-320beeec313a\"\n },\n \"outputs\": [\n {\n \"name\": \"stdout\",\n \"output_type\": \"stream\",\n \"text\": [\n \"Type 'exit' to leave the chat.\\n\",\n \"\\n\",\n \"> What are the last 10 BBC news headlines?\\n\"\n ]\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"523049f89f904844ab674b9410ee61c4\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"26d0efdbe3624615a7bf632af1e8c60b\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"f45bcc741325488c834cb344c9b2b0fe\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"0bb8a3df854e46129e51445df4f8192b\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"8b67d19d967b4ec8a22e595c3aea1f79\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"5a9695b9f4f8410b8c3cc92819ad081c\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"name\": \"stdout\",\n \"output_type\": \"stream\",\n \"text\": [\n \"> exit\\n\"\n ]\n }\n ],\n \"source\": [\n \"interpreter.chat()\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"Ace0nkv8s66H\"\n },\n \"source\": [\n \"Here it likely ran two code blocks:\\n\",\n \"\\n\",\n \"1. The first code block installed `feedparser` from pip.\\n\",\n \"1. The second used `feedparser` to read the BBC's RSS feed.\\n\",\n \"\\n\",\n \"Notice that the first code block **was a shell command.** Open Interpreter uses Jupyter internally, so it can run shell commands *and* Python.\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"bLWX5tB0rzyW\"\n },\n \"source\": [\n \"## Resetting the Chat\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"bZmlAKzjtWJZ\"\n },\n \"source\": [\n \"In Python, the Open Interpreter instance remembers your conversation history.\\n\",\n \"\\n\",\n \"If you want it to forget previous messages, you can reset it:\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"id\": \"DQzDB8qetlYH\"\n },\n \"outputs\": [],\n \"source\": [\n \"interpreter.messages = []\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"6clx6Pyhtmzj\"\n },\n \"source\": [\n \"Now it won't remember the previous examples.\\n\",\n \"\\n\",\n \"
\\n\",\n \"\\n\",\n \"`Why might I want to do this?`\\n\",\n \"\\n\",\n \"
\\n\",\n \"\\n\",\n \"To reduce the number of tokens that get sent to OpenAI.\\n\",\n \"\\n\",\n \"We need to send OpenAI your entire conversation history (automatically limited to the maximum amount GPT-4 can handle) everytime 1) we send it a message or 2) a code block produces an output.\\n\",\n \"\\n\",\n \"
\\n\",\n \"\\n\",\n \"**Note:** The command-line version of Open Interpreter resets itself automatically.\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"eC27gX51wCm-\"\n },\n \"source\": [\n \"# Advanced Examples\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"c73LbswP4YQF\"\n },\n \"source\": [\n \"## YouTube Link -> Animation\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 341\n },\n \"id\": \"WBAR6xgMSUWX\",\n \"outputId\": \"7623079d-e3a2-44b6-e84f-1e571c70506f\"\n },\n \"outputs\": [\n {\n \"output_type\": \"execute_result\",\n \"data\": {\n \"text/plain\": [\n \"
\\n\",\n \"\\n\",\n \"`Doesn't this require logging into \\\"replicate\\\"?`\\n\",\n \"\\n\",\n \"
\\n\",\n \"\\n\",\n \"Yes, and this is a great reason to use Open Interpreter! We can simply log in to `replicate`, then tell the interpreter how to use it ([I just pasted in replicate's quick start](https://replicate.com/jagilley/controlnet-pose/api)).\\n\",\n \"Because code is run locally, the interpreter is \\\"logged in\\\" too.\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"id\": \"-oLsybTEwelU\"\n },\n \"outputs\": [],\n \"source\": [\n \"# First, let's install Replicate and log in.\\n\",\n \"\\n\",\n \"!pip install replicate\\n\",\n \"import os\\n\",\n \"os.environ[\\\"REPLICATE_API_TOKEN\\\"] = \\\"api_token\\\" # Get yours: https://replicate.com/account\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"referenced_widgets\": [\n \"0fc2ff891df145cd802b1b0f1c369adb\",\n \"a6ddbeb9b5ef4ea58858eabac8fde3c6\",\n \"daba6cb342374830be9830b57d96a599\",\n \"41707e7b17314b17a249388903e0ce71\",\n \"a21bd572aad1457890fd77e77ae60cde\",\n \"800d0a52c55346119c920db787b7f229\",\n \"c39c77408c5e4ab99f127a1306f27554\",\n \"ece854c5547443d78f1e8c0d8960ad47\",\n \"43008ef3259f4bc0aa7662907abe1c03\",\n \"dfae26728db147cb98311156e758816b\",\n \"e280512ec6404a2e9849072c1ac4a74a\",\n \"626af5cf397440b2baec64ed98ea5c3f\",\n \"87f4047550f14103ac55a7ee2736f3ef\",\n \"e6feb1cf757b44bba8fbdecd9b185178\",\n \"83897e5d417c4801b9033373ab047563\",\n \"a2766ca73ab9400d87bbaa96008ebb3b\",\n \"7388e925607147d0903d6b59642d21c1\",\n \"7978261c27704717bf0f5df5231c3dee\",\n \"dff5f7eed46245c6ba0606360289f704\",\n \"151cf723f20d41c392149082e4b987c6\",\n \"d7e431b748474de0a69eee41e44d6eb7\",\n \"e343d276aac5477bb4f9917eb5d8d8db\",\n \"b821ba1c3698465092f5d390725fd535\",\n \"93d564a6d8c842f29e3fcb5e8b8d2a18\",\n \"5313074cfc7b4a70a8031e99640353fc\",\n \"76227155ec874b2bbdd633477275162d\",\n \"d911c9e7aedd42519ee06ef45a0224d2\",\n \"e660cf408ab34428a4f579f4b3770f5e\",\n \"e738acc7f303409f9af430957bb73425\",\n \"7735b6aa07bb48e198f2e79bb8483006\",\n \"c22ab4bfa43a460088c58b6679d60360\",\n \"2e9f43e734694e76829a9ed2a61439be\",\n \"7eed9d874bf846a7b5e545b9c98d417d\",\n \"5e5a5fd06a6d46e3b85e9587d50adfdb\",\n \"dbb96798015249abbad237f9086ac8ff\",\n \"0b001f96904d4c91bf26ad72420e9cca\",\n \"9080b44022b647908b0c8f8dabc51e5f\",\n \"c18416a315554529bbf7f4f4543ecaa3\",\n \"a7c6c1912ff3442e878fe2f19a7bab01\",\n \"2044f647ec5b4bb6a3a363f40bfc45b1\",\n \"298d9dd581714eb68c5f8e179c92065c\",\n \"dbee4b5e838b4cd6bf8da3949c563daa\"\n ]\n },\n \"id\": \"jVG-vqNgODiK\",\n \"outputId\": \"69af54d6-b93e-4353-ee59-b74d1b0fa880\"\n },\n \"outputs\": [\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"0fc2ff891df145cd802b1b0f1c369adb\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"daba6cb342374830be9830b57d96a599\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"a21bd572aad1457890fd77e77ae60cde\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"c39c77408c5e4ab99f127a1306f27554\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"43008ef3259f4bc0aa7662907abe1c03\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"e280512ec6404a2e9849072c1ac4a74a\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"87f4047550f14103ac55a7ee2736f3ef\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"83897e5d417c4801b9033373ab047563\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"7388e925607147d0903d6b59642d21c1\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"dff5f7eed46245c6ba0606360289f704\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"d7e431b748474de0a69eee41e44d6eb7\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"b821ba1c3698465092f5d390725fd535\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"5313074cfc7b4a70a8031e99640353fc\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"d911c9e7aedd42519ee06ef45a0224d2\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"e738acc7f303409f9af430957bb73425\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"c22ab4bfa43a460088c58b6679d60360\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"7eed9d874bf846a7b5e545b9c98d417d\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"dbb96798015249abbad237f9086ac8ff\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"9080b44022b647908b0c8f8dabc51e5f\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"a7c6c1912ff3442e878fe2f19a7bab01\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"298d9dd581714eb68c5f8e179c92065c\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ],\n \"source\": [\n \"# Now we'll ask interpreter to redraw the video using Replicate.\\n\",\n \"\\n\",\n \"message = \\\"\\\"\\\"\\n\",\n \"\\n\",\n \"I want to edit a video so it's in 12 fps and each frame is redrawn with ControlNet\\n\",\n \"to give it a stop motion / hand-drawn animation feeling.\\n\",\n \"\\n\",\n \"Here's how you use ControlNet on a single frame, from Replicate's quick start:\\n\",\n \"\\n\",\n \"import replicate\\n\",\n \"output = replicate.run(\\n\",\n \" \\\"jagilley/controlnet-canny:aff48af9c68d162388d230a2ab003f68d2638d88307bdaf1c2f1ac95079c9613\\\",\\n\",\n \" input={\\\"image\\\": open(\\\"path/to/file\\\", \\\"rb\\\"), \\\"prompt\\\": \\\"
\\n\",\n \"\\n\",\n \"Just for fun, imagine a function that takes a `youtube_url`, passes it into `interpreter.chat(message)` with the instructions above, then returns the processed filename:\\n\",\n \"\\n\",\n \"```python\\n\",\n \"def animate_video(youtube_url):\\n\",\n \" interpreter.messages = []\\n\",\n \" interpreter.message(f'Animate {youtube_url} with the following steps then save to final.mp4. ...')\\n\",\n \" return 'final.mp4'\\n\",\n \"```\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"I1WSa-Jw0KM0\"\n },\n \"source\": [\n \"## Create documents\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 1000,\n \"referenced_widgets\": [\n \"0f4453a4442c4304b22d673c9b1a72ab\",\n \"4ed501ea235a4e77a2d7f4e9ef49eb23\",\n \"85a2c311f8cd4fd484dd5a95079d9dcb\",\n \"bd5ea7bd835a483095abe490c447dd32\",\n \"affa3daf1b964d0995f83ab890e1e214\",\n \"45d35e811af74d4b9798eb2efa6fbe19\",\n \"42895ff661844f4b8e03699a3ac93267\",\n \"fc51add87d6744bc8fb46911b671eac5\",\n \"d045b96ac66249c6af3b39562216c469\",\n \"e32b943cf46c49b49a53275b33b06072\",\n \"00ba9165fc8c406e9ac0fffa01cac05d\",\n \"4a16bcbbc01e40dfb0b835c4af36cc54\",\n \"faa25b85f22545f09f98b5d43cbd21b1\",\n \"74a068f07b49454bba51058b0c1772ae\"\n ]\n },\n \"id\": \"mvkatiSHQr8Z\",\n \"outputId\": \"e80ed572-d01f-4a09-9a0d-108634b97775\"\n },\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"0f4453a4442c4304b22d673c9b1a72ab\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"85a2c311f8cd4fd484dd5a95079d9dcb\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"affa3daf1b964d0995f83ab890e1e214\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"42895ff661844f4b8e03699a3ac93267\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"d045b96ac66249c6af3b39562216c469\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"00ba9165fc8c406e9ac0fffa01cac05d\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"faa25b85f22545f09f98b5d43cbd21b1\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ],\n \"source\": [\n \"interpreter.messages = [] # Reset the chat\\n\",\n \"interpreter.chat(\\\"\\\"\\\"Can you make a folder called documents and put five .docx files in it\\n\",\n \"and write a sentence about machine learning in each of them?\\\"\\\"\\\") # Pass a message directly into chat\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"cM7Yf5pHgeDW\"\n },\n \"source\": [\n \"## Edit all documents in a folder\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 1000,\n \"referenced_widgets\": [\n \"e6247bda53784a498401796d47b5cd3c\",\n \"40af2b00dea44c7a93604188fa913f49\",\n \"49254282d5644edeb2f217b59b9bf28b\",\n \"b3e874cde5924727b3c2cdb93de1e68a\",\n \"ed07889e87744f3aa90e1a211b5b81ff\",\n \"673dce80b4b54a7384a460b0075759fb\",\n \"7244e69be33b441cb435377b5abee7af\",\n \"c0a1d45a04b7406683954288d08915b1\",\n \"e6e713a9e71d495baa5a435abcb27ee1\",\n \"d849c6a21c8b41a8bbb0abc8a95997c5\",\n \"7bc0945fc38c4f7c958bdafed2823093\",\n \"dcfeecca01c345f58eebb9b6209cb5ad\",\n \"1c0545391e074baf8a5fe4f7b892fdd1\",\n \"57f2e054ead24f71a958cae8de41c2b7\",\n \"bc0abb5adb504f1395bbff2e8a5404ef\",\n \"18a380ea6a594f64b8381b1cd1bb2594\",\n \"32f692de87e245e8be0d3d0ec83a2689\",\n \"9201ae6c615b46ec8c97b198f56c38ed\"\n ]\n },\n \"id\": \"o1NJy2Y9RRqM\",\n \"outputId\": \"6a012dd6-e97d-4fe2-8f8c-4e373fe82e64\"\n },\n \"outputs\": [\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"e6247bda53784a498401796d47b5cd3c\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"49254282d5644edeb2f217b59b9bf28b\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"ed07889e87744f3aa90e1a211b5b81ff\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"7244e69be33b441cb435377b5abee7af\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"e6e713a9e71d495baa5a435abcb27ee1\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"7bc0945fc38c4f7c958bdafed2823093\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"1c0545391e074baf8a5fe4f7b892fdd1\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"bc0abb5adb504f1395bbff2e8a5404ef\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"32f692de87e245e8be0d3d0ec83a2689\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ],\n \"source\": [\n \"interpreter.messages = []\\n\",\n \"interpreter.chat(\\\"\\\"\\\"Go through all the .docx files in my 'documents' folder\\n\",\n \"and replace every occurrence of 'Machine Learning' with 'AI'.\\\"\\\"\\\")\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 397,\n \"referenced_widgets\": [\n \"ed507d688c4747158749a94ce44b26b9\",\n \"8e94b43d08f848159b7c621693e26878\",\n \"575438c672314d12b722af00426a8971\",\n \"2e56b90a86e94cb5b51cf56b86837410\",\n \"b5508ace4d4844b68a2fc0f23e320db9\",\n \"2acee6da53c748b194bd4445bdba02a4\"\n ]\n },\n \"id\": \"JLgWXbb_ShkE\",\n \"outputId\": \"f0eedc07-894d-4fe6-a92d-516065141270\"\n },\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"ed507d688c4747158749a94ce44b26b9\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"575438c672314d12b722af00426a8971\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"b5508ace4d4844b68a2fc0f23e320db9\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ],\n \"source\": [\n \"# If you don't run interpreter.messages = [], it will remember your conversation.\\n\",\n \"interpreter.chat(\\\"I wanted to replace the files, so please delete the old ones and rename the new ones\\\")\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"YlDX4rl8x1EF\"\n },\n \"source\": [\n \"## Slow + Reverb a YouTube Link\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 1000,\n \"referenced_widgets\": [\n \"5b414a1b78f44530a2e4d127641b88d7\",\n \"1c0e5743735d4490a8f6a010c77aeb40\",\n \"b94baeecf44949ee9e76b2c080f0b3db\",\n \"3164bb1a7475448e9f5bcaaadd74c63d\",\n \"f86e25f5432b4589b9045ba52ebed7ae\",\n \"99b83169a2c5408dbfa7b835db2d7171\",\n \"4192c99e48fa40eeba50ac981cfd500b\",\n \"0ef2a15fe9594494b7957e9dab6166b0\",\n \"45e937a0dcaf405b8865cceb68551be4\",\n \"6731e56abeba4af69d33942800665902\",\n \"d0aafd6be71f4f548e2ef6df1fb0dde1\",\n \"b21732a379674ae7860fca91e4741739\",\n \"b460785b83194ce8a69121c358c2a5a8\",\n \"c7e4f15aa81a48d9a390beb2ebb24cd3\",\n \"cf53e6745eb14d44a6ce84d8f1efb3e9\",\n \"9d35e8077b634453a9da6c9bdf55c104\",\n \"c31a702d90604293b9494824157c5493\",\n \"77e0222fd2c54dbca7932d57e517601a\",\n \"2dc18ff0d5a64d04a13c602ed889b486\",\n \"b3a3183812fa46d7af4dcade094153d1\",\n \"1b5741879e894f93b66e7f0572892db9\",\n \"fb34c40c88f7423a891c85730730d011\",\n \"82e71737f0d941d1a57fb9882c1a303f\",\n \"61c835b06ac043c0a06cecf241d7fa48\",\n \"aa6c553f705d413fb4908e0d97aa017d\",\n \"8df28d357a604e64b6d7353891fbdaa3\",\n \"e0ca1b4596b44f4285dcd52000aa62c0\",\n \"1356d617a0c74b9fb9dc4f94d78f62aa\",\n \"4f016d1a2474432eb5a601735e6437e2\",\n \"98c4cba0cfb043b7a75b9a80e7661e46\",\n \"267f3fe5e392407d88b0be2f178ba149\",\n \"6f7b2b5688184ea5aa32b7eba22546e6\",\n \"f036842ca1f14c80943388ea7eba105c\",\n \"e38fcb7d81394b1c8c1356f9d272511e\",\n \"a59185faa5bb4ef3ba9810b94096d85e\",\n \"2e658de9a31945bb8221cee533efdc15\",\n \"caec7c9c20f848d0b94b4dd0db73892c\",\n \"0d24fe34dd454245ab16fd84734a063d\",\n \"f491c55d72df4b589454a8861197376b\",\n \"3bba172d1af2465181679c8b336704a7\",\n \"8497cd04499f48eb9a305e6c3db8b38d\",\n \"e64b5e68e0e84553a9e303ba55d389d0\",\n \"163a7b62b46f463b991bba3140df45f4\",\n \"2ced3555ea7a4e358c5ee24ad61affb5\",\n \"77d06811ac04459ba507adec1b053905\",\n \"f25805a2402f4a7ba505fb75554bdbed\",\n \"bfffa91fc96f4f5b9ca25b29025938c6\",\n \"d007873a1ec540b9b73cba17251362b0\",\n \"5635e4c8e7734b3b95693f789c9239ba\",\n \"f944a4b42ef14ae889efef3f5369e173\",\n \"feb8283edfbb49b989a8d29c98701bf0\",\n \"0e33aaf3c5dd44dda84ebc379dd78417\"\n ]\n },\n \"id\": \"Tun9x2jzx33d\",\n \"outputId\": \"dbe7e631-14c9-4ccb-8dbc-c47da8f361a4\"\n },\n \"outputs\": [\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"5b414a1b78f44530a2e4d127641b88d7\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"b94baeecf44949ee9e76b2c080f0b3db\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"f86e25f5432b4589b9045ba52ebed7ae\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"4192c99e48fa40eeba50ac981cfd500b\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"45e937a0dcaf405b8865cceb68551be4\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"d0aafd6be71f4f548e2ef6df1fb0dde1\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"b460785b83194ce8a69121c358c2a5a8\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"cf53e6745eb14d44a6ce84d8f1efb3e9\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"c31a702d90604293b9494824157c5493\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"2dc18ff0d5a64d04a13c602ed889b486\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"1b5741879e894f93b66e7f0572892db9\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"82e71737f0d941d1a57fb9882c1a303f\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"aa6c553f705d413fb4908e0d97aa017d\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"e0ca1b4596b44f4285dcd52000aa62c0\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"4f016d1a2474432eb5a601735e6437e2\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"267f3fe5e392407d88b0be2f178ba149\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"f036842ca1f14c80943388ea7eba105c\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"a59185faa5bb4ef3ba9810b94096d85e\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"caec7c9c20f848d0b94b4dd0db73892c\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"f491c55d72df4b589454a8861197376b\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"8497cd04499f48eb9a305e6c3db8b38d\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"163a7b62b46f463b991bba3140df45f4\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"77d06811ac04459ba507adec1b053905\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"bfffa91fc96f4f5b9ca25b29025938c6\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"5635e4c8e7734b3b95693f789c9239ba\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"feb8283edfbb49b989a8d29c98701bf0\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"name\": \"stderr\",\n \"output_type\": \"stream\",\n \"text\": [\n \"WARNING:urllib3.connectionpool:Connection pool is full, discarding connection: api.openai.com. Connection pool size: 10\\n\"\n ]\n }\n ],\n \"source\": [\n \"message = \\\"Can you slow + reverb this song? https://www.youtube.com/watch?v=8GW6sLrK40k\\\"\\n\",\n \"\\n\",\n \"interpreter.messages = []\\n\",\n \"interpreter.chat(message)\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 75\n },\n \"id\": \"3_uywJFkISTi\",\n \"outputId\": \"14fdb933-bcea-4b34-cb63-e05ebbe895a6\"\n },\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": [\n \"\\n\",\n \" \\n\",\n \" \"\n ],\n \"text/plain\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"b1ed6a8960964d01937082e84b55cf3a\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"e96fdcfcde144e78b7977830628e77f9\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ],\n \"source\": [\n \"message = \\\"\\\"\\\"\\n\",\n \"\\n\",\n \"Hello! I'd like your help making some artwork for the Open Interpreter project.\\n\",\n \"\\n\",\n \"It's going to be pixel art, ~160 wide and 14 pixels tall. Black background.\\n\",\n \"\\n\",\n \"I'd like to see rectangles on every other row. These should be anywhere from\\n\",\n \"~6 to 36 pixels in width. They should be placed randomly around the image, never touching eachother\\n\",\n \"(the space between them should be ~16-64 pixels). They can go off screen / butt up against the edges.\\n\",\n \"\\n\",\n \"Half of these rectangles should be white, half should be a powerful purple color: R138 G43 B226\\n\",\n \"\\n\",\n \"Once you've created it, please scale it up with nearest-neighbor 10x.\\n\",\n \"\\n\",\n \"Please make ~10 options I can review, like banner_1.png, banner_2.png, etc.\\n\",\n \"\\n\",\n \"\\\"\\\"\\\"\\n\",\n \"\\n\",\n \"interpreter.messages = []\\n\",\n \"interpreter.chat(message)\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"OTTkCcIshgmB\"\n },\n \"source\": [\n \"## Add subtitles to videos\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"source\": [\n \"`replicate` also has a speech-to-text service that generates subtitle files (.srt).\\n\",\n \"\\n\",\n \"Let's ask Open Interpreter to use some code [copied from replicate's quickstart](https://replicate.com/m1guelpf/whisper-subtitles/api) to add hardcoded subtitles to a video:\"\n ],\n \"metadata\": {\n \"id\": \"NKA7CWtSfrUf\"\n }\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 1000,\n \"referenced_widgets\": [\n \"56f46ba6d7254804843b932c97007f85\",\n \"2b36d066449447c1817a4a5f945aada3\",\n \"44646c403c814456a6a4665c3236a79d\",\n \"5bb4cd46aed946578d102122a0944a71\",\n \"c72c1bac807b40d297fdba74958df4de\",\n \"fe21edae84cc4778a3ddc2fcaedfbc3d\",\n \"6aae7d9824224170be7f43c8c423c488\",\n \"1c79566727f944fcbe35f3d793f110e3\",\n \"155ee92669cc4e1180a1568bfffb8720\",\n \"7da8ca4865a647d6ac46a64af17fd02d\",\n \"8b00506f94854fcc971d08b1577a531a\",\n \"6d14d7db445b4f829275aea79bd0dbd1\",\n \"2882213b1cce4520b8e0ee44be5f1924\",\n \"1038b781d07d4e8e8df69bff5b2df9ad\",\n \"d77d9d8269874d54b6762f634e916206\",\n \"9d1e55aa8c544a3aa780fa2230b82c21\",\n \"c89ae989cd4549e58606b7d2cd95ece4\",\n \"aae61f21148843148e082f1349b130ae\"\n ]\n },\n \"id\": \"BTB3zD5QnJd8\",\n \"outputId\": \"e14e476c-4128-4dc8-eb2b-3b0a24093aad\"\n },\n \"outputs\": [\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"56f46ba6d7254804843b932c97007f85\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"44646c403c814456a6a4665c3236a79d\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"c72c1bac807b40d297fdba74958df4de\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"6aae7d9824224170be7f43c8c423c488\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"155ee92669cc4e1180a1568bfffb8720\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"8b00506f94854fcc971d08b1577a531a\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"2882213b1cce4520b8e0ee44be5f1924\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"d77d9d8269874d54b6762f634e916206\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"c89ae989cd4549e58606b7d2cd95ece4\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ],\n \"source\": [\n \"message = \\\"\\\"\\\"\\n\",\n \"Hello! I just logged into Replicate on this machine. You have my permission to run any code.\\n\",\n \"\\n\",\n \"Could you use their speech-to-text service to hardcode subtitles to the bottom of billyking.mp4 and make billy_subbed.mp4?\\n\",\n \"\\\"\\\"\\\"\\n\",\n \"\\n\",\n \"# Again, let's give Open Interpreter an example of how to use the service.\\n\",\n \"message += \\\"\\\"\\\"\\n\",\n \"Here's some code that Replicate provides for how to use their service:\\n\",\n \"\\n\",\n \"import replicate\\n\",\n \"output = replicate.run(\\n\",\n \" \\\"m1guelpf/whisper-subtitles:7f686e243a96c7f6f0f481bcef24d688a1369ed3983cea348d1f43b879615766\\\",\\n\",\n \" input={\\\"audio_path\\\": open(\\\"path/to/file\\\", \\\"rb\\\")} # Can also be a video path\\n\",\n \")\\n\",\n \"print(output)\\n\",\n \"\\n\",\n \"\\\"\\\"\\\"\\n\",\n \"\\n\",\n \"# Now let's reset and run Open Interpreter.\\n\",\n \"interpreter.messages = []\\n\",\n \"interpreter.chat(message)\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"t9v9bo4x2Z3f\"\n },\n \"source\": [\n \"You can [watch the output video here.](https://youtube.com/shorts/F6gOzP691po?feature=share)\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {\n \"id\": \"KrgUKfZDLTEa\"\n },\n \"source\": [\n \"## YouTube video -> TikTok Clip\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 1000,\n \"referenced_widgets\": [\n \"dfd7d092f15c4b33b4d9b4c299a56577\",\n \"46f16ac02db04d13bdf9461b2e268ad3\",\n \"894485c6aa7a4560b1625b0667c4b0ad\",\n \"c2678de51ec648b78d4965a3b898ffef\",\n \"1ba7ab9f477040ccb236598ef1085084\",\n \"58c456a67739434b87b368aefc561eff\",\n \"ba8772dae7fd44e4937b74a810235984\",\n \"4ea12542e3134a719e8ca95bf443d710\",\n \"7e39eac50d9b4e6e83818eccc7003bab\",\n \"c1d7c09472ef40fa94bc348a0ce07711\",\n \"70e01c3e03814cf2891e77d0f27f5e0a\",\n \"5401202e0cbc4b7d93601ffceee34823\",\n \"acfb473b29e44673a1fff74002d1a9fb\",\n \"c04640e4839d455b9faf31eb0f6cc24a\",\n \"e34e60e6f4a748fb856638e13dcea9ee\",\n \"ea5366ee0804463b8ef07de383494750\",\n \"e6b9ad18bbf94231be36619c23829365\",\n \"1379bc8127c34125a9edcaa6ff80cb29\",\n \"633eb737a8a540618283944da6587395\",\n \"0422283e06104822a0b17e36537887ba\",\n \"9c4a0269b2f545fd91690a0e05916486\",\n \"54ba24de07fd495da0709275580522c4\",\n \"5c29036bf1394564ac06e60a277c2f4b\",\n \"13288eb48c78450bb9c29905f1cfe5cc\",\n \"0a2bad1e724c412d9400b8ec3757d5fe\",\n \"71be2ada61ca4eeca6c9c3169bf5a981\",\n \"05159ee8a8ce4d1f842636561b767c1e\",\n \"d41a011efd5148b998b27e7ecb43d6d6\",\n \"f89766aa83954606822ac810550089a4\",\n \"c092298defd44aea990d9b4e7368fb39\",\n \"f9f0fbe9b4e8458daff8f0b208afe06d\",\n \"4a0fea39019242139a82c33d7513ccb7\",\n \"e94d50d8f12d4e97a9e4a147e1717a44\",\n \"903ff249dcad4e2bbb19f036ee19d2cb\",\n \"f4a860ee64cd4d1dbddcf49bccafb1d2\",\n \"2484cf82892e4459972b079943d9fe4d\",\n \"7f88ac26e8cb4dce8d372d38501bdec2\",\n \"646e8aa419f3420cbc453d285634a114\",\n \"2d1cd08ae5be4df8bef9f9ebc9347349\",\n \"a954618bf6d344c285f74578e496dc0c\",\n \"a5da8f42711545d09911118485e8e83e\",\n \"303c046d8d1e44c8b20e21678d26ee71\",\n \"71346df88e4c4123b952c6606eb2acf0\",\n \"cf0ee63e4bab46acacb822a12586db47\",\n \"5a1dc9c1a1d642a1a9ea4e60c18ce53d\",\n \"fd6e706a8ee04707a3423071a6415341\",\n \"eae96616b13a46bfae7a02eb59259c74\",\n \"37efe298ef1d499993852f8dfba85757\",\n \"613b2d7898184c9f91302f0137a1bf0a\",\n \"a96323047b04490aa28cb68056a3242d\",\n \"ca48e8fcc96b4e0d985c7a3096aa04bb\",\n \"8775c6e74caa4e2e85935960e6d9bf1a\",\n \"8b359f3ad34840ebbf9e40348d7fcc44\",\n \"1d5dd9f4d7cd41ab98e463f7fe8dc5d3\",\n \"e8c4baed02d34a21a3e7de3a69b3a158\",\n \"9ec4005929104fd9aa041b7460b5298f\",\n \"f0115b2d6740493484333cccfcbcf41c\",\n \"a60d203e2b3b466da2f420c1396b90b2\",\n \"26fea9a4ea31438c8bbe14445910c8e5\",\n \"6887887f49b14c249cb892a9c936070b\",\n \"806ab28204a440b58ba5fde861e13d48\",\n \"a68ae6eec13d47d182388c12e8874457\",\n \"77f449758de3412abd0d78d059d43ef1\",\n \"edf044df54ef451781627f91bac2a9c3\",\n \"e468488a3ec14569adfd1bcdaefd9a35\",\n \"cf2aaac773e442b0bc8fbbc152dd0b23\",\n \"b4827858c2fe4cc28f9fc38fef5040c3\",\n \"86328979d39d4e689f787d27e0989adc\",\n \"b6a181f821044dcc875efcbc2fed3747\",\n \"c9e6274288f640af92d3224b0393390a\",\n \"2cf83094efd74450a44684621cec09ba\",\n \"9c56ce6494ae4d13a9c652e93d08d34f\",\n \"5b13f6f7553f4ef69b4deb45734b3906\",\n \"62b5f3bf807f4e17a0fee6e73b19b50f\",\n \"4d37ead524de46239d479f3d5660af3f\",\n \"fd62af45f4c74a9a93a93ed62415f62f\",\n \"5ca82a2033fb4b0c93ba168d64f6ef9e\",\n \"6c4cadeb9ad74ad5984cb26042f1b36a\"\n ]\n },\n \"id\": \"RxbP1THRwCcp\",\n \"outputId\": \"a4ded3e7-0bfd-472d-befb-0e0841df38a8\"\n },\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"dfd7d092f15c4b33b4d9b4c299a56577\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"894485c6aa7a4560b1625b0667c4b0ad\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"1ba7ab9f477040ccb236598ef1085084\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"ba8772dae7fd44e4937b74a810235984\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"7e39eac50d9b4e6e83818eccc7003bab\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"70e01c3e03814cf2891e77d0f27f5e0a\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"acfb473b29e44673a1fff74002d1a9fb\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"e34e60e6f4a748fb856638e13dcea9ee\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"e6b9ad18bbf94231be36619c23829365\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"633eb737a8a540618283944da6587395\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"9c4a0269b2f545fd91690a0e05916486\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"5c29036bf1394564ac06e60a277c2f4b\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"0a2bad1e724c412d9400b8ec3757d5fe\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"05159ee8a8ce4d1f842636561b767c1e\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"f89766aa83954606822ac810550089a4\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"f9f0fbe9b4e8458daff8f0b208afe06d\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"e94d50d8f12d4e97a9e4a147e1717a44\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"f4a860ee64cd4d1dbddcf49bccafb1d2\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"stream\",\n \"name\": \"stderr\",\n \"text\": [\n \"WARNING:py.warnings:/usr/local/lib/python3.10/dist-packages/moviepy/video/io/ffmpeg_reader.py:123: UserWarning: Warning: in file clip.mkv, 2764800 bytes wanted but 0 bytes read,at frame 819/820, at time 27.33/27.33 sec. Using the last valid frame instead.\\n\",\n \" warnings.warn(\\\"Warning: in file %s, \\\"%(self.filename)+\\n\",\n \"\\n\"\n ]\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"7f88ac26e8cb4dce8d372d38501bdec2\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"2d1cd08ae5be4df8bef9f9ebc9347349\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"a5da8f42711545d09911118485e8e83e\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"71346df88e4c4123b952c6606eb2acf0\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"5a1dc9c1a1d642a1a9ea4e60c18ce53d\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"eae96616b13a46bfae7a02eb59259c74\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ],\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"613b2d7898184c9f91302f0137a1bf0a\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"ca48e8fcc96b4e0d985c7a3096aa04bb\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"8b359f3ad34840ebbf9e40348d7fcc44\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"e8c4baed02d34a21a3e7de3a69b3a158\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"f0115b2d6740493484333cccfcbcf41c\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ],\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"26fea9a4ea31438c8bbe14445910c8e5\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"806ab28204a440b58ba5fde861e13d48\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ],\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"77f449758de3412abd0d78d059d43ef1\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"e468488a3ec14569adfd1bcdaefd9a35\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ],\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"b4827858c2fe4cc28f9fc38fef5040c3\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"b6a181f821044dcc875efcbc2fed3747\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"2cf83094efd74450a44684621cec09ba\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"5b13f6f7553f4ef69b4deb45734b3906\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"4d37ead524de46239d479f3d5660af3f\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"5ca82a2033fb4b0c93ba168d64f6ef9e\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n }\n ],\n \"source\": [\n \"message = \\\"\\\"\\\"\\n\",\n \"\\n\",\n \"I'd like your help in making a TikTok clip of this: https://www.youtube.com/watch?v=KgHkAwaW_lk\\n\",\n \"\\n\",\n \"Please cut the clip from this -- from 0:15 to 0:38 -- and crop it to portrait (exactly 9:16-- this will be tricky)\\n\",\n \"around the face in the frame. Just follow the face horizontally -- the final video should be as tall as the original.\\n\",\n \"\\n\",\n \"You'll need to smoothly/softly follow the one face in the frame so please smoothly average out the motion\\n\",\n \"between confident face detections. Then put the audio back in. Thanks!\\n\",\n \"\\n\",\n \"\\\"\\\"\\\"\\n\",\n \"\\n\",\n \"interpreter.messages = []\\n\",\n \"interpreter.chat(message)\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"source\": [\n \"Nice! It's saved as `cropped_clip_with_audio.mkv`.\\n\",\n \"\\n\",\n \"One problem -- if we want to send it to our phone and upload it to TikTok or YT Shorts, we'll need it to be an `.mp4` file.\\n\",\n \"\\n\",\n \"So, let's just ask for that:\"\n ],\n \"metadata\": {\n \"id\": \"uOyXpFqf3_oJ\"\n }\n },\n {\n \"cell_type\": \"code\",\n \"source\": [\n \"# The interpreter remembers our conversation unless we explicitly .reset() it.\\n\",\n \"interpreter.chat(\\\"Looks great! Can you convert it to an mp4?\\\")\"\n ],\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 562,\n \"referenced_widgets\": [\n \"647b95ec7a5b40979432289c033ccd79\",\n \"85e5e774473d4d629a91899373d2602b\",\n \"82db7edca0184c31a689eb8ad4785611\",\n \"5988deb63066470bb3225344289929e9\",\n \"4bb6ea2b3ce6407cb1b85c32ad828415\",\n \"09287fc3783049898cdb624d0cc4bf81\"\n ]\n },\n \"id\": \"84C89ntP4lxm\",\n \"outputId\": \"ec6ffbf0-9f29-4c0a-dfaf-b8d3b7e27b08\"\n },\n \"execution_count\": null,\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ],\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"647b95ec7a5b40979432289c033ccd79\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"82db7edca0184c31a689eb8ad4785611\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [\n \"Output()\"\n ],\n \"application/vnd.jupyter.widget-view+json\": {\n \"version_major\": 2,\n \"version_minor\": 0,\n \"model_id\": \"4bb6ea2b3ce6407cb1b85c32ad828415\"\n }\n },\n \"metadata\": {}\n },\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": [],\n \"text/html\": [\n \"\\n\"\n ]\n },\n \"metadata\": {}\n }\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"source\": [\n \"Amazing. Now we can display the final result in Google Colab, too:\"\n ],\n \"metadata\": {\n \"id\": \"1U_yIkHt4yrH\"\n }\n },\n {\n \"cell_type\": \"code\",\n \"source\": [\n \"# Final output:\"\n ],\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 732\n },\n \"id\": \"13UWfW1K3nl4\",\n \"outputId\": \"6c84fa20-f3f3-4056-bfea-88aad4195163\"\n },\n \"execution_count\": null,\n \"outputs\": [\n {\n \"output_type\": \"execute_result\",\n \"data\": {\n \"text/plain\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"ef7637cf473b48a59806e2a66042cba1\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"961f446973c6459cadc262fca5193d9d\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"eb83234ed4724410aec6bde226f104a1\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"886daf8914584873b21fb95604cfa84f\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"
\\n\",\n \"\\n\",\n \"\\n\"\n ],\n \"text/plain\": [\n \"\\n\",\n \"\\n\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"38bd644aee574f47b65793c655bcc9c9\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"1ab1dc792ecf498fb44978beb9fad234\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"2ce496485d074f51a900bcf1435f6080\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"1f97758eecde4cc7beb4439fdda4e8ea\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"ad1cdb2076be4851b5d3a9af551e2e1e\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"application/vnd.jupyter.widget-view+json\": {\n \"model_id\": \"48b7cb834ffe4597b7589228a8b7d11d\",\n \"version_major\": 2,\n \"version_minor\": 0\n },\n \"text/plain\": [\n \"Output()\"\n ]\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n },\n {\n \"data\": {\n \"text/html\": [\n \"\\n\"\n ],\n \"text/plain\": []\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ],\n \"source\": [\n \"message = \\\"\\\"\\\"\\n\",\n \"Hi, I want to make a video that's comprised of 12 frames. The 12 frames should be of the image\\n\",\n \"victoria.png run through controlnet with different materials as prompts.\\n\",\n \"\\n\",\n \"I'm logged into replicate on this machine. Here's how to use replicate's controlnet:\\n\",\n \"\\n\",\n \"output = replicate.run(\\n\",\n \" \\\"jagilley/controlnet-canny:aff48af9c68d162388d230a2ab003f68d2638d88307bdaf1c2f1ac95079c9613\\\",\\n\",\n \" input={\\\"image\\\": open(\\\"path/to/file\\\", \\\"rb\\\"), \\\"prompt\\\": \\\"metal\\\"}\\n\",\n \")\\n\",\n \"print(output)\\n\",\n \"\\n\",\n \"Can you run victoria.png through this 12 times with different materials each time like \\\"metal\\\", \\\"embroidery\\\", and \\\"crayon\\\"?\\n\",\n \"Then stitch together the 12 pictures into a 1 second video clip. Thank you!\\n\",\n \"\\\"\\\"\\\"\\n\",\n \"\\n\",\n \"interpreter.messages = []\\n\",\n \"interpreter.chat(message)\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"source\": [\n \"# Watch the final output:\"\n ],\n \"metadata\": {\n \"colab\": {\n \"base_uri\": \"https://localhost:8080/\",\n \"height\": 321\n },\n \"id\": \"QIBeCFA25E_h\",\n \"outputId\": \"6dae1485-b6b7-4653-aea1-54185fad37d2\"\n },\n \"execution_count\": null,\n \"outputs\": [\n {\n \"output_type\": \"execute_result\",\n \"data\": {\n \"text/plain\": [\n \"
\\n from docx import Document \\n \\n # Creating 5 documents with sentences about Machine Learning. \\n doc_texts = [ \\n 'Machine learning is a method of data analysis that automates analytical model building.', \\n 'It is a branch of artificial intelligence based on the idea that systems can learn from data.', \\n 'Machine learning is an application of artificial intelligence (AI) that provides systems the ability to au \\n 'Machine learning focuses on the development of computer programs that can access data and use it learn for \\n 'The process of learning begins with observations or data, such as examples, direct experience, or instruct \\n ] \\n \\n def create_doc(path, text): \\n doc = Document() \\n doc.add_paragraph(text) \\n doc.save(path) \\n \\n # Creating and saving the documents. \\n for i in range(5): \\n create_doc(f'documents/doc{i+1}.docx', doc_texts[i]) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdocx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mDocument\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Creating 5 documents with sentences about Machine Learning.\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdoc_texts\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mMachine learning is a method of data analysis that automates analytical model building.\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mIt is a branch of artificial intelligence based on the idea that systems can learn from data.\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mMachine learning is an application of artificial intelligence (AI) that provides systems the ability to au\\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mMachine learning focuses on the development of computer programs that can access data and use it learn for\\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mThe process of learning begins with observations or data, such as examples, direct experience, or instruct\\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mdef\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;166;226;46;48;2;39;40;34mcreate_doc\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpath\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtext\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdoc\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mDocument\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdoc\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34madd_paragraph\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtext\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdoc\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msave\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpath\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Creating and saving the documents.\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrange\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcreate_doc\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mdocuments/doc\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m.docx\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdoc_texts\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"065b7774a5a34beebb77f7e6a1501617\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"0b001f96904d4c91bf26ad72420e9cca\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"0bb8a3df854e46129e51445df4f8192b\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_ff2383ba5a3943cf8ab4f0cedcb40c3f\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import feedparser \\n \\n feed = feedparser.parse('http://feeds.bbci.co.uk/news/rss.xml') \\n [entry.title for entry in feed.entries[:10]] \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfeedparser\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfeed\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfeedparser\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mparse\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mhttp://feeds.bbci.co.uk/news/rss.xml\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mentry\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtitle\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mentry\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfeed\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mentries\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m10\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"0cbcc3ce78ac4df28d0326e591a2418e\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"0cd08b7a5f5a4d8c9cd61e5df2a43dc3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"0d24fe34dd454245ab16fd84734a063d\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"0e33aaf3c5dd44dda84ebc379dd78417\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"0ef2a15fe9594494b7957e9dab6166b0\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"0f4453a4442c4304b22d673c9b1a72ab\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_4ed501ea235a4e77a2d7f4e9ef49eb23\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import os \\n os.mkdir('documents') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmkdir\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mdocuments\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"0fc2ff891df145cd802b1b0f1c369adb\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_a6ddbeb9b5ef4ea58858eabac8fde3c6\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n This is a multi-step task. Here's the plan: \\n \\n 1 Install necessary packages: yt-dlp for downloading the YouTube video, moviepy for video editing, and \\n replicate for using ControlNet. \\n 2 Download the video from YouTube. \\n 3 Extract the audio from the video to add it back later. \\n 4 Cut the video to the specified time frame (0:10 to 0:17). \\n 5 Reduce the video to 12 frames per second. \\n 6 For each frame in the video, use ControlNet to redraw it with a random prompt that evokes a stop motion / \\n hand-drawn animation. \\n 7 Combine the redrawn frames into a new video. \\n 8 Add the original audio back to the new video. \\n \\n Let's start with the first step, which is installing the necessary packages. \\n \\n\\n\",\n \"text/plain\": \" \\n This is a multi-step task. Here's the plan: \\n \\n \\u001b[1;33m 1 \\u001b[0mInstall necessary packages: \\u001b[1;36;40myt-dlp\\u001b[0m for downloading the YouTube video, \\u001b[1;36;40mmoviepy\\u001b[0m for video editing, and \\n \\u001b[1;33m \\u001b[0m\\u001b[1;36;40mreplicate\\u001b[0m for using ControlNet. \\n \\u001b[1;33m 2 \\u001b[0mDownload the video from YouTube. \\n \\u001b[1;33m 3 \\u001b[0mExtract the audio from the video to add it back later. \\n \\u001b[1;33m 4 \\u001b[0mCut the video to the specified time frame (0:10 to 0:17). \\n \\u001b[1;33m 5 \\u001b[0mReduce the video to 12 frames per second. \\n \\u001b[1;33m 6 \\u001b[0mFor each frame in the video, use ControlNet to redraw it with a random prompt that evokes a stop motion / \\n \\u001b[1;33m \\u001b[0mhand-drawn animation. \\n \\u001b[1;33m 7 \\u001b[0mCombine the redrawn frames into a new video. \\n \\u001b[1;33m 8 \\u001b[0mAdd the original audio back to the new video. \\n \\n Let's start with the first step, which is installing the necessary packages. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"1038b781d07d4e8e8df69bff5b2df9ad\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"1276e768ba0143ac98e1a1369dedd755\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_0cd08b7a5f5a4d8c9cd61e5df2a43dc3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import replicate \\n \\n material_prompts = ['metal', 'embroidery', 'crayon'] \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmaterial_prompts\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mmetal\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34membroidery\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mcrayon\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"1326436b350b45ed82d6a1be8d9402ce\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_ef334d3eb6a043608312c67aa3c7e3b8\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import sympy as sp \\n \\n x = sp.symbols('x') \\n equation = 10*x + 14 - 21/3 \\n solution = sp.solve(equation, x) \\n solution \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msympy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mas\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msp\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msymbols\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mequation\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m10\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m14\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m21\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m3\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msolution\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msolve\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mequation\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msolution\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"1356d617a0c74b9fb9dc4f94d78f62aa\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"151cf723f20d41c392149082e4b987c6\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"155ee92669cc4e1180a1568bfffb8720\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_7da8ca4865a647d6ac46a64af17fd02d\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n {'language': 'english', 'subtitles': \\\"WEBVTT\\\\n00:00.000 --> 00:02.000\\\\n Well I'm a stoner man\\\\n00:04.000 --> \\n 00:07.000\\\\n That's right I took in man\\\\n00:08.560 --> 00:10.560\\\\n Put a joint in my hand\\\\n00:12.240 --> \\n 00:14.240\\\\n And lose control\\\\n00:16.840 --> 00:18.840\\\\n Well, I'm a lunatic man\\\\n00:21.440 --> 00:23.440\\\\n I \\n got right crazy man\\\\n00:25.560 --> 00:28.720\\\\n Then take you long if you're out\\\\n00:28.720 --> 00:30.720\\\\n I'm \\n out of game trouble\\\\n00:35.720 --> 00:37.720\\\\n I could\\\\n00:37.720 --> 00:39.720\\\\n No\\\\n00:39.720 --> 00:41.720\\\\n \\n Oh\\\\n00:41.720 --> 00:43.720\\\\n No\\\\n\\\", 'text': \\\" Well I'm a stoner man That's right I took in man Put a joint in \\n my hand And lose control Well, I'm a lunatic man I got right crazy man Then take you long if you're out I'm out \\n of game trouble I could No Oh No\\\"} \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m{'language': 'english', 'subtitles': \\\"WEBVTT\\\\n00:00.000 --> 00:02.000\\\\n Well I'm a stoner man\\\\n00:04.000 --> \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m00:07.000\\\\n That's right I took in man\\\\n00:08.560 --> 00:10.560\\\\n Put a joint in my hand\\\\n00:12.240 --> \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m00:14.240\\\\n And lose control\\\\n00:16.840 --> 00:18.840\\\\n Well, I'm a lunatic man\\\\n00:21.440 --> 00:23.440\\\\n I \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mgot right crazy man\\\\n00:25.560 --> 00:28.720\\\\n Then take you long if you're out\\\\n00:28.720 --> 00:30.720\\\\n I'm \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mout of game trouble\\\\n00:35.720 --> 00:37.720\\\\n I could\\\\n00:37.720 --> 00:39.720\\\\n No\\\\n00:39.720 --> 00:41.720\\\\n\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOh\\\\n00:41.720 --> 00:43.720\\\\n No\\\\n\\\", 'text': \\\" Well I'm a stoner man That's right I took in man Put a joint in \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mmy hand And lose control Well, I'm a lunatic man I got right crazy man Then take you long if you're out I'm out\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mof game trouble I could No Oh No\\\"}\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"163a7b62b46f463b991bba3140df45f4\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2ced3555ea7a4e358c5ee24ad61affb5\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install pydub \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpydub\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"18a380ea6a594f64b8381b1cd1bb2594\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"1ab1dc792ecf498fb44978beb9fad234\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_6bd4412598a24f4b82c9fd8918a3e0ae\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[45], line 3 \\n print(clip.write_videofile('video.mp4', codec='mpeg4')) \\n File <decorator-gen-73>:2 in write_videofile \\n File /usr/local/lib/python3.10/dist-packages/moviepy/decorators.py:54 in requires_duration \\n return f(clip, *a, **k) \\n File <decorator-gen-72>:2 in write_videofile \\n File /usr/local/lib/python3.10/dist-packages/moviepy/decorators.py:130 in use_clip_fps_by_default \\n new_a = [fun(arg) if (name=='fps') else arg \\n File /usr/local/lib/python3.10/dist-packages/moviepy/decorators.py:130 in <listcomp> \\n new_a = [fun(arg) if (name=='fps') else arg \\n File /usr/local/lib/python3.10/dist-packages/moviepy/decorators.py:117 in fun \\n raise AttributeError(\\\"No 'fps' (frames per second) attribute specified\\\" \\n AttributeError: No 'fps' (frames per second) attribute specified for function write_videofile and the clip has \\n no 'fps' attribute. Either provide e.g. fps=24 in the arguments of the function, or define the clip's fps with \\n `clip.fps=24` \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[45], line 3\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m print(clip.write_videofile('video.mp4', codec='mpeg4'))\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File
\\n import pedalboard \\n print(dir(pedalboard)) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpedalboard\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdir\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"1c0545391e074baf8a5fe4f7b892fdd1\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_57f2e054ead24f71a958cae8de41c2b7\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n from docx import Document \\n \\n # Open and read each document, replacing 'Machine Learning' with 'AI' \\n for filename in files: \\n print(f'Processing {filename}') \\n \\n # Open the document \\n doc = Document(os.path.join('documents', filename)) \\n \\n # Loop through each paragraph in the document \\n for paragraph in doc.paragraphs: \\n # Replace all occurrences of 'Machine Learning' (any case) with 'AI' \\n paragraph.text = paragraph.text.replace('Machine Learning', 'AI').replace('machine learning', 'AI').rep \\n \\n # Save the modified document to a new file \\n doc.save(os.path.join('documents', f'new_{filename}')) \\n print(f'Finished processing {filename}') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdocx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mDocument\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Open and read each document, replacing 'Machine Learning' with 'AI'\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfiles\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mProcessing \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Open the document\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdoc\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mDocument\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpath\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mjoin\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mdocuments\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Loop through each paragraph in the document\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mparagraph\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdoc\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mparagraphs\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Replace all occurrences of 'Machine Learning' (any case) with 'AI'\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mparagraph\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtext\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mparagraph\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtext\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplace\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mMachine Learning\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mAI\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplace\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mmachine learning\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mAI\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrep\\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the modified document to a new file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdoc\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msave\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpath\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mjoin\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mdocuments\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mnew_\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mFinished processing \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"1c0e5743735d4490a8f6a010c77aeb40\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"1c79566727f944fcbe35f3d793f110e3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"1f97758eecde4cc7beb4439fdda4e8ea\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_4b67d55493c84fc6bdb48f1317374124\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n clip.fps = 12 \\n clip.write_videofile('video.mp4', codec='mpeg4') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfps\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m12\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mvideo.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mmpeg4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"2044f647ec5b4bb6a3a363f40bfc45b1\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"267f3fe5e392407d88b0be2f178ba149\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_6f7b2b5688184ea5aa32b7eba22546e6\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n print(Pedalboard.__doc__) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m__doc__\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"26d0efdbe3624615a7bf632af1e8c60b\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_cc23e29c55ac41fa9bfbb35230fb67e7\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install feedparser \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfeedparser\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"2882213b1cce4520b8e0ee44be5f1924\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_1038b781d07d4e8e8df69bff5b2df9ad\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n from moviepy.editor import VideoFileClip, TextClip, CompositeVideoClip \\n \\n # Load the video \\n video = VideoFileClip(\\\"billyking.mp4\\\") \\n \\n subtitles_dict = { \\n '00:00.000 --> 00:02.000': \\\"Well I'm a stoner man\\\", \\n '00:04.000 --> 00:07.000': \\\"That's right I took in man\\\", \\n '00:08.560 --> 00:10.560': 'Put a joint in my hand', \\n '00:12.240 --> 00:14.240': 'And lose control', \\n '00:16.840 --> 00:18.840': \\\"Well, I'm a lunatic man\\\", \\n '00:21.440 --> 00:23.440': \\\"I got right crazy man\\\", \\n '00:25.560 --> 00:28.720': \\\"Then take you long if you're out\\\", \\n '00:28.720 --> 00:30.720': \\\"I'm out of game trouble\\\", \\n '00:35.720 --> 00:37.720': 'I could', \\n '00:37.720 --> 00:39.720': 'No', \\n '00:39.720 --> 00:41.720': 'Oh', \\n '00:41.720 --> 00:43.720': 'No', \\n } \\n \\n # Create the text clips for each subtitle and add them to the video \\n video_clips = [video] \\n for timestamp, subtitle in subtitles_dict.items(): \\n start, end = timestamp.split(' --> ') \\n start_time = sum(float(x) * 60 ** i for i,x in enumerate(reversed(start.split(':')))) \\n end_time = sum(float(x) * 60 ** i for i,x in enumerate(reversed(end.split(':')))) \\n txt_clip = TextClip(txt=subtitle, fontsize=24, color='white') \\n txt_clip = txt_clip.set_start(start_time).set_duration(end_time - start_time).set_position(('bottom')) \\n video_clips.append(txt_clip) \\n \\n final = CompositeVideoClip(video_clips) \\n final.write_videofile('billy_subbed.mp4') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34meditor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoFileClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mTextClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mCompositeVideoClip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Load the video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoFileClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mbillyking.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msubtitles_dict\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m{\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:00.000 --> 00:02.000\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mWell I\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mm a stoner man\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:04.000 --> 00:07.000\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mThat\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34ms right I took in man\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:08.560 --> 00:10.560\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mPut a joint in my hand\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:12.240 --> 00:14.240\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mAnd lose control\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:16.840 --> 00:18.840\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mWell, I\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mm a lunatic man\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:21.440 --> 00:23.440\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mI got right crazy man\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:25.560 --> 00:28.720\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mThen take you long if you\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mre out\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:28.720 --> 00:30.720\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mI\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mm out of game trouble\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:35.720 --> 00:37.720\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mI could\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:37.720 --> 00:39.720\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mNo\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:39.720 --> 00:41.720\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mOh\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m00:41.720 --> 00:43.720\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mNo\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m}\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create the text clips for each subtitle and add them to the video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo_clips\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtimestamp\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msubtitle\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msubtitles_dict\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mitems\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtimestamp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msplit\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m --> \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msum\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfloat\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m60\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34menumerate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreversed\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msplit\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mend_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msum\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfloat\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m60\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34menumerate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreversed\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mend\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msplit\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtxt_clip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mTextClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtxt\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msubtitle\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfontsize\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m24\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcolor\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mwhite\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtxt_clip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtxt_clip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_start\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_duration\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mend_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_position\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mbottom\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo_clips\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mappend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtxt_clip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfinal\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mCompositeVideoClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo_clips\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfinal\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mbilly_subbed.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"298d9dd581714eb68c5f8e179c92065c\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_dbee4b5e838b4cd6bf8da3949c563daa\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I have completed the task. The final video has been saved as final_video.mp4. It has been edited to have a \\n frame rate of 12 fps, and each frame has been redrawn with ControlNet using random prompts that evoke a stop \\n motion / hand-drawn animation feeling. The original sound has been added back to the video. \\n \\n\\n\",\n \"text/plain\": \" \\n I have completed the task. The final video has been saved as \\u001b[1;36;40mfinal_video.mp4\\u001b[0m. It has been edited to have a \\n frame rate of 12 fps, and each frame has been redrawn with ControlNet using random prompts that evoke a stop \\n motion / hand-drawn animation feeling. The original sound has been added back to the video. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"2acee6da53c748b194bd4445bdba02a4\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"2b36d066449447c1817a4a5f945aada3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"2ce496485d074f51a900bcf1435f6080\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_aeb40687d81a48e19f173059cc9f7100\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \" \\n It seems like the error occurred because the frames per second (fps) information was missing while writing the \\n video file. I am going to run the code again but this time with fps=12 added. This means there will be 12 \\n frames image shown in one second which is what we want. Let's try that. \\n \\n\\n\",\n \"text/plain\": \" \\n It seems like the error occurred because the frames per second (fps) information was missing while writing the \\n video file. I am going to run the code again but this time with \\u001b[1;36;40mfps=12\\u001b[0m added. This means there will be 12 \\n frames image shown in one second which is what we want. Let's try that. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"2ced3555ea7a4e358c5ee24ad61affb5\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"2d23c9f050f745cdaadd6806811fe0ff\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"2dc18ff0d5a64d04a13c602ed889b486\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_b3a3183812fa46d7af4dcade094153d1\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"\\n It seems like there was an error because the Stretch class could not be imported from the pedalboard module. \\n This could be because the Stretch class does not exist in the pedalboard module. \\n \\n Let's verify the available classes and functions in the pedalboard module. \\n \\n\\n\",\n \"text/plain\": \" \\n It seems like there was an error because the \\u001b[1;36;40mStretch\\u001b[0m class could not be imported from the \\u001b[1;36;40mpedalboard\\u001b[0m module. \\n This could be because the \\u001b[1;36;40mStretch\\u001b[0m class does not exist in the \\u001b[1;36;40mpedalboard\\u001b[0m module. \\n \\n Let's verify the available classes and functions in the \\u001b[1;36;40mpedalboard\\u001b[0m module. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"2e56b90a86e94cb5b51cf56b86837410\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"2e658de9a31945bb8221cee533efdc15\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"2e9f43e734694e76829a9ed2a61439be\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"3164bb1a7475448e9f5bcaaadd74c63d\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"32f692de87e245e8be0d3d0ec83a2689\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_9201ae6c615b46ec8c97b198f56c38ed\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I have finished processing all the .docx files in your 'documents' folder. Here's what I did: \\n \\n 1 I went through each document in the 'documents' folder. \\n 2 Opened each document and replaced all occurrences of 'Machine Learning' (ain any form of capitalization) \\n with 'AI'. \\n 3 Saved the modified documents with a 'new_' prefix in their original location. \\n \\n You should see the updated files in your 'documents' folder named as 'new_doc1.docx', 'new_doc2.docx', etc. \\n Feel free to check them and let me know if everything looks good! \\n \\n\\n\",\n \"text/plain\": \" \\n I have finished processing all the .docx files in your 'documents' folder. Here's what I did: \\n \\n \\u001b[1;33m 1 \\u001b[0mI went through each document in the 'documents' folder. \\n \\u001b[1;33m 2 \\u001b[0mOpened each document and replaced all occurrences of 'Machine Learning' (ain any form of capitalization) \\n \\u001b[1;33m \\u001b[0mwith 'AI'. \\n \\u001b[1;33m 3 \\u001b[0mSaved the modified documents with a 'new_' prefix in their original location. \\n \\n You should see the updated files in your 'documents' folder named as 'new_doc1.docx', 'new_doc2.docx', etc. \\n Feel free to check them and let me know if everything looks good! \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"38bd644aee574f47b65793c655bcc9c9\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_5e77c72502414e0ba7c79c1cc8324b95\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n from moviepy.editor import ImageSequenceClip \\n \\n # Create a video using the generated frames \\n clip = ImageSequenceClip(images, durations=[1/12]*len(images)) \\n clip.write_videofile('video.mp4', codec='mpeg4') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34meditor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a video using the generated frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimages\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdurations\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m12\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimages\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mvideo.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mmpeg4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"3bba172d1af2465181679c8b336704a7\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"40af2b00dea44c7a93604188fa913f49\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"41707e7b17314b17a249388903e0ce71\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"4192c99e48fa40eeba50ac981cfd500b\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_0ef2a15fe9594494b7957e9dab6166b0\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !yt-dlp -f 'bestaudio' -o 'original_song.%(ext)s' 'https://www.youtube.com/watch?v=8GW6sLrK40k' \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34myt\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdlp\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mbestaudio\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_song.\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m%(ext)s\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mhttps://www.youtube.com/watch?v=8GW6sLrK40k\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"42895ff661844f4b8e03699a3ac93267\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_fc51add87d6744bc8fb46911b671eac5\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install python-docx \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpython\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdocx\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"43008ef3259f4bc0aa7662907abe1c03\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_dfae26728db147cb98311156e758816b\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import yt_dlp \\n \\n url = 'https://www.youtube.com/watch?v=VF-FGf_ZZiI' \\n \\n # Download the video \\n yt_dlp.YoutubeDL({'outtmpl': 'original_video.mp4'}).download([url]) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34myt_dlp\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34murl\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mhttps://www.youtube.com/watch?v=VF-FGf_ZZiI\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Download the video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34myt_dlp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mYoutubeDL\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mouttmpl\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_video.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdownload\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34murl\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"44646c403c814456a6a4665c3236a79d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_5bb4cd46aed946578d102122a0944a71\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install replicate moviepy pysrt \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpysrt\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"456f954392e84f46b7f68b50101bd62e\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"45d35e811af74d4b9798eb2efa6fbe19\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"45e937a0dcaf405b8865cceb68551be4\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_6731e56abeba4af69d33942800665902\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Extracting URL: https://www.youtube.com/watch?v=8GW6sLrK40k \\n 8GW6sLrK40k: Downloading webpage \\n 8GW6sLrK40k: Downloading ios player API JSON \\n 8GW6sLrK40k: Downloading android player API JSON \\n 8GW6sLrK40k: Downloading m3u8 information \\n 8GW6sLrK40k: Downloading 1 format(s): 251 \\n Destination: original_song.webm \\n 0.0% of 3.49MiB at 426.25KiB/s ETA 00:08 0.1% of 3.49MiB at 882.45KiB/s ETA 00:04 0.2% of \\n 3.49MiB at 1.69MiB/s ETA 00:02 0.4% of 3.49MiB at 3.13MiB/s ETA 00:01 0.9% of 3.49MiB at \\n 2.66MiB/s ETA 00:01 1.8% of 3.49MiB at 3.07MiB/s ETA 00:01 3.6% of 3.49MiB at 4.12MiB/s ETA \\n 00:00 7.1% of 3.49MiB at 5.58MiB/s ETA 00:00 14.3% of 3.49MiB at 9.78MiB/s ETA 00:00 28.6% of \\n 3.49MiB at 15.31MiB/s ETA 00:00 57.2% of 3.49MiB at 24.85MiB/s ETA 00:00 100.0% of 3.49MiB at \\n 35.39MiB/s ETA 00:00 100% of 3.49MiB in 00:00:00 at 22.41MiB/s \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Extracting URL: https://www.youtube.com/watch?v=8GW6sLrK40k\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 8GW6sLrK40k: Downloading webpage\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 8GW6sLrK40k: Downloading ios player API JSON\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 8GW6sLrK40k: Downloading android player API JSON\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 8GW6sLrK40k: Downloading m3u8 information\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 8GW6sLrK40k: Downloading 1 format(s): 251\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Destination: original_song.webm\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.0% of 3.49MiB at 426.25KiB/s ETA 00:08\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.1% of 3.49MiB at 882.45KiB/s ETA 00:04\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.2% of \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m3.49MiB at 1.69MiB/s ETA 00:02\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.4% of 3.49MiB at 3.13MiB/s ETA 00:01\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.9% of 3.49MiB at \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m2.66MiB/s ETA 00:01\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 1.8% of 3.49MiB at 3.07MiB/s ETA 00:01\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 3.6% of 3.49MiB at 4.12MiB/s ETA \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 7.1% of 3.49MiB at 5.58MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 14.3% of 3.49MiB at 9.78MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 28.6% of \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m3.49MiB at 15.31MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 57.2% of 3.49MiB at 24.85MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.0% of 3.49MiB at \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m35.39MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100% of 3.49MiB in 00:00:00 at 22.41MiB/s\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"46c63dde8afb4b87b56913bc55b59ade\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"48b7cb834ffe4597b7589228a8b7d11d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_46c63dde8afb4b87b56913bc55b59ade\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I have successfully created a 12-frame video, 'video.mp4', using different material prompts for the image \\n 'victoria.png'. Each frame was generated using the controlnet model via replicate and the material prompts \\n 'metal', 'embroidery', and 'crayon'. The frames were stitched together into a 1-second video clip. Please check \\n the on your computer for the generated video file 'video.mp4'. \\n \\n\\n\",\n \"text/plain\": \" \\n I have successfully created a 12-frame video, 'video.mp4', using different material prompts for the image \\n 'victoria.png'. Each frame was generated using the controlnet model via replicate and the material prompts \\n 'metal', 'embroidery', and 'crayon'. The frames were stitched together into a 1-second video clip. Please check \\n the on your computer for the generated video file 'video.mp4'. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"49254282d5644edeb2f217b59b9bf28b\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_b3e874cde5924727b3c2cdb93de1e68a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import os \\n \\n # List all files \\n files = os.listdir('documents') \\n \\n # Filter out only .docx files \\n files = [file for file in files if file.endswith('.docx')] \\n \\n files \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# List all files\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfiles\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlistdir\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mdocuments\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Filter out only .docx files\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfiles\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfiles\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfile\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mendswith\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m.docx\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfiles\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"4a16bcbbc01e40dfb0b835c4af36cc54\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"4b67d55493c84fc6bdb48f1317374124\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"4ecb19ab194440e7962991fe4c9332a7\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"4ed501ea235a4e77a2d7f4e9ef49eb23\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"4f016d1a2474432eb5a601735e6437e2\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_98c4cba0cfb043b7a75b9a80e7661e46\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[9], line 2 \\n board = Pedalboard([PitchShift(semitones=-5), Reverb(room_size=0.5, \\n TypeError: Pedalboard.__init__() got an unexpected keyword argument 'sample_rate' \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[9], line 2\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m board = Pedalboard([PitchShift(semitones=-5), Reverb(room_size=0.5,\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTypeError: Pedalboard.__init__() got an unexpected keyword argument 'sample_rate'\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"4f2343ab60004171a8768a8339e82c0e\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_a46c38d5d2864821ba81ad63259670db\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n output_urls = [] \\n for prompt in material_prompts: \\n for _ in range(4): \\n output = replicate.run( \\n 'jagilley/controlnet-canny:aff48af9c68d162388d230a2ab003f68d2638d88307bdaf1c2f1ac95079c9613', \\n input={'image': open('victoria.png', 'rb'), 'prompt': prompt} \\n ) \\n output_urls.append(output[1]) \\n output_urls \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput_urls\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprompt\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmaterial_prompts\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m_\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrange\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m4\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrun\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mjagilley/controlnet-canny:aff48af9c68d162388d230a2ab003f68d2638d88307bdaf1c2f1ac95079c9613\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minput\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mimage\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mopen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mvictoria.png\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mrb\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mprompt\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprompt\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m}\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput_urls\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mappend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput_urls\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"50c94edabfc146229a8a576445093731\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_6031e59c120a48b98b4597dcb10a2d9a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n ['https://replicate.delivery/pbxt/zrqhegeMmzmWu06Tq2Rq4Df0Mh0eBMVwfPT7OjzJB1NIkSCKC/output_1.png', \\n 'https://replicate.delivery/pbxt/pZfDRfLvrhge6oZRxzHihoPcm0VEg8DprAzlYctVdgkMpkgiA/output_1.png', \\n 'https://replicate.delivery/pbxt/cSM7xxMjC67INlxGYf655U3lYpgzxbxWoh2GgZ3J5INVKJoIA/output_1.png', \\n 'https://replicate.delivery/pbxt/f2PilmS7o0SyA6CpYIJ8SHES9lQjstnggWaGcvvcXUyXKJoIA/output_1.png', \\n 'https://replicate.delivery/pbxt/3LqcWxCYn6rfFyH9LqjDMJV9RCc8Cnt13eCGHnVYuRM4USQRA/output_1.png', \\n 'https://replicate.delivery/pbxt/3ZtaSRvsA6p6INT1JEqvQwPPdipZOoZzgwpDcKLIf1keUSQRA/output_1.png', \\n 'https://replicate.delivery/pbxt/i9eesm9VJvstfpT8USw3oSiWprHbWJf6UUg0f7URK4kIoSCKC/output_1.png', \\n 'https://replicate.delivery/pbxt/TXTCbLIEdWKzFF1rv7Nk7db0bZYSZjJdmfPBl129eO9GVSQRA/output_1.png', \\n 'https://replicate.delivery/pbxt/6mTEtWiXPhpDFN5902KGv9woakleMcxvVPfAKAujtYSKVSQRA/output_1.png', \\n 'https://replicate.delivery/pbxt/65lDz1ZrvSZrLZ80HlmV6BW5ISc7NKX6bYep7VQnAMrnKJoIA/output_1.png', \\n 'https://replicate.delivery/pbxt/BjsWyNDNxT6cI10wcfdBmgL3shIHZwBKzzgTNdzK3mfUVSQRA/output_1.png', \\n 'https://replicate.delivery/pbxt/cgO83iENeWVlWqi415kiwGo7WMuRNkrG0HeluNrmCVUYVSQRA/output_1.png'] \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m['https://replicate.delivery/pbxt/zrqhegeMmzmWu06Tq2Rq4Df0Mh0eBMVwfPT7OjzJB1NIkSCKC/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/pZfDRfLvrhge6oZRxzHihoPcm0VEg8DprAzlYctVdgkMpkgiA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/cSM7xxMjC67INlxGYf655U3lYpgzxbxWoh2GgZ3J5INVKJoIA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/f2PilmS7o0SyA6CpYIJ8SHES9lQjstnggWaGcvvcXUyXKJoIA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/3LqcWxCYn6rfFyH9LqjDMJV9RCc8Cnt13eCGHnVYuRM4USQRA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/3ZtaSRvsA6p6INT1JEqvQwPPdipZOoZzgwpDcKLIf1keUSQRA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/i9eesm9VJvstfpT8USw3oSiWprHbWJf6UUg0f7URK4kIoSCKC/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/TXTCbLIEdWKzFF1rv7Nk7db0bZYSZjJdmfPBl129eO9GVSQRA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/6mTEtWiXPhpDFN5902KGv9woakleMcxvVPfAKAujtYSKVSQRA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/65lDz1ZrvSZrLZ80HlmV6BW5ISc7NKX6bYep7VQnAMrnKJoIA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/BjsWyNDNxT6cI10wcfdBmgL3shIHZwBKzzgTNdzK3mfUVSQRA/output_1.png', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'https://replicate.delivery/pbxt/cgO83iENeWVlWqi415kiwGo7WMuRNkrG0HeluNrmCVUYVSQRA/output_1.png']\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"50e4adc0bc80423e9549ba0ca3c1125d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_9ad527758ac44f7ba5cf5501f0a2ccc1\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n The solution to the equation 10x + 14 = 21 / 3 is x = -0.7. \\n \\n\\n\",\n \"text/plain\": \" \\n The solution to the equation \\u001b[1;36;40m10x + 14 = 21 / 3\\u001b[0m is \\u001b[1;36;40mx = -0.7\\u001b[0m. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"523049f89f904844ab674b9410ee61c4\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_73078cc9fc5741fcb130caa028914bf9\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n To get latest news headlines from BBC, we can use web scraping libraries in python like BeautifulSoup. However, \\n the usage of such tools may violate terms of service of the website. Alternatively, we can use the BBC RSS feed \\n to get the latest news. \\n \\n Let's try this using the feedparser library in Python. I will install this library if isn't already installed. \\n After this, I'll get the last 10 BBC news headlines using their RSS feed. \\n \\n\\n\",\n \"text/plain\": \" \\n To get latest news headlines from BBC, we can use web scraping libraries in python like BeautifulSoup. However, \\n the usage of such tools may violate terms of service of the website. Alternatively, we can use the BBC RSS feed \\n to get the latest news. \\n \\n Let's try this using the \\u001b[1;36;40mfeedparser\\u001b[0m library in Python. I will install this library if isn't already installed. \\n After this, I'll get the last 10 BBC news headlines using their RSS feed. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"5313074cfc7b4a70a8031e99640353fc\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_76227155ec874b2bbdd633477275162d\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"\\n It seems like the video was downloaded as a .webm file instead of a .mp4 file. I'll adjust the code to use the \\n correct filename. \\n \\n\\n\",\n \"text/plain\": \" \\n It seems like the video was downloaded as a \\u001b[1;36;40m.webm\\u001b[0m file instead of a \\u001b[1;36;40m.mp4\\u001b[0m file. I'll adjust the code to use the \\n correct filename. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"540e7806e7c145d3a26fceb5c0ef8aa1\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"554e5912797c4fa88f6e557ca6367711\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_723d3e051e9649a392ae0a54e4399a73\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n https://replicate.delivery/pbxt/IavszBht716pMhxufdF8Ch7cv0Pun1eTQarLmQVxkbAPUSQRA/output_1.png \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mhttps://replicate.delivery/pbxt/IavszBht716pMhxufdF8Ch7cv0Pun1eTQarLmQVxkbAPUSQRA/output_1.png\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"5635e4c8e7734b3b95693f789c9239ba\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_f944a4b42ef14ae889efef3f5369e173\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n\\n\",\n \"text/plain\": \"\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"56f46ba6d7254804843b932c97007f85\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2b36d066449447c1817a4a5f945aada3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Great, let's start by using the provided Replicate code to convert the audio of billyking.mp4 to text. Then, \\n I'll use moviepy to add these as subtitles to your video. I'll need the replicate, moviepy, and possibly the \\n pysrt Python packages to do this. \\n \\n I will first install the needed packages. After that, we will proceed to running the Replicate code and \\n processing the output. \\n \\n\\n\",\n \"text/plain\": \" \\n Great, let's start by using the provided Replicate code to convert the audio of \\u001b[1;36;40mbillyking.mp4\\u001b[0m to text. Then, \\n I'll use moviepy to add these as subtitles to your video. I'll need the \\u001b[1;36;40mreplicate\\u001b[0m, \\u001b[1;36;40mmoviepy\\u001b[0m, and possibly the \\n \\u001b[1;36;40mpysrt\\u001b[0m Python packages to do this. \\n \\n I will first install the needed packages. After that, we will proceed to running the Replicate code and \\n processing the output. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"575438c672314d12b722af00426a8971\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2e56b90a86e94cb5b51cf56b86837410\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n All files have been updated. \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mAll files have been updated.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"57f2e054ead24f71a958cae8de41c2b7\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"58ce723038e04fd2810f4985e864544a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"5a9695b9f4f8410b8c3cc92819ad081c\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_cc1a30ae29f5499d8156470700faae6c\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n The last 10 news headlines from BBC are: \\n \\n 1 'Disposable vapes: Councils call for total ban by 2024' \\n 2 'SAG strike: Actors join writers on Hollywood picket lines' \\n 3 'Bournemouth beach deaths: No police action to be taken' \\n 4 'Summer holidays: Will there be more travel chaos this year?' \\n 5 'Just Stop Oil protesters interrupt the Proms' \\n 6 'Stare at smokers to stop them, Hong Kong health chief urges public' \\n 7 'Europe heatwave: More record temperatures expected' \\n 8 \\\"Extra energy bill scheme was 'staggering failure', says MP\\\" \\n 9 \\\"Shekhar Kapur: Hollywood's diversity push is guilt driven\\\" \\n 10 'NI officers told not to wear police uniforms at Pride' \\n \\n\\n\",\n \"text/plain\": \" \\n The last 10 news headlines from BBC are: \\n \\n \\u001b[1;33m 1 \\u001b[0m'Disposable vapes: Councils call for total ban by 2024' \\n \\u001b[1;33m 2 \\u001b[0m'SAG strike: Actors join writers on Hollywood picket lines' \\n \\u001b[1;33m 3 \\u001b[0m'Bournemouth beach deaths: No police action to be taken' \\n \\u001b[1;33m 4 \\u001b[0m'Summer holidays: Will there be more travel chaos this year?' \\n \\u001b[1;33m 5 \\u001b[0m'Just Stop Oil protesters interrupt the Proms' \\n \\u001b[1;33m 6 \\u001b[0m'Stare at smokers to stop them, Hong Kong health chief urges public' \\n \\u001b[1;33m 7 \\u001b[0m'Europe heatwave: More record temperatures expected' \\n \\u001b[1;33m 8 \\u001b[0m\\\"Extra energy bill scheme was 'staggering failure', says MP\\\" \\n \\u001b[1;33m 9 \\u001b[0m\\\"Shekhar Kapur: Hollywood's diversity push is guilt driven\\\" \\n \\u001b[1;33m 10 \\u001b[0m'NI officers told not to wear police uniforms at Pride' \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"5a9e09aff4cd4665912a50bc8ad5fe93\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_dde784ca98904ba49ba23dda2100076a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n The first image transformation with the 'metal' prompt was successful. The output image URL is \\n 'https://replicate.delivery/pbxt/IavszBht716pMhxufdF8Ch7cv0Pun1eTQarLmQVxkbAPUSQRA/output_1.png'. \\n \\n Next, I'll use the material prompts 'embroidery' and 'crayon' to transform the image. Each of these \\n transformations will then be performed four times to attain 12 frames. Let's start by transforming the image \\n with each of the prompts. \\n \\n\\n\",\n \"text/plain\": \" \\n The first image transformation with the 'metal' prompt was successful. The output image URL is \\n 'https://replicate.delivery/pbxt/IavszBht716pMhxufdF8Ch7cv0Pun1eTQarLmQVxkbAPUSQRA/output_1.png'. \\n \\n Next, I'll use the material prompts 'embroidery' and 'crayon' to transform the image. Each of these \\n transformations will then be performed four times to attain 12 frames. Let's start by transforming the image \\n with each of the prompts. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"5b414a1b78f44530a2e4d127641b88d7\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_1c0e5743735d4490a8f6a010c77aeb40\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Sure, I can do that. We will use the yt-dlp library to download the audio from the YouTube video, and then the \\n pedalboard library to apply the slow and reverb effects. Let's start by downloading the audio. \\n \\n\\n\",\n \"text/plain\": \" \\n Sure, I can do that. We will use the \\u001b[1;36;40myt-dlp\\u001b[0m library to download the audio from the YouTube video, and then the \\n \\u001b[1;36;40mpedalboard\\u001b[0m library to apply the slow and reverb effects. Let's start by downloading the audio. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"5bb4cd46aed946578d102122a0944a71\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"5e5a5fd06a6d46e3b85e9587d50adfdb\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"5e77c72502414e0ba7c79c1cc8324b95\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"6031e59c120a48b98b4597dcb10a2d9a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"61c835b06ac043c0a06cecf241d7fa48\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"626af5cf397440b2baec64ed98ea5c3f\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"6731e56abeba4af69d33942800665902\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"673dce80b4b54a7384a460b0075759fb\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"6aae7d9824224170be7f43c8c423c488\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_1c79566727f944fcbe35f3d793f110e3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import replicate \\n \\n output = replicate.run( \\n \\\"m1guelpf/whisper-subtitles:7f686e243a96c7f6f0f481bcef24d688a1369ed3983cea348d1f43b879615766\\\", \\n input={\\\"audio_path\\\": open(\\\"billyking.mp4\\\", \\\"rb\\\")} \\n ) \\n output \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrun\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mm1guelpf/whisper-subtitles:7f686e243a96c7f6f0f481bcef24d688a1369ed3983cea348d1f43b879615766\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minput\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34maudio_path\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mopen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mbillyking.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mrb\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m\\\"\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m}\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"6bd4412598a24f4b82c9fd8918a3e0ae\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"6c4817e94e354e6998e9665f6a509d38\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_78f2b7f6451d4315964aea44ac02db78\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Requirement already satisfied: opencv-python-headless in /usr/local/lib/python3.10/dist-packages (4.8.0.74) \\n Requirement already satisfied: requests in /usr/local/lib/python3.10/dist-packages (2.27.1) \\n Requirement already satisfied: numpy>=1.21.2 in /usr/local/lib/python3.10/dist-packages (from \\n opencv-python-headless) (1.22.4) \\n Requirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from requests) \\n (1.26.16) \\n Requirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.10/dist-packages (from requests) \\n (2023.5.7) \\n Requirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\n requests) (2.0.12) \\n Requirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from requests) (3.4) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: opencv-python-headless in /usr/local/lib/python3.10/dist-packages (4.8.0.74)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: requests in /usr/local/lib/python3.10/dist-packages (2.27.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: numpy>=1.21.2 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mopencv-python-headless) (1.22.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from requests)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(1.26.16)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.10/dist-packages (from requests) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2023.5.7)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests) (2.0.12)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from requests) (3.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"6d14d7db445b4f829275aea79bd0dbd1\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"6f7b2b5688184ea5aa32b7eba22546e6\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"723d3e051e9649a392ae0a54e4399a73\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"7244e69be33b441cb435377b5abee7af\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_c0a1d45a04b7406683954288d08915b1\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n The .docx files in your 'documents' folder are: \\n \\n • doc1.docx \\n • doc2.docx \\n • doc3.docx \\n • doc4.docx \\n • doc5.docx \\n \\n Now, I'm going to install a Python package called python-docx that allows us to operate on Microsoft Word \\n (.docx) files. After the installation, I will read each .docx file and perform the replacement operation. Let's \\n proceed with the installation! \\n \\n\\n\",\n \"text/plain\": \" \\n The .docx files in your 'documents' folder are: \\n \\n \\u001b[1;33m • \\u001b[0mdoc1.docx \\n \\u001b[1;33m • \\u001b[0mdoc2.docx \\n \\u001b[1;33m • \\u001b[0mdoc3.docx \\n \\u001b[1;33m • \\u001b[0mdoc4.docx \\n \\u001b[1;33m • \\u001b[0mdoc5.docx \\n \\n Now, I'm going to install a Python package called \\u001b[1;36;40mpython-docx\\u001b[0m that allows us to operate on Microsoft Word \\n (.docx) files. After the installation, I will read each .docx file and perform the replacement operation. Let's \\n proceed with the installation! \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"73078cc9fc5741fcb130caa028914bf9\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"7388e925607147d0903d6b59642d21c1\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_7978261c27704717bf0f5df5231c3dee\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[3], line 2 \\n video = VideoFileClip('original_video.mp4') \\n File /usr/local/lib/python3.10/dist-packages/moviepy/video/io/VideoFileClip.py:88 in __init__ \\n self.reader = FFMPEG_VideoReader(filename, pix_fmt=pix_fmt, \\n File /usr/local/lib/python3.10/dist-packages/moviepy/video/io/ffmpeg_reader.py:35 in __init__ \\n infos = ffmpeg_parse_infos(filename, print_infos, check_duration, \\n File /usr/local/lib/python3.10/dist-packages/moviepy/video/io/ffmpeg_reader.py:270 in ffmpeg_parse_infos \\n raise IOError((\\\"MoviePy error: the file %s could not be found!\\\\n\\\" \\n OSError: MoviePy error: the file original_video.mp4 could not be found! \\n Please check that you entered the correct path. \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[3], line 2\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m video = VideoFileClip('original_video.mp4')\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File /usr/local/lib/python3.10/dist-packages/moviepy/video/io/VideoFileClip.py:88 in __init__\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m self.reader = FFMPEG_VideoReader(filename, pix_fmt=pix_fmt,\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File /usr/local/lib/python3.10/dist-packages/moviepy/video/io/ffmpeg_reader.py:35 in __init__\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m infos = ffmpeg_parse_infos(filename, print_infos, check_duration,\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File /usr/local/lib/python3.10/dist-packages/moviepy/video/io/ffmpeg_reader.py:270 in ffmpeg_parse_infos\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m raise IOError((\\\"MoviePy error: the file %s could not be found!\\\\n\\\"\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOSError: MoviePy error: the file original_video.mp4 could not be found!\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mPlease check that you entered the correct path.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"73bf63b8705645d7b893f91cdc1716fa\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_540e7806e7c145d3a26fceb5c0ef8aa1\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Certainly, we can do this task in a few steps: \\n \\n 1 Run the controlnet model on victoria.png with each material prompt. \\n 2 Download the resulting images. \\n 3 Stitch together these images into a video. \\n \\n Before we start, there are some things we need to clarify: \\n \\n • We need to know the full list of material prompts. You've mentioned \\\"metal\\\", \\\"embroidery\\\", and \\\"crayon\\\". We \\n need 9 more. \\n • The frame rate of the video. With 12 images in 1 second, it's assumed that we will have a frame rate of 12 \\n frames per second (fps). \\n \\n Let's go ahead with 3 materials you provided for now and we will add more later. We'll set the frame rate to 12 \\n fps. \\n \\n To proceed, I will first need to: \\n \\n 1 Import the package replicate which should be installed on your system. \\n 2 Create a list of material prompts. \\n 3 Run the controlnet model with each material prompt and store the URLs of the output images. \\n \\n Let's start with importing replicate and preparing the material prompts. \\n \\n (Note that you won't see the code execution output in this platform due to our backend design. However, you'll \\n still get any output relevant to our task.) \\n \\n\\n\",\n \"text/plain\": \" \\n Certainly, we can do this task in a few steps: \\n \\n \\u001b[1;33m 1 \\u001b[0mRun the \\u001b[1;36;40mcontrolnet\\u001b[0m model on \\u001b[1;36;40mvictoria.png\\u001b[0m with each material prompt. \\n \\u001b[1;33m 2 \\u001b[0mDownload the resulting images. \\n \\u001b[1;33m 3 \\u001b[0mStitch together these images into a video. \\n \\n Before we start, there are some things we need to clarify: \\n \\n \\u001b[1;33m • \\u001b[0mWe need to know the full list of material prompts. You've mentioned \\\"metal\\\", \\\"embroidery\\\", and \\\"crayon\\\". We \\n \\u001b[1;33m \\u001b[0mneed 9 more. \\n \\u001b[1;33m • \\u001b[0mThe frame rate of the video. With 12 images in 1 second, it's assumed that we will have a frame rate of 12 \\n \\u001b[1;33m \\u001b[0mframes per second (fps). \\n \\n Let's go ahead with 3 materials you provided for now and we will add more later. We'll set the frame rate to 12 \\n fps. \\n \\n To proceed, I will first need to: \\n \\n \\u001b[1;33m 1 \\u001b[0mImport the package \\u001b[1;36;40mreplicate\\u001b[0m which should be installed on your system. \\n \\u001b[1;33m 2 \\u001b[0mCreate a list of material prompts. \\n \\u001b[1;33m 3 \\u001b[0mRun the \\u001b[1;36;40mcontrolnet\\u001b[0m model with each material prompt and store the URLs of the output images. \\n \\n Let's start with importing \\u001b[1;36;40mreplicate\\u001b[0m and preparing the material prompts. \\n \\n (Note that you won't see the code execution output in this platform due to our backend design. However, you'll \\n still get any output relevant to our task.) \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"74a068f07b49454bba51058b0c1772ae\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"75a72b485eb0422a820209bef270a311\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_065b7774a5a34beebb77f7e6a1501617\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n [-0.700000000000000] \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[-0.700000000000000]\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"76227155ec874b2bbdd633477275162d\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"7735b6aa07bb48e198f2e79bb8483006\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"77d06811ac04459ba507adec1b053905\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_f25805a2402f4a7ba505fb75554bdbed\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Requirement already satisfied: pydub in /usr/local/lib/python3.10/dist-packages (0.25.1) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pydub in /usr/local/lib/python3.10/dist-packages (0.25.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"77e0222fd2c54dbca7932d57e517601a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"78f2b7f6451d4315964aea44ac02db78\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"7924e96ff4484d9888b85bf7f7630cdc\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_ee9b39134cf84f089d4868aae1851900\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I've set up the three material prompts that you mentioned - 'metal', 'embroidery', and 'crayon'. \\n \\n To ensure the video clip contains 12 equally-spaced frames from these three materials, we'll run the \\n replication four times for each of the material prompts. \\n \\n Let's create these images first by running victoria.png through replicate's controlnet with different material \\n prompts. I'll store these images locally so we can later combine them into a video. \\n \\n For this task, I need to write a loop that will iterate over each material, generate the image using \\n replicate's controlnet and save the generated image locally. Let's do it step by step. First, let's try it with \\n one material to ensure that the image generation process is working correctly. Here we go... \\n \\n\\n\",\n \"text/plain\": \" \\n I've set up the three material prompts that you mentioned - 'metal', 'embroidery', and 'crayon'. \\n \\n To ensure the video clip contains 12 equally-spaced frames from these three materials, we'll run the \\n replication four times for each of the material prompts. \\n \\n Let's create these images first by running victoria.png through replicate's controlnet with different material \\n prompts. I'll store these images locally so we can later combine them into a video. \\n \\n For this task, I need to write a loop that will iterate over each material, generate the image using \\n replicate's controlnet and save the generated image locally. Let's do it step by step. First, let's try it with \\n one material to ensure that the image generation process is working correctly. Here we go... \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"7978261c27704717bf0f5df5231c3dee\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"7bc0945fc38c4f7c958bdafed2823093\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_dcfeecca01c345f58eebb9b6209cb5ad\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Requirement already satisfied: python-docx in /usr/local/lib/python3.10/dist-packages (0.8.11) \\n Requirement already satisfied: lxml>=2.3.2 in /usr/local/lib/python3.10/dist-packages (from python-docx) \\n (4.9.3) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: python-docx in /usr/local/lib/python3.10/dist-packages (0.8.11)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: lxml>=2.3.2 in /usr/local/lib/python3.10/dist-packages (from python-docx) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.9.3)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"7da8ca4865a647d6ac46a64af17fd02d\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"7eed9d874bf846a7b5e545b9c98d417d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_5e5a5fd06a6d46e3b85e9587d50adfdb\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import os \\n import numpy as np \\n from PIL import Image \\n \\n # Create a directory to store the frames \\n os.makedirs('frames', exist_ok=True) \\n \\n # Extract frames from the video \\n for i, frame in enumerate(video.iter_frames()): \\n # Convert the frame to an image \\n image = Image.fromarray(np.uint8(frame)) \\n \\n # Save the image \\n image.save(f'frames/frame_{i}.png') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnumpy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mas\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPIL\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImage\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a directory to store the frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmakedirs\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mframes\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mexist_ok\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mTrue\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Extract frames from the video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34menumerate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34miter_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Convert the frame to an image\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimage\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImage\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfromarray\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34muint8\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the image\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimage\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msave\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mframes/frame_\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m.png\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"800d0a52c55346119c920db787b7f229\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"82e71737f0d941d1a57fb9882c1a303f\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_61c835b06ac043c0a06cecf241d7fa48\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n ['AudioProcessorParameter', 'Bitcrush', 'Chain', 'Chorus', 'Clipping', 'Compressor', 'Convolution', 'Delay', \\n 'Distortion', 'ExternalPlugin', 'GSMFullRateCompressor', 'Gain', 'HighShelfFilter', 'HighpassFilter', \\n 'IIRFilter', 'Invert', 'LadderFilter', 'Limiter', 'LowShelfFilter', 'LowpassFilter', 'MP3Compressor', 'Mix', \\n 'NoiseGate', 'PeakFilter', 'Pedalboard', 'Phaser', 'PitchShift', 'Plugin', 'PluginContainer', 'Resample', \\n 'Reverb', 'VST3Plugin', '_AVAILABLE_PLUGIN_CLASSES', '__builtins__', '__cached__', '__doc__', '__file__', \\n '__loader__', '__name__', '__package__', '__path__', '__spec__', '__version__', '_klass', '_pedalboard', 'io', \\n 'load_plugin', 'numpy', 'process', 'utils', 'version'] \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m['AudioProcessorParameter', 'Bitcrush', 'Chain', 'Chorus', 'Clipping', 'Compressor', 'Convolution', 'Delay', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'Distortion', 'ExternalPlugin', 'GSMFullRateCompressor', 'Gain', 'HighShelfFilter', 'HighpassFilter', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'IIRFilter', 'Invert', 'LadderFilter', 'Limiter', 'LowShelfFilter', 'LowpassFilter', 'MP3Compressor', 'Mix', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'NoiseGate', 'PeakFilter', 'Pedalboard', 'Phaser', 'PitchShift', 'Plugin', 'PluginContainer', 'Resample', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'Reverb', 'VST3Plugin', '_AVAILABLE_PLUGIN_CLASSES', '__builtins__', '__cached__', '__doc__', '__file__', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'__loader__', '__name__', '__package__', '__path__', '__spec__', '__version__', '_klass', '_pedalboard', 'io', \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'load_plugin', 'numpy', 'process', 'utils', 'version']\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"83897e5d417c4801b9033373ab047563\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_a2766ca73ab9400d87bbaa96008ebb3b\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n from moviepy.video.io.VideoFileClip import VideoFileClip \\n \\n # Load the video \\n video = VideoFileClip('original_video.mp4') \\n \\n # Extract the segment from 0:10 to 0:17 \\n video = video.subclip(10, 17) \\n \\n # Reduce the frame rate to 12 fps \\n video = video.set_duration(7).set_fps(12) \\n \\n # Save the modified video \\n video.write_videofile('modified_video.mp4', codec='libx264') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoFileClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoFileClip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Load the video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoFileClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_video.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Extract the segment from 0:10 to 0:17\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msubclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m10\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m17\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Reduce the frame rate to 12 fps\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_duration\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m7\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_fps\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m12\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the modified video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mmodified_video.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mlibx264\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"8497cd04499f48eb9a305e6c3db8b38d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_e64b5e68e0e84553a9e303ba55d389d0\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[9], line 3 \\n audio, sample_rate = sf.read('original_song.webm') \\n File /usr/local/lib/python3.10/dist-packages/soundfile.py:285 in read \\n with SoundFile(file, 'r', samplerate, channels, \\n File /usr/local/lib/python3.10/dist-packages/soundfile.py:658 in __init__ \\n self._file = self._open(file, mode_int, closefd) \\n File /usr/local/lib/python3.10/dist-packages/soundfile.py:1216 in _open \\n raise LibsndfileError(err, prefix=\\\"Error opening {0!r}: \\\".format(self.name)) \\n LibsndfileError: Error opening 'original_song.webm': Format not recognised. \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[9], line 3\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m audio, sample_rate = sf.read('original_song.webm')\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File /usr/local/lib/python3.10/dist-packages/soundfile.py:285 in read\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m with SoundFile(file, 'r', samplerate, channels,\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File /usr/local/lib/python3.10/dist-packages/soundfile.py:658 in __init__\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m self._file = self._open(file, mode_int, closefd)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File /usr/local/lib/python3.10/dist-packages/soundfile.py:1216 in _open\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m raise LibsndfileError(err, prefix=\\\"Error opening {0!r}: \\\".format(self.name))\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mLibsndfileError: Error opening 'original_song.webm': Format not recognised.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"85a2c311f8cd4fd484dd5a95079d9dcb\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_bd5ea7bd835a483095abe490c447dd32\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"87f4047550f14103ac55a7ee2736f3ef\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_e6feb1cf757b44bba8fbdecd9b185178\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n The video has been successfully downloaded and saved as \\\"original_video.mp4\\\". \\n \\n Next, I'll extract the segment from 0:10 to 0:17 and reduce its frame rate to 12 fps. \\n \\n Let's proceed with this plan: \\n \\n 1 Load the video using MoviePy. \\n 2 Extract the segment from 0:10 to 0:17. \\n 3 Reduce the frame rate to 12 fps. \\n 4 Save the modified video. \\n \\n\\n\",\n \"text/plain\": \" \\n The video has been successfully downloaded and saved as \\\"original_video.mp4\\\". \\n \\n Next, I'll extract the segment from 0:10 to 0:17 and reduce its frame rate to 12 fps. \\n \\n Let's proceed with this plan: \\n \\n \\u001b[1;33m 1 \\u001b[0mLoad the video using MoviePy. \\n \\u001b[1;33m 2 \\u001b[0mExtract the segment from 0:10 to 0:17. \\n \\u001b[1;33m 3 \\u001b[0mReduce the frame rate to 12 fps. \\n \\u001b[1;33m 4 \\u001b[0mSave the modified video. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"886daf8914584873b21fb95604cfa84f\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_456f954392e84f46b7f68b50101bd62e\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Requirement already satisfied: moviepy in /usr/local/lib/python3.10/dist-packages (1.0.3) \\n Requirement already satisfied: decorator<5.0,>=4.0.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (4.4.2) \\n Requirement already satisfied: tqdm<5.0,>=4.11.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (4.65.0) \\n Requirement already satisfied: requests<3.0,>=2.8.1 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (2.27.1) \\n Requirement already satisfied: proglog<=1.0.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (0.1.10) \\n Requirement already satisfied: numpy>=1.17.3 in /usr/local/lib/python3.10/dist-packages (from moviepy) (1.22.4) \\n Requirement already satisfied: imageio<3.0,>=2.5 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (2.25.1) \\n Requirement already satisfied: imageio-ffmpeg>=0.2.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (0.4.8) \\n Requirement already satisfied: pillow>=8.3.2 in /usr/local/lib/python3.10/dist-packages (from \\n imageio<3.0,>=2.5->moviepy) (8.4.0) \\n Requirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (1.26.16) \\n Requirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (2023.5.7) \\n Requirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (2.0.12) \\n Requirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (3.4) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: moviepy in /usr/local/lib/python3.10/dist-packages (1.0.3)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: decorator<5.0,>=4.0.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.4.2)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: tqdm<5.0,>=4.11.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.65.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: requests<3.0,>=2.8.1 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2.27.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: proglog<=1.0.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(0.1.10)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: numpy>=1.17.3 in /usr/local/lib/python3.10/dist-packages (from moviepy) (1.22.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: imageio<3.0,>=2.5 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2.25.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: imageio-ffmpeg>=0.2.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(0.4.8)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pillow>=8.3.2 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mimageio<3.0,>=2.5->moviepy) (8.4.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (1.26.16)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (2023.5.7)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (2.0.12)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (3.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"8b00506f94854fcc971d08b1577a531a\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_6d14d7db445b4f829275aea79bd0dbd1\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n According to the output received from Replicate's speech-to-text service, the subtitles generated are in the \\n WEBVTT format. Note that the file format consists of timestamped text data representing spoken dialogue. Looks \\n like the presented text is: \\n \\n \\n WEBVTT \\n 00:00.000 --> 00:02.000 \\n Well I'm a stoner man \\n 00:04.000 --> 00:07.000 \\n That's right I took in man \\n 00:08.560 --> 00:10.560 \\n Put a joint in my hand \\n 00:12.240 --> 00:14.240 \\n And lose control \\n 00:16.840 --> 00:18.840 \\n Well, I'm a lunatic man \\n 00:21.440 --> 00:23.440 \\n I got right crazy man \\n 00:25.560 --> 00:28.720 \\n Then take you long if you're out \\n 00:28.720 --> 00:30.720 \\n I'm out of game trouble \\n 00:35.720 --> 00:37.720 \\n I could \\n 00:37.720 --> 00:39.720 \\n No \\n 00:39.720 --> 00:41.720 \\n Oh \\n 00:41.720 --> 00:43.720 \\n No \\n \\n \\n Though we have the subtitles now, we need to impose these onto the video using MoviePy and save it as \\n \\\"billy_subbed.mp4\\\". Let's proceed with that. If the final video doesn't look right, it might be due to the \\n inaccuracies in the timestamps or in the transcription. Let's give it a try, though. \\n \\n\\n\",\n \"text/plain\": \" \\n According to the output received from Replicate's speech-to-text service, the subtitles generated are in the \\n WEBVTT format. Note that the file format consists of timestamped text data representing spoken dialogue. Looks \\n like the presented text is: \\n \\n \\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mWEBVTT\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:00.000 --> 00:02.000\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m Well I'm a stoner man\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:04.000 --> 00:07.000\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m That's right I took in man\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:08.560 --> 00:10.560\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m Put a joint in my hand\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:12.240 --> 00:14.240\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m And lose control\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:16.840 --> 00:18.840\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m Well, I'm a lunatic man\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:21.440 --> 00:23.440\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m I got right crazy man\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:25.560 --> 00:28.720\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m Then take you long if you're out\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:28.720 --> 00:30.720\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m I'm out of game trouble\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:35.720 --> 00:37.720\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m I could\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:37.720 --> 00:39.720\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m No\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:39.720 --> 00:41.720\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m Oh\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m00:41.720 --> 00:43.720\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m No\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m \\n \\u001b[48;2;39;40;34m \\u001b[0m \\n \\n Though we have the subtitles now, we need to impose these onto the video using MoviePy and save it as \\n \\\"billy_subbed.mp4\\\". Let's proceed with that. If the final video doesn't look right, it might be due to the \\n inaccuracies in the timestamps or in the transcription. Let's give it a try, though. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"8b67d19d967b4ec8a22e595c3aea1f79\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_4ecb19ab194440e7962991fe4c9332a7\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n ['Disposable vapes: Councils call for total ban by 2024', 'SAG strike: Actors join writers on Hollywood picket \\n lines', 'Bournemouth beach deaths: No police action to be taken', 'Summer holidays: Will there be more travel \\n chaos this year?', 'Just Stop Oil protesters interrupt the Proms', 'Stare at smokers to stop them, Hong Kong \\n health chief urges public', 'Europe heatwave: More record temperatures expected', \\\"Extra energy bill scheme was \\n 'staggering failure', says MP\\\", \\\"Shekhar Kapur: Hollywood's diversity push is guilt driven\\\", 'NI officers told \\n not to wear police uniforms at Pride'] \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m['Disposable vapes: Councils call for total ban by 2024', 'SAG strike: Actors join writers on Hollywood picket \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mlines', 'Bournemouth beach deaths: No police action to be taken', 'Summer holidays: Will there be more travel \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mchaos this year?', 'Just Stop Oil protesters interrupt the Proms', 'Stare at smokers to stop them, Hong Kong \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mhealth chief urges public', 'Europe heatwave: More record temperatures expected', \\\"Extra energy bill scheme was\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m'staggering failure', says MP\\\", \\\"Shekhar Kapur: Hollywood's diversity push is guilt driven\\\", 'NI officers told \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnot to wear police uniforms at Pride']\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"8df28d357a604e64b6d7353891fbdaa3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"8e94b43d08f848159b7c621693e26878\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"9080b44022b647908b0c8f8dabc51e5f\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_c18416a315554529bbf7f4f4543ecaa3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n from moviepy.editor import ImageSequenceClip \\n \\n # Create a list of the redrawn frames \\n frames = [f'redrawn_frames/frame_{i}.png' for i in range(len(os.listdir('redrawn_frames')))] \\n \\n # Create a clip from the redrawn frames \\n clip = ImageSequenceClip(frames, fps=12) \\n \\n # Add the original audio to the clip \\n clip = clip.set_audio(video.audio) \\n \\n # Save the final video \\n clip.write_videofile('final_video.mp4', codec='libx264') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34meditor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a list of the redrawn frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframes\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mredrawn_frames/frame_\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m.png\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrange\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlistdir\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mredrawn_frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a clip from the redrawn frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframes\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfps\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m12\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Add the original audio to the clip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the final video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mfinal_video.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mlibx264\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"9201ae6c615b46ec8c97b198f56c38ed\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"93d564a6d8c842f29e3fcb5e8b8d2a18\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"942032ef5a7b46a0866adf65a07ca9b6\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"961f446973c6459cadc262fca5193d9d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_58ce723038e04fd2810f4985e864544a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n 12 \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m12\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"98c4cba0cfb043b7a75b9a80e7661e46\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"99b83169a2c5408dbfa7b835db2d7171\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"9ad527758ac44f7ba5cf5501f0a2ccc1\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"9d1e55aa8c544a3aa780fa2230b82c21\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"9d35e8077b634453a9da6c9bdf55c104\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"a10d5975091b4b8fb99544dea8de13d0\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_bbf6af49c88c4c5d909b61ad8b67b5fa\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I have successfully created 12 images using ControlNet with different material prompts, we now have their URLs. \\n The next step is to download these images and then merge them into a single video. \\n \\n In order to accomplish this, we will first need to install the opencv-python library for manipulating our \\n images and creating our video, as well as the requests library for downloading our images from the internet. \\n Let's do that. \\n \\n\\n\",\n \"text/plain\": \" \\n I have successfully created 12 images using ControlNet with different material prompts, we now have their URLs. \\n The next step is to download these images and then merge them into a single video. \\n \\n In order to accomplish this, we will first need to install the \\u001b[1;36;40mopencv-python\\u001b[0m library for manipulating our \\n images and creating our video, as well as the \\u001b[1;36;40mrequests\\u001b[0m library for downloading our images from the internet. \\n Let's do that. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"a21bd572aad1457890fd77e77ae60cde\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_800d0a52c55346119c920db787b7f229\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n 0:00:01 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.7/2.7 MB 61.2 MB/s eta 0:00:00 \\n Requirement already satisfied: decorator<5.0,>=4.0.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (4.4.2) \\n Requirement already satisfied: tqdm<5.0,>=4.11.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (4.65.0) \\n Requirement already satisfied: requests<3.0,>=2.8.1 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (2.27.1) \\n Requirement already satisfied: proglog<=1.0.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (0.1.10) \\n Requirement already satisfied: numpy>=1.17.3 in /usr/local/lib/python3.10/dist-packages (from moviepy) (1.22.4) \\n Requirement already satisfied: imageio<3.0,>=2.5 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (2.25.1) \\n Requirement already satisfied: imageio-ffmpeg>=0.2.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (0.4.8) \\n Requirement already satisfied: packaging in /usr/local/lib/python3.10/dist-packages (from replicate) (23.1) \\n Requirement already satisfied: pydantic<2,>1 in /usr/local/lib/python3.10/dist-packages (from replicate) \\n (1.10.11) \\n Requirement already satisfied: pillow>=8.3.2 in /usr/local/lib/python3.10/dist-packages (from \\n imageio<3.0,>=2.5->moviepy) (8.4.0) \\n Requirement already satisfied: typing-extensions>=4.2.0 in /usr/local/lib/python3.10/dist-packages (from \\n pydantic<2,>1->replicate) (4.7.1) \\n Requirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (1.26.16) \\n Requirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (2.0.12) \\n Requirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (3.4) \\n Installing collected packages: brotli, websockets, pycryptodomex, mutagen, yt-dlp \\n Successfully installed brotli-1.0.9 mutagen-1.46.0 pycryptodomex-3.18.0 websockets-11.0.3 yt-dlp-2023.7.6 \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m0:00:01 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.7/2.7 MB 61.2 MB/s eta 0:00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: decorator<5.0,>=4.0.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.4.2)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: tqdm<5.0,>=4.11.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.65.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: requests<3.0,>=2.8.1 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2.27.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: proglog<=1.0.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(0.1.10)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: numpy>=1.17.3 in /usr/local/lib/python3.10/dist-packages (from moviepy) (1.22.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: imageio<3.0,>=2.5 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2.25.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: imageio-ffmpeg>=0.2.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(0.4.8)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: packaging in /usr/local/lib/python3.10/dist-packages (from replicate) (23.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pydantic<2,>1 in /usr/local/lib/python3.10/dist-packages (from replicate) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(1.10.11)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pillow>=8.3.2 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mimageio<3.0,>=2.5->moviepy) (8.4.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: typing-extensions>=4.2.0 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mpydantic<2,>1->replicate) (4.7.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (1.26.16)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (2.0.12)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (3.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mInstalling collected packages: brotli, websockets, pycryptodomex, mutagen, yt-dlp\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mSuccessfully installed brotli-1.0.9 mutagen-1.46.0 pycryptodomex-3.18.0 websockets-11.0.3 yt-dlp-2023.7.6\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"a2766ca73ab9400d87bbaa96008ebb3b\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"a46c38d5d2864821ba81ad63259670db\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"a59185faa5bb4ef3ba9810b94096d85e\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2e658de9a31945bb8221cee533efdc15\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n from pedalboard import Pedalboard, Reverb, PitchShift \\n \\n # Create a Pedalboard instance \\n board = Pedalboard([ \\n PitchShift(semitones=-5), # Lower the pitch \\n Reverb(room_size=0.5, dry_level=0.5, wet_level=0.5) # Add reverb \\n ]) \\n \\n # Process the audio \\n processed_audio = board.process(audio, sample_rate=sample_rate) \\n \\n # Save the processed audio to a new file \\n sf.write('processed_song.wav', processed_audio, sample_rate) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPitchShift\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a Pedalboard instance\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPitchShift\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msemitones\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Lower the pitch\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mroom_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdry_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwet_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Add reverb\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process the audio\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocess\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the processed audio to a new file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mprocessed_song.wav\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"a6ddbeb9b5ef4ea58858eabac8fde3c6\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"a7c6c1912ff3442e878fe2f19a7bab01\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2044f647ec5b4bb6a3a363f40bfc45b1\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n | 29/84 [00:01<00:02, 22.13it/s, now=None]t: 38%|###8 | 32/84 [00:01<00:02, 23.60it/s, now=None]t: \\n 42%|####1 | 35/84 [00:01<00:02, 23.60it/s, now=None]t: 45%|####5 | 38/84 [00:01<00:02, 22.13it/s, \\n now=None]t: 49%|####8 | 41/84 [00:01<00:02, 21.33it/s, now=None]t: 52%|#####2 | 44/84 [00:01<00:01, \\n 20.25it/s, now=None]t: 56%|#####5 | 47/84 [00:02<00:02, 16.81it/s, now=None]t: 58%|#####8 | 49/84 \\n [00:02<00:02, 15.82it/s, now=None]t: 61%|###### | 51/84 [00:02<00:02, 14.81it/s, now=None]t: 63%|######3 \\n | 53/84 [00:02<00:02, 13.42it/s, now=None]t: 65%|######5 | 55/84 [00:02<00:02, 13.78it/s, now=None]t: \\n 68%|######7 | 57/84 [00:03<00:01, 13.98it/s, now=None]t: 70%|####### | 59/84 [00:03<00:01, 14.07it/s, \\n now=None]t: 73%|#######2 | 61/84 [00:03<00:01, 12.65it/s, now=None]t: 75%|#######5 | 63/84 [00:03<00:02, \\n 9.41it/s, now=None]t: 77%|#######7 | 65/84 [00:03<00:02, 8.45it/s, now=None]t: 79%|#######8 | 66/84 \\n [00:04<00:02, 8.19it/s, now=None]t: 80%|#######9 | 67/84 [00:04<00:02, 8.23it/s, now=None]t: 81%|######## \\n | 68/84 [00:04<00:02, 7.99it/s, now=None]t: 83%|########3 | 70/84 [00:04<00:01, 9.22it/s, now=None]t: \\n 85%|########4 | 71/84 [00:04<00:01, 8.74it/s, now=None]t: 87%|########6 | 73/84 [00:04<00:01, 9.11it/s, \\n now=None]t: 89%|########9 | 75/84 [00:05<00:01, 8.92it/s, now=None]t: 90%|######### | 76/84 [00:05<00:00, \\n 8.64it/s, now=None]t: 92%|#########1| 77/84 [00:05<00:00, 8.09it/s, now=None]t: 93%|#########2| 78/84 \\n [00:05<00:00, 7.87it/s, now=None]t: 94%|#########4| 79/84 [00:05<00:00, 8.23it/s, now=None]t: \\n 95%|#########5| 80/84 [00:05<00:00, 8.24it/s, now=None]t: 96%|#########6| 81/84 [00:05<00:00, 8.61it/s, \\n now=None]t: 98%|#########7| 82/84 [00:05<00:00, 8.65it/s, now=None]t: 100%|##########| 84/84 [00:06<00:00, \\n 8.56it/s, now=None] Moviepy - Done ! \\n Moviepy - video ready final_video.mp4 \\n None \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m | 29/84 [00:01<00:02, 22.13it/s, now=None]t: 38%|###8 | 32/84 [00:01<00:02, 23.60it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m42%|####1 | 35/84 [00:01<00:02, 23.60it/s, now=None]t: 45%|####5 | 38/84 [00:01<00:02, 22.13it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 49%|####8 | 41/84 [00:01<00:02, 21.33it/s, now=None]t: 52%|#####2 | 44/84 [00:01<00:01, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m20.25it/s, now=None]t: 56%|#####5 | 47/84 [00:02<00:02, 16.81it/s, now=None]t: 58%|#####8 | 49/84 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:02<00:02, 15.82it/s, now=None]t: 61%|###### | 51/84 [00:02<00:02, 14.81it/s, now=None]t: 63%|######3 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m| 53/84 [00:02<00:02, 13.42it/s, now=None]t: 65%|######5 | 55/84 [00:02<00:02, 13.78it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m68%|######7 | 57/84 [00:03<00:01, 13.98it/s, now=None]t: 70%|####### | 59/84 [00:03<00:01, 14.07it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 73%|#######2 | 61/84 [00:03<00:01, 12.65it/s, now=None]t: 75%|#######5 | 63/84 [00:03<00:02, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m9.41it/s, now=None]t: 77%|#######7 | 65/84 [00:03<00:02, 8.45it/s, now=None]t: 79%|#######8 | 66/84 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:04<00:02, 8.19it/s, now=None]t: 80%|#######9 | 67/84 [00:04<00:02, 8.23it/s, now=None]t: 81%|######## \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m| 68/84 [00:04<00:02, 7.99it/s, now=None]t: 83%|########3 | 70/84 [00:04<00:01, 9.22it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m85%|########4 | 71/84 [00:04<00:01, 8.74it/s, now=None]t: 87%|########6 | 73/84 [00:04<00:01, 9.11it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 89%|########9 | 75/84 [00:05<00:01, 8.92it/s, now=None]t: 90%|######### | 76/84 [00:05<00:00, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m8.64it/s, now=None]t: 92%|#########1| 77/84 [00:05<00:00, 8.09it/s, now=None]t: 93%|#########2| 78/84 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:05<00:00, 7.87it/s, now=None]t: 94%|#########4| 79/84 [00:05<00:00, 8.23it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m95%|#########5| 80/84 [00:05<00:00, 8.24it/s, now=None]t: 96%|#########6| 81/84 [00:05<00:00, 8.61it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 98%|#########7| 82/84 [00:05<00:00, 8.65it/s, now=None]t: 100%|##########| 84/84 [00:06<00:00, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m8.56it/s, now=None] Moviepy - Done !\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - video ready final_video.mp4\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mNone\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"a8733b66c6594a9b82309adeda08104f\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_d6a7ae990c474869934f5862a89dd274\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n output = replicate.run( \\n 'jagilley/controlnet-canny:aff48af9c68d162388d230a2ab003f68d2638d88307bdaf1c2f1ac95079c9613', \\n input={'image': open('victoria.png', 'rb'), 'prompt': 'metal'} \\n ) \\n output_second = output[1] \\n output_second \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrun\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mjagilley/controlnet-canny:aff48af9c68d162388d230a2ab003f68d2638d88307bdaf1c2f1ac95079c9613\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minput\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mimage\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mopen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mvictoria.png\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mrb\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mprompt\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mmetal\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m}\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput_second\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput_second\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"aa6c553f705d413fb4908e0d97aa017d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_8df28d357a604e64b6d7353891fbdaa3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n It appears that the Stretch class is not available in the pedalboard module. However, there is a PitchShift \\n class which might be used to achieve a similar effect. Let's try using that instead. \\n \\n\\n\",\n \"text/plain\": \" \\n It appears that the \\u001b[1;36;40mStretch\\u001b[0m class is not available in the \\u001b[1;36;40mpedalboard\\u001b[0m module. However, there is a \\u001b[1;36;40mPitchShift\\u001b[0m \\n class which might be used to achieve a similar effect. Let's try using that instead. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"aae61f21148843148e082f1349b130ae\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"ad1cdb2076be4851b5d3a9af551e2e1e\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_0cbcc3ce78ac4df28d0326e591a2418e\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Moviepy - Building video video.mp4. \\n Moviepy - Writing video video.mp4 \\n \\n \\n t: 0%| | 0/12 [00:00<?, ?it/s, now=None] \\n Moviepy - Done ! \\n Moviepy - video ready video.mp4 \\n None \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - Building video video.mp4.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - Writing video video.mp4\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mt: 0%| | 0/12 [00:00 \\n It appears that the folder named 'documents' was created successfully. Now, let's create the document files \\n with sentences about machine learning. For this, I'm going to use the python-docx package. I'll install it now. \\n Let's do this step-by-step for clarity. \\n \\n First, I'll install the package. \\n \\n\\n\",\n \"text/plain\": \" \\n It appears that the folder named 'documents' was created successfully. Now, let's create the document files \\n with sentences about machine learning. For this, I'm going to use the python-docx package. I'll install it now. \\n Let's do this step-by-step for clarity. \\n \\n First, I'll install the package. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"b1ed6a8960964d01937082e84b55cf3a\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2d23c9f050f745cdaadd6806811fe0ff\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n from PIL import Image, ImageDraw \\n import random \\n \\n # Define the image dimensions and colors \\n width, height = 160, 14 \\n black = (0, 0, 0) \\n white = (255, 255, 255) \\n purple = (138, 43, 226) \\n \\n # Function to create a single banner \\n def create_banner(filename): \\n # Create a new image with a black background \\n img = Image.new('RGB', (width, height), black) \\n draw = ImageDraw.Draw(img) \\n \\n # Loop over every other row \\n for y in range(0, height, 2): \\n x = 0 \\n # Randomly decide whether to start with a rectangle or a space \\n start_with_rectangle = random.choice([True, False]) \\n while x < width: \\n if start_with_rectangle: \\n # Draw a rectangle \\n rectangle_width = random.randint(6, 36) \\n color = random.choice([white, purple]) \\n draw.rectangle([(x, y), (x + rectangle_width, y)], fill=color) \\n x += rectangle_width \\n else: \\n # Leave a space \\n space_width = random.randint(16, 64) \\n x += space_width \\n # Flip the flag for the next iteration \\n start_with_rectangle = not start_with_rectangle \\n \\n # Scale up the image \\n img = img.resize((width * 10, height * 10), Image.NEAREST) \\n \\n # Save the image \\n img.save(filename) \\n \\n # Create 10 banners \\n for i in range(1, 11): \\n create_banner(f'banner_{i}.png') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPIL\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImage\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageDraw\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandom\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Define the image dimensions and colors\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m160\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m14\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mblack\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwhite\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m255\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m255\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m255\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpurple\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m138\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m43\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m226\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Function to create a single banner\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mdef\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;166;226;46;48;2;39;40;34mcreate_banner\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a new image with a black background\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImage\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mRGB\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mblack\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdraw\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageDraw\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mDraw\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Loop over every other row\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrange\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m2\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Randomly decide whether to start with a rectangle or a space\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_with_rectangle\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandom\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mchoice\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mTrue\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mFalse\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mwhile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m<\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_with_rectangle\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Draw a rectangle\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrectangle_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandom\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m6\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m36\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcolor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandom\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mchoice\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwhite\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpurple\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdraw\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrectangle\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrectangle_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfill\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcolor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrectangle_width\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34melse\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Leave a space\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mspace_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandom\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m16\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m64\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mspace_width\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Flip the flag for the next iteration\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_with_rectangle\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mnot\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_with_rectangle\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Scale up the image\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimg\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mresize\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m10\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m10\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImage\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mNEAREST\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the image\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimg\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msave\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create 10 banners\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrange\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m11\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcreate_banner\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mbanner_\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m.png\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"b21732a379674ae7860fca91e4741739\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"b37d96a06ec148fab77a1a5121bfc74b\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"b3a3183812fa46d7af4dcade094153d1\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"b3e874cde5924727b3c2cdb93de1e68a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"b460785b83194ce8a69121c358c2a5a8\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_c7e4f15aa81a48d9a390beb2ebb24cd3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Requirement already satisfied: pedalboard in /usr/local/lib/python3.10/dist-packages (0.7.5) \\n Requirement already satisfied: numpy in /usr/local/lib/python3.10/dist-packages (from pedalboard) (1.22.4) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pedalboard in /usr/local/lib/python3.10/dist-packages (0.7.5)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: numpy in /usr/local/lib/python3.10/dist-packages (from pedalboard) (1.22.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"b5508ace4d4844b68a2fc0f23e320db9\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2acee6da53c748b194bd4445bdba02a4\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I have deleted the old files and renamed the new ones with the same names as the original files. You should now \\n see only the updated files in your 'documents' folder. All references to 'Machine Learning' have been replaced \\n with 'AI' in these files. Feel free to check them and let me know if you have any other requests! \\n \\n\\n\",\n \"text/plain\": \" \\n I have deleted the old files and renamed the new ones with the same names as the original files. You should now \\n see only the updated files in your 'documents' folder. All references to 'Machine Learning' have been replaced \\n with 'AI' in these files. Feel free to check them and let me know if you have any other requests! \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"b821ba1c3698465092f5d390725fd535\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_93d564a6d8c842f29e3fcb5e8b8d2a18\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n ['.config', 'original_video.mp4.webm', 'sample_data'] \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m['.config', 'original_video.mp4.webm', 'sample_data']\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"b94baeecf44949ee9e76b2c080f0b3db\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_3164bb1a7475448e9f5bcaaadd74c63d\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install yt-dlp \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34myt\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdlp\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"bbf6af49c88c4c5d909b61ad8b67b5fa\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"bc0abb5adb504f1395bbff2e8a5404ef\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_18a380ea6a594f64b8381b1cd1bb2594\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Processing doc2.docx \\n Finished processing doc2.docx \\n Processing doc4.docx \\n Finished processing doc4.docx \\n Processing doc5.docx \\n Finished processing doc5.docx \\n Processing doc1.docx \\n Finished processing doc1.docx \\n Processing doc3.docx \\n Finished processing doc3.docx \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessing doc2.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mFinished processing doc2.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessing doc4.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mFinished processing doc4.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessing doc5.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mFinished processing doc5.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessing doc1.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mFinished processing doc1.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessing doc3.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mFinished processing doc3.docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"bd5ea7bd835a483095abe490c447dd32\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"bfffa91fc96f4f5b9ca25b29025938c6\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_d007873a1ec540b9b73cba17251362b0\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n from pydub import AudioSegment \\n \\n # Convert webm file to wav \\n song = AudioSegment.from_file('original_song.webm') \\n song.export('original_song.wav', format='wav') \\n \\n # Load the audio file \\n audio, sample_rate = sf.read('original_song.wav') \\n \\n # Create a Pedalboard instance \\n board = Pedalboard([ \\n PitchShift(semitones=-5), # Lower the pitch \\n Reverb(room_size=0.5, dry_level=0.5, wet_level=0.5) # Add reverb \\n ]) \\n \\n # Process the audio \\n processed_audio = board.process(audio, sample_rate=sample_rate) \\n \\n # Save the processed audio to a new file \\n sf.write('processed_song.wav', processed_audio, sample_rate) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpydub\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mAudioSegment\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Convert webm file to wav\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msong\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mAudioSegment\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfrom_file\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_song.webm\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msong\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mexport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_song.wav\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mformat\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mwav\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Load the audio file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mread\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_song.wav\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a Pedalboard instance\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPitchShift\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msemitones\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Lower the pitch\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mroom_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdry_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwet_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Add reverb\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process the audio\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocess\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the processed audio to a new file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mprocessed_song.wav\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"c0a1d45a04b7406683954288d08915b1\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"c18416a315554529bbf7f4f4543ecaa3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"c22ab4bfa43a460088c58b6679d60360\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2e9f43e734694e76829a9ed2a61439be\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n The video has been successfully downloaded and modified to have a frame rate of 12 fps for the segment from \\n 0:10 to 0:17. The next step is to redraw each frame using ControlNet with random prompts that evoke a stop \\n motion / hand-drawn animation feeling. \\n \\n Let's start by extracting all frames from the modified video. Then we will process each frame with ControlNet. \\n \\n\\n\",\n \"text/plain\": \" \\n The video has been successfully downloaded and modified to have a frame rate of 12 fps for the segment from \\n 0:10 to 0:17. The next step is to redraw each frame using ControlNet with random prompts that evoke a stop \\n motion / hand-drawn animation feeling. \\n \\n Let's start by extracting all frames from the modified video. Then we will process each frame with ControlNet. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"c31a702d90604293b9494824157c5493\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_77e0222fd2c54dbca7932d57e517601a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[9], line 2 \\n from pedalboard import Pedalboard, Reverb, Stretch \\n ImportError: cannot import name 'Stretch' from 'pedalboard' \\n (/usr/local/lib/python3.10/dist-packages/pedalboard/__init__.py) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[9], line 2\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m from pedalboard import Pedalboard, Reverb, Stretch\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mImportError: cannot import name 'Stretch' from 'pedalboard' \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(/usr/local/lib/python3.10/dist-packages/pedalboard/__init__.py)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"c39c77408c5e4ab99f127a1306f27554\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_ece854c5547443d78f1e8c0d8960ad47\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Great, the necessary packages have been installed. Now, let's proceed with the following steps: \\n \\n 1 Download the video from the provided YouTube link. \\n 2 Extract the audio from the video for later use. \\n 3 Cut the video to the desired time range (0:10 to 0:17). \\n 4 Reduce the frame rate of the video to 12 fps. \\n 5 Save each frame of the video as an image. \\n 6 Use ControlNet to redraw each image with a random prompt. \\n 7 Combine the redrawn images into a new video. \\n 8 Add the original audio back to the new video. \\n \\n Let's start with step 1: Downloading the video. \\n \\n\\n\",\n \"text/plain\": \" \\n Great, the necessary packages have been installed. Now, let's proceed with the following steps: \\n \\n \\u001b[1;33m 1 \\u001b[0mDownload the video from the provided YouTube link. \\n \\u001b[1;33m 2 \\u001b[0mExtract the audio from the video for later use. \\n \\u001b[1;33m 3 \\u001b[0mCut the video to the desired time range (0:10 to 0:17). \\n \\u001b[1;33m 4 \\u001b[0mReduce the frame rate of the video to 12 fps. \\n \\u001b[1;33m 5 \\u001b[0mSave each frame of the video as an image. \\n \\u001b[1;33m 6 \\u001b[0mUse ControlNet to redraw each image with a random prompt. \\n \\u001b[1;33m 7 \\u001b[0mCombine the redrawn images into a new video. \\n \\u001b[1;33m 8 \\u001b[0mAdd the original audio back to the new video. \\n \\n Let's start with step 1: Downloading the video. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"c72c1bac807b40d297fdba74958df4de\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_fe21edae84cc4778a3ddc2fcaedfbc3d\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Requirement already satisfied: replicate in /usr/local/lib/python3.10/dist-packages (0.8.4) \\n Requirement already satisfied: moviepy in /usr/local/lib/python3.10/dist-packages (1.0.3) \\n Requirement already satisfied: pysrt in /usr/local/lib/python3.10/dist-packages (1.1.2) \\n Requirement already satisfied: packaging in /usr/local/lib/python3.10/dist-packages (from replicate) (23.1) \\n Requirement already satisfied: pydantic<2,>1 in /usr/local/lib/python3.10/dist-packages (from replicate) \\n (1.10.11) \\n Requirement already satisfied: requests>2 in /usr/local/lib/python3.10/dist-packages (from replicate) (2.27.1) \\n Requirement already satisfied: decorator<5.0,>=4.0.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (4.4.2) \\n Requirement already satisfied: tqdm<5.0,>=4.11.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (4.65.0) \\n Requirement already satisfied: proglog<=1.0.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (0.1.10) \\n Requirement already satisfied: numpy>=1.17.3 in /usr/local/lib/python3.10/dist-packages (from moviepy) (1.22.4) \\n Requirement already satisfied: imageio<3.0,>=2.5 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (2.25.1) \\n Requirement already satisfied: imageio-ffmpeg>=0.2.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (0.4.8) \\n Requirement already satisfied: chardet in /usr/local/lib/python3.10/dist-packages (from pysrt) (4.0.0) \\n Requirement already satisfied: pillow>=8.3.2 in /usr/local/lib/python3.10/dist-packages (from \\n imageio<3.0,>=2.5->moviepy) (8.4.0) \\n Requirement already satisfied: typing-extensions>=4.2.0 in /usr/local/lib/python3.10/dist-packages (from \\n pydantic<2,>1->replicate) (4.7.1) \\n Requirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from \\n requests>2->replicate) (1.26.16) \\n Requirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.10/dist-packages (from \\n requests>2->replicate) (2023.5.7) \\n Requirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\n requests>2->replicate) (2.0.12) \\n Requirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from \\n requests>2->replicate) (3.4) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: replicate in /usr/local/lib/python3.10/dist-packages (0.8.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: moviepy in /usr/local/lib/python3.10/dist-packages (1.0.3)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pysrt in /usr/local/lib/python3.10/dist-packages (1.1.2)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: packaging in /usr/local/lib/python3.10/dist-packages (from replicate) (23.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pydantic<2,>1 in /usr/local/lib/python3.10/dist-packages (from replicate) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(1.10.11)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: requests>2 in /usr/local/lib/python3.10/dist-packages (from replicate) (2.27.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: decorator<5.0,>=4.0.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.4.2)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: tqdm<5.0,>=4.11.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.65.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: proglog<=1.0.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(0.1.10)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: numpy>=1.17.3 in /usr/local/lib/python3.10/dist-packages (from moviepy) (1.22.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: imageio<3.0,>=2.5 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2.25.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: imageio-ffmpeg>=0.2.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(0.4.8)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: chardet in /usr/local/lib/python3.10/dist-packages (from pysrt) (4.0.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pillow>=8.3.2 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mimageio<3.0,>=2.5->moviepy) (8.4.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: typing-extensions>=4.2.0 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mpydantic<2,>1->replicate) (4.7.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests>2->replicate) (1.26.16)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests>2->replicate) (2023.5.7)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests>2->replicate) (2.0.12)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests>2->replicate) (3.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"c7e4f15aa81a48d9a390beb2ebb24cd3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"c89ae989cd4549e58606b7d2cd95ece4\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_aae61f21148843148e082f1349b130ae\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I have successfully hardcoded the subtitles into the video and created a new file named billy_subbed.mp4. Now, \\n you should be able to play the video with the subtitles displayed at the bottom. Let me know if there is \\n anything else I can help you with. \\n \\n\\n\",\n \"text/plain\": \" \\n I have successfully hardcoded the subtitles into the video and created a new file named \\u001b[1;36;40mbilly_subbed.mp4\\u001b[0m. Now, \\n you should be able to play the video with the subtitles displayed at the bottom. Let me know if there is \\n anything else I can help you with. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"c97723ce541246e28c2ec4459cc3151f\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"caec7c9c20f848d0b94b4dd0db73892c\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_0d24fe34dd454245ab16fd84734a063d\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"\\n Traceback (most recent call last): \\n Cell In[9], line 4 \\n processed_audio = board.process(audio, sample_rate=sample_rate) \\n NameError: name 'audio' is not defined \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[9], line 4\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m processed_audio = board.process(audio, sample_rate=sample_rate)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mNameError: name 'audio' is not defined\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"cc1a30ae29f5499d8156470700faae6c\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"cc23e29c55ac41fa9bfbb35230fb67e7\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"cf53e6745eb14d44a6ce84d8f1efb3e9\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_9d35e8077b634453a9da6c9bdf55c104\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import soundfile as sf \\n from pedalboard import Pedalboard, Reverb, Stretch \\n \\n # Load the audio file \\n audio, sample_rate = sf.read('original_song.webm') \\n \\n # Create a Pedalboard instance \\n board = Pedalboard([ \\n Stretch(factor=0.8), # Slow down by 20% \\n Reverb(room_size=0.5, dry_level=0.5, wet_level=0.5) # Add reverb \\n ], sample_rate=sample_rate) \\n \\n # Process the audio \\n processed_audio = board(audio) \\n \\n # Save the processed audio to a new file \\n sf.write('processed_song.wav', processed_audio, sample_rate) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msoundfile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mas\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mStretch\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Load the audio file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mread\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_song.webm\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a Pedalboard instance\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mStretch\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfactor\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.8\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Slow down by 20%\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mroom_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdry_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwet_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Add reverb\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process the audio\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the processed audio to a new file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mprocessed_song.wav\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"d007873a1ec540b9b73cba17251362b0\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"d045b96ac66249c6af3b39562216c469\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_e32b943cf46c49b49a53275b33b06072\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Collecting python-docx \\n Downloading python-docx-0.8.11.tar.gz (5.6 MB) \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/5.6 MB ? eta -:--:-- \\n ━━━━━━━━━━━━╸━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.8/5.6 MB 50.5 MB/s eta 0:00:01 \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╺━━━━━━━━━ 4.2/5.6 MB 69.5 MB/s eta 0:00:01 \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╸ 5.6/5.6 MB 67.5 MB/s eta 0:00:01 \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 5.6/5.6 MB 46.8 MB/s eta 0:00:00 \\n Preparing metadata (setup.py) ... done \\n Requirement already satisfied: lxml>=2.3.2 in /usr/local/lib/python3.10/dist-packages (from python-docx) \\n (4.9.3) \\n Building wheels for collected packages: python-docx \\n Building wheel for python-docx (setup.py) ... done \\n Created wheel for python-docx: filename=python_docx-0.8.11-py3-none-any.whl size=184491 \\n sha256=6df55c1b8dfc526237f9d47c2bee330c560a1087b2525c78bb00a4a383104b5d \\n Stored in directory: /root/.cache/pip/wheels/80/27/06/837436d4c3bd989b957a91679966f207bfd71d358d63a8194d \\n Successfully built python-docx \\n Installing collected packages: python-docx \\n Successfully installed python-docx-0.8.11 \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCollecting python-docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Downloading python-docx-0.8.11.tar.gz (5.6 MB)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/5.6 MB ? eta -:--:-- \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m━━━━━━━━━━━━╸━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.8/5.6 MB 50.5 MB/s eta 0:00:01 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╺━━━━━━━━━ 4.2/5.6 MB 69.5 MB/s eta 0:00:01 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╸ 5.6/5.6 MB 67.5 MB/s eta 0:00:01 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 5.6/5.6 MB 46.8 MB/s eta 0:00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Preparing metadata (setup.py) ... done\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: lxml>=2.3.2 in /usr/local/lib/python3.10/dist-packages (from python-docx) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.9.3)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mBuilding wheels for collected packages: python-docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Building wheel for python-docx (setup.py) ... done\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Created wheel for python-docx: filename=python_docx-0.8.11-py3-none-any.whl size=184491 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55msha256=6df55c1b8dfc526237f9d47c2bee330c560a1087b2525c78bb00a4a383104b5d\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Stored in directory: /root/.cache/pip/wheels/80/27/06/837436d4c3bd989b957a91679966f207bfd71d358d63a8194d\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mSuccessfully built python-docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mInstalling collected packages: python-docx\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mSuccessfully installed python-docx-0.8.11\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"d0aafd6be71f4f548e2ef6df1fb0dde1\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_b21732a379674ae7860fca91e4741739\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install pedalboard \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpedalboard\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"d6a7ae990c474869934f5862a89dd274\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"d70ab8f629f446c19c41c3293b905d83\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"d77d9d8269874d54b6762f634e916206\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_9d1e55aa8c544a3aa780fa2230b82c21\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Output truncated. Showing the last 7000 characters: \\n \\n 8 | 1288/1463 [02:39<00:16, 10.66it/s, now=None]t: 88%|########8 | 1290/1463 [02:39<00:18, 9.20it/s, \\n now=None]t: 88%|########8 | 1292/1463 [02:40<00:16, 10.52it/s, now=None]t: 88%|########8 | 1294/1463 \\n [02:40<00:18, 9.10it/s, now=None]t: 89%|########8 | 1296/1463 [02:40<00:16, 10.19it/s, now=None]t: \\n 89%|########8 | 1298/1463 [02:40<00:15, 10.70it/s, now=None]t: 89%|########8 | 1300/1463 [02:40<00:17, \\n 9.37it/s, now=None]t: 89%|########8 | 1302/1463 [02:41<00:15, 10.43it/s, now=None]t: 89%|########9 | \\n 1304/1463 [02:41<00:16, 9.66it/s, now=None]t: 89%|########9 | 1306/1463 [02:41<00:15, 10.43it/s, now=None]t: \\n 89%|########9 | 1308/1463 [02:41<00:16, 9.48it/s, now=None]t: 90%|########9 | 1310/1463 [02:41<00:15, \\n 9.96it/s, now=None]t: 90%|########9 | 1312/1463 [02:42<00:15, 9.68it/s, now=None]t: 90%|########9 | \\n 1315/1463 [02:42<00:13, 10.98it/s, now=None]t: 90%|######### | 1317/1463 [02:42<00:12, 11.56it/s, now=None]t: \\n 90%|######### | 1319/1463 [02:42<00:15, 9.50it/s, now=None]t: 90%|######### | 1321/1463 [02:43<00:15, \\n 9.40it/s, now=None]t: 90%|######### | 1322/1463 [02:43<00:14, 9.42it/s, now=None]t: 90%|######### | \\n 1324/1463 [02:43<00:15, 9.11it/s, now=None]t: 91%|######### | 1325/1463 [02:43<00:14, 9.25it/s, now=None]t: \\n 91%|######### | 1327/1463 [02:43<00:12, 11.31it/s, now=None]t: 91%|######### | 1329/1463 [02:43<00:14, \\n 9.57it/s, now=None]t: 91%|######### | 1331/1463 [02:44<00:15, 8.62it/s, now=None]t: 91%|#########1| \\n 1333/1463 [02:44<00:12, 10.34it/s, now=None]t: 91%|#########1| 1335/1463 [02:44<00:13, 9.21it/s, now=None]t: \\n 91%|#########1| 1337/1463 [02:44<00:12, 10.30it/s, now=None]t: 92%|#########1| 1339/1463 [02:44<00:13, \\n 9.06it/s, now=None]t: 92%|#########1| 1341/1463 [02:45<00:12, 10.11it/s, now=None]t: 92%|#########1| \\n 1343/1463 [02:45<00:13, 9.08it/s, now=None]t: 92%|#########1| 1345/1463 [02:45<00:12, 9.61it/s, now=None]t: \\n 92%|#########2| 1347/1463 [02:45<00:10, 11.20it/s, now=None]t: 92%|#########2| 1349/1463 [02:45<00:11, \\n 9.58it/s, now=None]t: 92%|#########2| 1351/1463 [02:46<00:11, 9.57it/s, now=None]t: 92%|#########2| \\n 1353/1463 [02:46<00:10, 10.70it/s, now=None]t: 93%|#########2| 1355/1463 [02:46<00:10, 10.17it/s, now=None]t: \\n 93%|#########2| 1357/1463 [02:46<00:10, 10.28it/s, now=None]t: 93%|#########2| 1359/1463 [02:46<00:09, \\n 10.94it/s, now=None]t: 93%|#########3| 1361/1463 [02:47<00:12, 8.09it/s, now=None]t: 93%|#########3| \\n 1363/1463 [02:47<00:11, 8.84it/s, now=None]t: 93%|#########3| 1365/1463 [02:47<00:12, 7.58it/s, now=None]t: \\n 93%|#########3| 1367/1463 [02:48<00:14, 6.47it/s, now=None]t: 94%|#########3| 1369/1463 [02:48<00:12, \\n 7.48it/s, now=None]t: 94%|#########3| 1370/1463 [02:48<00:12, 7.29it/s, now=None]t: 94%|#########3| \\n 1371/1463 [02:48<00:15, 5.85it/s, now=None]t: 94%|#########3| 1372/1463 [02:48<00:14, 6.33it/s, now=None]t: \\n 94%|#########3| 1373/1463 [02:49<00:14, 6.11it/s, now=None]t: 94%|#########3| 1374/1463 [02:49<00:14, \\n 6.17it/s, now=None]t: 94%|#########3| 1375/1463 [02:49<00:15, 5.59it/s, now=None]t: 94%|#########4| \\n 1376/1463 [02:49<00:13, 6.28it/s, now=None]t: 94%|#########4| 1377/1463 [02:49<00:12, 6.97it/s, now=None]t: \\n 94%|#########4| 1378/1463 [02:49<00:14, 6.04it/s, now=None]t: 94%|#########4| 1379/1463 [02:50<00:16, \\n 5.17it/s, now=None]t: 94%|#########4| 1380/1463 [02:50<00:15, 5.41it/s, now=None]t: 94%|#########4| \\n 1382/1463 [02:50<00:11, 7.30it/s, now=None]t: 95%|#########4| 1383/1463 [02:50<00:13, 5.78it/s, now=None]t: \\n 95%|#########4| 1384/1463 [02:50<00:13, 5.78it/s, now=None]t: 95%|#########4| 1386/1463 [02:51<00:12, \\n 6.03it/s, now=None]t: 95%|#########4| 1387/1463 [02:51<00:11, 6.52it/s, now=None]t: 95%|#########4| \\n 1388/1463 [02:51<00:10, 7.11it/s, now=None]t: 95%|#########4| 1389/1463 [02:51<00:10, 7.06it/s, now=None]t: \\n 95%|#########5| 1390/1463 [02:51<00:13, 5.49it/s, now=None]t: 95%|#########5| 1391/1463 [02:52<00:12, \\n 5.90it/s, now=None]t: 95%|#########5| 1393/1463 [02:52<00:08, 8.30it/s, now=None]t: 95%|#########5| \\n 1394/1463 [02:52<00:15, 4.56it/s, now=None]t: 95%|#########5| 1396/1463 [02:52<00:11, 5.99it/s, now=None]t: \\n 95%|#########5| 1397/1463 [02:53<00:11, 5.53it/s, now=None]t: 96%|#########5| 1398/1463 [02:53<00:11, \\n 5.87it/s, now=None]t: 96%|#########5| 1400/1463 [02:53<00:11, 5.35it/s, now=None]t: 96%|#########5| \\n 1401/1463 [02:53<00:10, 5.92it/s, now=None]t: 96%|#########5| 1403/1463 [02:54<00:10, 5.85it/s, now=None]t: \\n 96%|#########6| 1405/1463 [02:54<00:07, 7.74it/s, now=None]t: 96%|#########6| 1407/1463 [02:54<00:09, \\n 6.09it/s, now=None]t: 96%|#########6| 1409/1463 [02:54<00:07, 6.86it/s, now=None]t: 96%|#########6| \\n 1410/1463 [02:55<00:09, 5.53it/s, now=None]t: 97%|#########6| 1412/1463 [02:55<00:07, 6.96it/s, now=None]t: \\n 97%|#########6| 1413/1463 [02:55<00:07, 6.90it/s, now=None]t: 97%|#########6| 1414/1463 [02:55<00:09, \\n 5.34it/s, now=None]t: 97%|#########6| 1416/1463 [02:56<00:08, 5.72it/s, now=None]t: 97%|#########6| \\n 1417/1463 [02:56<00:07, 6.29it/s, now=None]t: 97%|#########6| 1419/1463 [02:56<00:05, 7.89it/s, now=None]t: \\n 97%|#########7| 1420/1463 [02:56<00:07, 6.11it/s, now=None]t: 97%|#########7| 1422/1463 [02:57<00:06, \\n 6.33it/s, now=None]t: 97%|#########7| 1423/1463 [02:57<00:05, 6.70it/s, now=None]t: 97%|#########7| \\n 1424/1463 [02:57<00:05, 7.00it/s, now=None]t: 97%|#########7| 1425/1463 [02:57<00:05, 7.39it/s, now=None]t: \\n 97%|#########7| 1426/1463 [02:57<00:06, 6.13it/s, now=None]t: 98%|#########7| 1428/1463 [02:57<00:04, \\n 7.72it/s, now=None]t: 98%|#########7| 1429/1463 [02:57<00:04, 7.34it/s, now=None]t: 98%|#########7| \\n 1430/1463 [02:58<00:05, 5.94it/s, now=None]t: 98%|#########7| 1432/1463 [02:58<00:04, 7.63it/s, now=None]t: \\n 98%|#########7| 1433/1463 [02:58<00:03, 7.50it/s, now=None]t: 98%|#########8| 1434/1463 [02:58<00:04, \\n 6.56it/s, now=None]t: 98%|#########8| 1436/1463 [02:58<00:03, 7.82it/s, now=None]t: 98%|#########8| \\n 1438/1463 [02:59<00:02, 9.68it/s, now=None]t: 98%|#########8| 1440/1463 [02:59<00:02, 8.59it/s, now=None]t: \\n 99%|#########8| 1442/1463 [02:59<00:02, 10.36it/s, now=None]t: 99%|#########8| 1444/1463 [02:59<00:02, \\n 9.01it/s, now=None]t: 99%|#########8| 1446/1463 [02:59<00:01, 9.91it/s, now=None]t: 99%|#########8| \\n 1448/1463 [03:00<00:01, 9.94it/s, now=None]t: 99%|#########9| 1450/1463 [03:00<00:01, 10.22it/s, now=None]t: \\n 99%|#########9| 1452/1463 [03:00<00:01, 10.75it/s, now=None]t: 99%|#########9| 1454/1463 [03:00<00:00, \\n 10.87it/s, now=None]t: 100%|#########9| 1456/1463 [03:00<00:00, 10.56it/s, now=None]t: 100%|#########9| \\n 1458/1463 [03:00<00:00, 11.16it/s, now=None]t: 100%|#########9| 1460/1463 [03:01<00:00, 10.43it/s, now=None]t: \\n 100%|#########9| 1462/1463 [03:01<00:00, 11.59it/s, now=None] \\n Moviepy - Done ! \\n Moviepy - video ready billy_subbed.mp4 \\n None \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 7000 characters:\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m8 | 1288/1463 [02:39<00:16, 10.66it/s, now=None]t: 88%|########8 | 1290/1463 [02:39<00:18, 9.20it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 88%|########8 | 1292/1463 [02:40<00:16, 10.52it/s, now=None]t: 88%|########8 | 1294/1463 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[02:40<00:18, 9.10it/s, now=None]t: 89%|########8 | 1296/1463 [02:40<00:16, 10.19it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m89%|########8 | 1298/1463 [02:40<00:15, 10.70it/s, now=None]t: 89%|########8 | 1300/1463 [02:40<00:17, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m9.37it/s, now=None]t: 89%|########8 | 1302/1463 [02:41<00:15, 10.43it/s, now=None]t: 89%|########9 | \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1304/1463 [02:41<00:16, 9.66it/s, now=None]t: 89%|########9 | 1306/1463 [02:41<00:15, 10.43it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m89%|########9 | 1308/1463 [02:41<00:16, 9.48it/s, now=None]t: 90%|########9 | 1310/1463 [02:41<00:15, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m9.96it/s, now=None]t: 90%|########9 | 1312/1463 [02:42<00:15, 9.68it/s, now=None]t: 90%|########9 | \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1315/1463 [02:42<00:13, 10.98it/s, now=None]t: 90%|######### | 1317/1463 [02:42<00:12, 11.56it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m90%|######### | 1319/1463 [02:42<00:15, 9.50it/s, now=None]t: 90%|######### | 1321/1463 [02:43<00:15, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m9.40it/s, now=None]t: 90%|######### | 1322/1463 [02:43<00:14, 9.42it/s, now=None]t: 90%|######### | \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1324/1463 [02:43<00:15, 9.11it/s, now=None]t: 91%|######### | 1325/1463 [02:43<00:14, 9.25it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m91%|######### | 1327/1463 [02:43<00:12, 11.31it/s, now=None]t: 91%|######### | 1329/1463 [02:43<00:14, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m9.57it/s, now=None]t: 91%|######### | 1331/1463 [02:44<00:15, 8.62it/s, now=None]t: 91%|#########1| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1333/1463 [02:44<00:12, 10.34it/s, now=None]t: 91%|#########1| 1335/1463 [02:44<00:13, 9.21it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m91%|#########1| 1337/1463 [02:44<00:12, 10.30it/s, now=None]t: 92%|#########1| 1339/1463 [02:44<00:13, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m9.06it/s, now=None]t: 92%|#########1| 1341/1463 [02:45<00:12, 10.11it/s, now=None]t: 92%|#########1| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1343/1463 [02:45<00:13, 9.08it/s, now=None]t: 92%|#########1| 1345/1463 [02:45<00:12, 9.61it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m92%|#########2| 1347/1463 [02:45<00:10, 11.20it/s, now=None]t: 92%|#########2| 1349/1463 [02:45<00:11, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m9.58it/s, now=None]t: 92%|#########2| 1351/1463 [02:46<00:11, 9.57it/s, now=None]t: 92%|#########2| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1353/1463 [02:46<00:10, 10.70it/s, now=None]t: 93%|#########2| 1355/1463 [02:46<00:10, 10.17it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m93%|#########2| 1357/1463 [02:46<00:10, 10.28it/s, now=None]t: 93%|#########2| 1359/1463 [02:46<00:09, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m10.94it/s, now=None]t: 93%|#########3| 1361/1463 [02:47<00:12, 8.09it/s, now=None]t: 93%|#########3| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1363/1463 [02:47<00:11, 8.84it/s, now=None]t: 93%|#########3| 1365/1463 [02:47<00:12, 7.58it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m93%|#########3| 1367/1463 [02:48<00:14, 6.47it/s, now=None]t: 94%|#########3| 1369/1463 [02:48<00:12, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m7.48it/s, now=None]t: 94%|#########3| 1370/1463 [02:48<00:12, 7.29it/s, now=None]t: 94%|#########3| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1371/1463 [02:48<00:15, 5.85it/s, now=None]t: 94%|#########3| 1372/1463 [02:48<00:14, 6.33it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m94%|#########3| 1373/1463 [02:49<00:14, 6.11it/s, now=None]t: 94%|#########3| 1374/1463 [02:49<00:14, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m6.17it/s, now=None]t: 94%|#########3| 1375/1463 [02:49<00:15, 5.59it/s, now=None]t: 94%|#########4| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1376/1463 [02:49<00:13, 6.28it/s, now=None]t: 94%|#########4| 1377/1463 [02:49<00:12, 6.97it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m94%|#########4| 1378/1463 [02:49<00:14, 6.04it/s, now=None]t: 94%|#########4| 1379/1463 [02:50<00:16, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m5.17it/s, now=None]t: 94%|#########4| 1380/1463 [02:50<00:15, 5.41it/s, now=None]t: 94%|#########4| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1382/1463 [02:50<00:11, 7.30it/s, now=None]t: 95%|#########4| 1383/1463 [02:50<00:13, 5.78it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m95%|#########4| 1384/1463 [02:50<00:13, 5.78it/s, now=None]t: 95%|#########4| 1386/1463 [02:51<00:12, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m6.03it/s, now=None]t: 95%|#########4| 1387/1463 [02:51<00:11, 6.52it/s, now=None]t: 95%|#########4| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1388/1463 [02:51<00:10, 7.11it/s, now=None]t: 95%|#########4| 1389/1463 [02:51<00:10, 7.06it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m95%|#########5| 1390/1463 [02:51<00:13, 5.49it/s, now=None]t: 95%|#########5| 1391/1463 [02:52<00:12, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m5.90it/s, now=None]t: 95%|#########5| 1393/1463 [02:52<00:08, 8.30it/s, now=None]t: 95%|#########5| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1394/1463 [02:52<00:15, 4.56it/s, now=None]t: 95%|#########5| 1396/1463 [02:52<00:11, 5.99it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m95%|#########5| 1397/1463 [02:53<00:11, 5.53it/s, now=None]t: 96%|#########5| 1398/1463 [02:53<00:11, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m5.87it/s, now=None]t: 96%|#########5| 1400/1463 [02:53<00:11, 5.35it/s, now=None]t: 96%|#########5| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1401/1463 [02:53<00:10, 5.92it/s, now=None]t: 96%|#########5| 1403/1463 [02:54<00:10, 5.85it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m96%|#########6| 1405/1463 [02:54<00:07, 7.74it/s, now=None]t: 96%|#########6| 1407/1463 [02:54<00:09, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m6.09it/s, now=None]t: 96%|#########6| 1409/1463 [02:54<00:07, 6.86it/s, now=None]t: 96%|#########6| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1410/1463 [02:55<00:09, 5.53it/s, now=None]t: 97%|#########6| 1412/1463 [02:55<00:07, 6.96it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m97%|#########6| 1413/1463 [02:55<00:07, 6.90it/s, now=None]t: 97%|#########6| 1414/1463 [02:55<00:09, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m5.34it/s, now=None]t: 97%|#########6| 1416/1463 [02:56<00:08, 5.72it/s, now=None]t: 97%|#########6| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1417/1463 [02:56<00:07, 6.29it/s, now=None]t: 97%|#########6| 1419/1463 [02:56<00:05, 7.89it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m97%|#########7| 1420/1463 [02:56<00:07, 6.11it/s, now=None]t: 97%|#########7| 1422/1463 [02:57<00:06, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m6.33it/s, now=None]t: 97%|#########7| 1423/1463 [02:57<00:05, 6.70it/s, now=None]t: 97%|#########7| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1424/1463 [02:57<00:05, 7.00it/s, now=None]t: 97%|#########7| 1425/1463 [02:57<00:05, 7.39it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m97%|#########7| 1426/1463 [02:57<00:06, 6.13it/s, now=None]t: 98%|#########7| 1428/1463 [02:57<00:04, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m7.72it/s, now=None]t: 98%|#########7| 1429/1463 [02:57<00:04, 7.34it/s, now=None]t: 98%|#########7| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1430/1463 [02:58<00:05, 5.94it/s, now=None]t: 98%|#########7| 1432/1463 [02:58<00:04, 7.63it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m98%|#########7| 1433/1463 [02:58<00:03, 7.50it/s, now=None]t: 98%|#########8| 1434/1463 [02:58<00:04, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m6.56it/s, now=None]t: 98%|#########8| 1436/1463 [02:58<00:03, 7.82it/s, now=None]t: 98%|#########8| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1438/1463 [02:59<00:02, 9.68it/s, now=None]t: 98%|#########8| 1440/1463 [02:59<00:02, 8.59it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m99%|#########8| 1442/1463 [02:59<00:02, 10.36it/s, now=None]t: 99%|#########8| 1444/1463 [02:59<00:02, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m9.01it/s, now=None]t: 99%|#########8| 1446/1463 [02:59<00:01, 9.91it/s, now=None]t: 99%|#########8| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1448/1463 [03:00<00:01, 9.94it/s, now=None]t: 99%|#########9| 1450/1463 [03:00<00:01, 10.22it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m99%|#########9| 1452/1463 [03:00<00:01, 10.75it/s, now=None]t: 99%|#########9| 1454/1463 [03:00<00:00, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m10.87it/s, now=None]t: 100%|#########9| 1456/1463 [03:00<00:00, 10.56it/s, now=None]t: 100%|#########9| \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1458/1463 [03:00<00:00, 11.16it/s, now=None]t: 100%|#########9| 1460/1463 [03:01<00:00, 10.43it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m100%|#########9| 1462/1463 [03:01<00:00, 11.59it/s, now=None] \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - Done !\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - video ready billy_subbed.mp4\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mNone\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"d7e431b748474de0a69eee41e44d6eb7\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_e343d276aac5477bb4f9917eb5d8d8db\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import os \\n \\n # List all files in the current directory \\n os.listdir() \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# List all files in the current directory\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlistdir\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"d849c6a21c8b41a8bbb0abc8a95997c5\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"d911c9e7aedd42519ee06ef45a0224d2\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_e660cf408ab34428a4f579f4b3770f5e\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n video = VideoFileClip('original_video.mp4.webm') \\n \\n # Extract the segment from 0:10 to 0:17 \\n video = video.subclip(10, 17) \\n \\n # Reduce the frame rate to 12 fps \\n video = video.set_duration(7).set_fps(12) \\n \\n # Save the modified video \\n video.write_videofile('modified_video.mp4', codec='libx264') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoFileClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_video.mp4.webm\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Extract the segment from 0:10 to 0:17\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msubclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m10\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m17\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Reduce the frame rate to 12 fps\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_duration\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m7\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_fps\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m12\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the modified video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mmodified_video.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mlibx264\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"daba6cb342374830be9830b57d96a599\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_41707e7b17314b17a249388903e0ce71\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install yt-dlp moviepy replicate \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34myt\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdlp\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"dbb96798015249abbad237f9086ac8ff\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_0b001f96904d4c91bf26ad72420e9cca\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import replicate \\n import random \\n \\n # Define the prompts \\n prompts = ['embroidery', 'pencil art', 'claymation', 'yarn on a table'] \\n \\n # Create a directory to store the redrawn frames \\n os.makedirs('redrawn_frames', exist_ok=True) \\n \\n # Redraw each frame with ControlNet \\n for i in range(len(os.listdir('frames'))): \\n # Open the frame \\n with open(f'frames/frame_{i}.png', 'rb') as f: \\n # Run ControlNet on the frame \\n output = replicate.run( \\n 'jagilley/controlnet-canny:aff48af9c68d162388d230a2ab003f68d2638d88307bdaf1c2f1ac95079c9613', \\n input={'image': f, 'prompt': random.choice(prompts)} \\n ) \\n \\n # Download the redrawn frame \\n os.system(f'wget {output[1]} -O redrawn_frames/frame_{i}.png') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandom\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Define the prompts\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprompts\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34membroidery\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mpencil art\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mclaymation\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34myarn on a table\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a directory to store the redrawn frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmakedirs\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mredrawn_frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mexist_ok\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mTrue\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Redraw each frame with ControlNet\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrange\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlistdir\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mframes\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Open the frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mwith\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mopen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mframes/frame_\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m.png\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mrb\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mas\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Run ControlNet on the frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mreplicate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrun\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mjagilley/controlnet-canny:aff48af9c68d162388d230a2ab003f68d2638d88307bdaf1c2f1ac95079c9613\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minput\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mimage\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mprompt\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrandom\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mchoice\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprompts\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m}\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Download the redrawn frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msystem\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mwget \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m -O redrawn_frames/frame_\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m.png\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"dbee4b5e838b4cd6bf8da3949c563daa\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"dcfeecca01c345f58eebb9b6209cb5ad\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"dde784ca98904ba49ba23dda2100076a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"dfae26728db147cb98311156e758816b\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"dff5f7eed46245c6ba0606360289f704\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_151cf723f20d41c392149082e4b987c6\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n It seems like the video file original_video.mp4 could not be found. This could be because the video was \\n downloaded with a different filename. Let's check the current directory to see if the video file is present and \\n what its exact filename is. \\n \\n\\n\",\n \"text/plain\": \" \\n It seems like the video file \\u001b[1;36;40moriginal_video.mp4\\u001b[0m could not be found. This could be because the video was \\n downloaded with a different filename. Let's check the current directory to see if the video file is present and \\n what its exact filename is. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"e0ca1b4596b44f4285dcd52000aa62c0\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_1356d617a0c74b9fb9dc4f94d78f62aa\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"\\n from pedalboard import Pedalboard, Reverb, PitchShift \\n \\n # Create a Pedalboard instance \\n board = Pedalboard([ \\n PitchShift(semitones=-5), # Lower the pitch \\n Reverb(room_size=0.5, dry_level=0.5, wet_level=0.5) # Add reverb \\n ], sample_rate=sample_rate) \\n \\n # Process the audio \\n processed_audio = board(audio) \\n \\n # Save the processed audio to a new file \\n sf.write('processed_song.wav', processed_audio, sample_rate) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPitchShift\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a Pedalboard instance\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPitchShift\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msemitones\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Lower the pitch\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mroom_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdry_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwet_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Add reverb\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process the audio\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the processed audio to a new file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mprocessed_song.wav\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"e280512ec6404a2e9849072c1ac4a74a\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_626af5cf397440b2baec64ed98ea5c3f\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n 2.75MiB/s ETA 00:00 (frag 42/43) 101.3% of ~ 44.85MiB at 2.99MiB/s ETA 00:00 (frag 42/43) 100.0% of ~ \\n 45.44MiB at 2.75MiB/s ETA 00:00 (frag 43/43) 102.3% of ~ 44.41MiB at 30.40KiB/s ETA -1:59:26 (frag 43/43) \\n 102.3% of ~ 44.41MiB at 59.29KiB/s ETA -1:59:43 (frag 43/43) 102.3% of ~ 44.41MiB at 105.76KiB/s ETA \\n -1:59:50 (frag 43/43) 102.4% of ~ 44.41MiB at 170.58KiB/s ETA -1:59:54 (frag 43/43) 102.4% of ~ 44.41MiB at \\n 297.14KiB/s ETA -1:59:57 (frag 43/43) 102.5% of ~ 44.41MiB at 521.75KiB/s ETA -1:59:58 (frag 43/43) 102.6% of \\n ~ 44.41MiB at 912.53KiB/s ETA -1:59:59 (frag 43/43) 102.9% of ~ 44.41MiB at 1.60MiB/s ETA 00:00 (frag \\n 43/43) 103.3% of ~ 44.41MiB at 2.49MiB/s ETA 00:00 (frag 43/43) 102.3% of ~ 44.82MiB at 2.28MiB/s \\n ETA 00:00 (frag 44/43) 100% of 45.87MiB in 00:00:09 at 4.83MiB/s \\n Destination: original_video.mp4.f251.webm \\n 0.0% of 3.80MiB at 72.52KiB/s ETA 00:53 0.1% of 3.80MiB at 109.40KiB/s ETA 00:35 0.2% of \\n 3.80MiB at 169.45KiB/s ETA 00:22 0.4% of 3.80MiB at 272.40KiB/s ETA 00:14 0.8% of 3.80MiB at \\n 450.28KiB/s ETA 00:08 1.6% of 3.80MiB at 750.69KiB/s ETA 00:05 3.3% of 3.80MiB at 1.22MiB/s ETA \\n 00:03 6.6% of 3.80MiB at 2.08MiB/s ETA 00:01 13.1% of 3.80MiB at 3.59MiB/s ETA 00:00 26.3% of \\n 3.80MiB at 6.15MiB/s ETA 00:00 52.7% of 3.80MiB at 10.69MiB/s ETA 00:00 100.0% of 3.80MiB at \\n 16.74MiB/s ETA 00:00 100% of 3.80MiB in 00:00:00 at 14.53MiB/s \\n [Merger] Merging formats into \\\"original_video.mp4.webm\\\" \\n Deleting original file original_video.mp4.f251.webm (pass -k to keep) \\n Deleting original file original_video.mp4.f616.mp4 (pass -k to keep) \\n 0 \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 2.75MiB/s ETA 00:00 (frag 42/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 101.3% of ~ 44.85MiB at 2.99MiB/s ETA 00:00 (frag 42/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.0% of ~ \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m45.44MiB at 2.75MiB/s ETA 00:00 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.3% of ~ 44.41MiB at 30.40KiB/s ETA -1:59:26 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m102.3% of ~ 44.41MiB at 59.29KiB/s ETA -1:59:43 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.3% of ~ 44.41MiB at 105.76KiB/s ETA \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m-1:59:50 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.4% of ~ 44.41MiB at 170.58KiB/s ETA -1:59:54 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.4% of ~ 44.41MiB at \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m297.14KiB/s ETA -1:59:57 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.5% of ~ 44.41MiB at 521.75KiB/s ETA -1:59:58 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.6% of\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m~ 44.41MiB at 912.53KiB/s ETA -1:59:59 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.9% of ~ 44.41MiB at 1.60MiB/s ETA 00:00 (frag \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m43/43) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 103.3% of ~ 44.41MiB at 2.49MiB/s ETA 00:00 (frag 43/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.3% of ~ 44.82MiB at 2.28MiB/s \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mETA 00:00 (frag 44/43)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100% of 45.87MiB in 00:00:09 at 4.83MiB/s \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Destination: original_video.mp4.f251.webm\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.0% of 3.80MiB at 72.52KiB/s ETA 00:53\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.1% of 3.80MiB at 109.40KiB/s ETA 00:35\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.2% of \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m3.80MiB at 169.45KiB/s ETA 00:22\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.4% of 3.80MiB at 272.40KiB/s ETA 00:14\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.8% of 3.80MiB at \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m450.28KiB/s ETA 00:08\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 1.6% of 3.80MiB at 750.69KiB/s ETA 00:05\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 3.3% of 3.80MiB at 1.22MiB/s ETA \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m00:03\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 6.6% of 3.80MiB at 2.08MiB/s ETA 00:01\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 13.1% of 3.80MiB at 3.59MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 26.3% of \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m3.80MiB at 6.15MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 52.7% of 3.80MiB at 10.69MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.0% of 3.80MiB at \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m16.74MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100% of 3.80MiB in 00:00:00 at 14.53MiB/s \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[Merger] Merging formats into \\\"original_video.mp4.webm\\\"\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mDeleting original file original_video.mp4.f251.webm (pass -k to keep)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mDeleting original file original_video.mp4.f616.mp4 (pass -k to keep)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m0\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"e32b943cf46c49b49a53275b33b06072\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e343d276aac5477bb4f9917eb5d8d8db\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e38fcb7d81394b1c8c1356f9d272511e\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e6247bda53784a498401796d47b5cd3c\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_40af2b00dea44c7a93604188fa913f49\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Sure, to achieve this, we will need the following steps: \\n \\n 1 List all the .docx files in the 'documents' folder. \\n 2 Open each .docx file and search for the term 'Machine Learning' (regardless of the case). \\n 3 Replace 'Machine Learning' with 'AI'. \\n 4 Save the changes in each respective file. \\n \\n We would need to use the os and python-docx modules for this task. However, you might need to install the \\n python-docx module, should it not be already installed. Let's proceed with the operation. \\n \\n First, I will write a small piece of code to list all .docx files in the directory. Let's make sure we have the \\n right files. \\n \\n\\n\",\n \"text/plain\": \" \\n Sure, to achieve this, we will need the following steps: \\n \\n \\u001b[1;33m 1 \\u001b[0mList all the .docx files in the 'documents' folder. \\n \\u001b[1;33m 2 \\u001b[0mOpen each .docx file and search for the term 'Machine Learning' (regardless of the case). \\n \\u001b[1;33m 3 \\u001b[0mReplace 'Machine Learning' with 'AI'. \\n \\u001b[1;33m 4 \\u001b[0mSave the changes in each respective file. \\n \\n We would need to use the \\u001b[1;36;40mos\\u001b[0m and \\u001b[1;36;40mpython-docx\\u001b[0m modules for this task. However, you might need to install the \\n \\u001b[1;36;40mpython-docx\\u001b[0m module, should it not be already installed. Let's proceed with the operation. \\n \\n First, I will write a small piece of code to list all .docx files in the directory. Let's make sure we have the \\n right files. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"e632cf8148b5443eb888ad154820dac2\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_942032ef5a7b46a0866adf65a07ca9b6\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install opencv-python-headless requests \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mopencv\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpython\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheadless\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrequests\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"e64b5e68e0e84553a9e303ba55d389d0\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e660cf408ab34428a4f579f4b3770f5e\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e6e713a9e71d495baa5a435abcb27ee1\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_d849c6a21c8b41a8bbb0abc8a95997c5\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install python-docx \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpython\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdocx\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"e6feb1cf757b44bba8fbdecd9b185178\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e738acc7f303409f9af430957bb73425\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_7735b6aa07bb48e198f2e79bb8483006\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n | 37/84 [00:02<00:02, 15.80it/s, now=None]t: 46%|####6 | 39/84 [00:02<00:02, 15.75it/s, now=None]t: \\n 50%|##### | 42/84 [00:02<00:02, 16.47it/s, now=None]t: 52%|#####2 | 44/84 [00:02<00:02, 16.45it/s, \\n now=None]t: 55%|#####4 | 46/84 [00:03<00:02, 15.61it/s, now=None]t: 57%|#####7 | 48/84 [00:03<00:02, \\n 15.13it/s, now=None]t: 60%|#####9 | 50/84 [00:03<00:02, 15.55it/s, now=None]t: 62%|######1 | 52/84 \\n [00:03<00:02, 15.81it/s, now=None]t: 64%|######4 | 54/84 [00:03<00:01, 15.73it/s, now=None]t: 67%|######6 \\n | 56/84 [00:03<00:01, 14.09it/s, now=None]t: 69%|######9 | 58/84 [00:04<00:04, 5.70it/s, now=None]t: \\n 71%|#######1 | 60/84 [00:05<00:04, 4.91it/s, now=None]t: 73%|#######2 | 61/84 [00:05<00:04, 4.96it/s, \\n now=None]t: 74%|#######3 | 62/84 [00:05<00:04, 5.03it/s, now=None]t: 76%|#######6 | 64/84 [00:05<00:03, \\n 5.54it/s, now=None]t: 77%|#######7 | 65/84 [00:06<00:03, 5.61it/s, now=None]t: 80%|#######9 | 67/84 \\n [00:06<00:02, 7.00it/s, now=None]t: 81%|######## | 68/84 [00:06<00:02, 6.28it/s, now=None]t: 82%|########2 \\n | 69/84 [00:06<00:02, 6.55it/s, now=None]t: 83%|########3 | 70/84 [00:06<00:02, 6.02it/s, now=None]t: \\n 85%|########4 | 71/84 [00:06<00:02, 6.49it/s, now=None]t: 86%|########5 | 72/84 [00:07<00:01, 6.27it/s, \\n now=None]t: 87%|########6 | 73/84 [00:07<00:01, 6.05it/s, now=None]t: 88%|########8 | 74/84 [00:07<00:01, \\n 5.74it/s, now=None]t: 90%|######### | 76/84 [00:07<00:01, 6.50it/s, now=None]t: 92%|#########1| 77/84 \\n [00:07<00:01, 6.40it/s, now=None]t: 93%|#########2| 78/84 [00:08<00:00, 6.01it/s, now=None]t: \\n 95%|#########5| 80/84 [00:08<00:00, 6.47it/s, now=None]t: 96%|#########6| 81/84 [00:08<00:00, 6.52it/s, \\n now=None]t: 98%|#########7| 82/84 [00:08<00:00, 5.72it/s, now=None]t: 100%|##########| 84/84 [00:08<00:00, \\n 6.50it/s, now=None] Moviepy - Done ! \\n Moviepy - video ready modified_video.mp4 \\n None \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m | 37/84 [00:02<00:02, 15.80it/s, now=None]t: 46%|####6 | 39/84 [00:02<00:02, 15.75it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m50%|##### | 42/84 [00:02<00:02, 16.47it/s, now=None]t: 52%|#####2 | 44/84 [00:02<00:02, 16.45it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 55%|#####4 | 46/84 [00:03<00:02, 15.61it/s, now=None]t: 57%|#####7 | 48/84 [00:03<00:02, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m15.13it/s, now=None]t: 60%|#####9 | 50/84 [00:03<00:02, 15.55it/s, now=None]t: 62%|######1 | 52/84 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:03<00:02, 15.81it/s, now=None]t: 64%|######4 | 54/84 [00:03<00:01, 15.73it/s, now=None]t: 67%|######6 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m| 56/84 [00:03<00:01, 14.09it/s, now=None]t: 69%|######9 | 58/84 [00:04<00:04, 5.70it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m71%|#######1 | 60/84 [00:05<00:04, 4.91it/s, now=None]t: 73%|#######2 | 61/84 [00:05<00:04, 4.96it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 74%|#######3 | 62/84 [00:05<00:04, 5.03it/s, now=None]t: 76%|#######6 | 64/84 [00:05<00:03, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m5.54it/s, now=None]t: 77%|#######7 | 65/84 [00:06<00:03, 5.61it/s, now=None]t: 80%|#######9 | 67/84 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:06<00:02, 7.00it/s, now=None]t: 81%|######## | 68/84 [00:06<00:02, 6.28it/s, now=None]t: 82%|########2\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m| 69/84 [00:06<00:02, 6.55it/s, now=None]t: 83%|########3 | 70/84 [00:06<00:02, 6.02it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m85%|########4 | 71/84 [00:06<00:02, 6.49it/s, now=None]t: 86%|########5 | 72/84 [00:07<00:01, 6.27it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 87%|########6 | 73/84 [00:07<00:01, 6.05it/s, now=None]t: 88%|########8 | 74/84 [00:07<00:01, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m5.74it/s, now=None]t: 90%|######### | 76/84 [00:07<00:01, 6.50it/s, now=None]t: 92%|#########1| 77/84 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:07<00:01, 6.40it/s, now=None]t: 93%|#########2| 78/84 [00:08<00:00, 6.01it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m95%|#########5| 80/84 [00:08<00:00, 6.47it/s, now=None]t: 96%|#########6| 81/84 [00:08<00:00, 6.52it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 98%|#########7| 82/84 [00:08<00:00, 5.72it/s, now=None]t: 100%|##########| 84/84 [00:08<00:00, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m6.50it/s, now=None] Moviepy - Done !\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - video ready modified_video.mp4\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mNone\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"e96fdcfcde144e78b7977830628e77f9\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_afddf4997e1a4d009f278b34486a71aa\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I've created 10 pixel art banners as per your specifications. They are saved as 'banner_1.png', 'banner_2.png', \\n and so on up to 'banner_10.png'. Please review them and let me know if you need any changes. \\n \\n\\n\",\n \"text/plain\": \" \\n I've created 10 pixel art banners as per your specifications. They are saved as 'banner_1.png', 'banner_2.png', \\n and so on up to 'banner_10.png'. Please review them and let me know if you need any changes. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"eb83234ed4724410aec6bde226f104a1\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_b37d96a06ec148fab77a1a5121bfc74b\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n !pip install moviepy \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"ece854c5547443d78f1e8c0d8960ad47\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"ed07889e87744f3aa90e1a211b5b81ff\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_673dce80b4b54a7384a460b0075759fb\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n ['doc2.docx', 'doc4.docx', 'doc5.docx', 'doc1.docx', 'doc3.docx'] \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m['doc2.docx', 'doc4.docx', 'doc5.docx', 'doc1.docx', 'doc3.docx']\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"ed507d688c4747158749a94ce44b26b9\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_8e94b43d08f848159b7c621693e26878\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n # Delete the old files and rename the new ones \\n for filename in files: \\n new_filename = os.path.join('documents', f'new_{filename}') \\n old_filename = os.path.join('documents', filename) \\n \\n # Remove the old file \\n os.remove(old_filename) \\n \\n # Rename the new file to the original filename \\n os.rename(new_filename, old_filename) \\n \\n print('All files have been updated.') \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Delete the old files and rename the new ones\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfiles\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_filename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpath\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mjoin\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mdocuments\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mnew_\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mold_filename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpath\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mjoin\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mdocuments\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfilename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Remove the old file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mremove\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mold_filename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Rename the new file to the original filename\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mos\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_filename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mold_filename\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mAll files have been updated.\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"ee9b39134cf84f089d4868aae1851900\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"ef334d3eb6a043608312c67aa3c7e3b8\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"ef7637cf473b48a59806e2a66042cba1\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_d70ab8f629f446c19c41c3293b905d83\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import cv2 \\n import requests \\n import numpy as np \\n \\n # Here we are downloading all the frames generated by the model and \\n # saving it as an image locally \\n images = [] \\n for url in output_urls: \\n response = requests.get(url) \\n array = np.frombuffer(response.content, dtype=np.uint8) \\n image = cv2.imdecode(array, flags=cv2.IMREAD_COLOR) \\n images.append(image) \\n \\n # Verify if we have the correct number of frames \\n len(images) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcv2\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrequests\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnumpy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mas\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Here we are downloading all the frames generated by the model and\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# saving it as an image locally\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimages\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34murl\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34moutput_urls\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mresponse\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mrequests\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mget\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34murl\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34marray\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfrombuffer\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mresponse\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcontent\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdtype\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34muint8\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimage\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcv2\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimdecode\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34marray\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mflags\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcv2\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mIMREAD_COLOR\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimages\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mappend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimage\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Verify if we have the correct number of frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mimages\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"f036842ca1f14c80943388ea7eba105c\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_e38fcb7d81394b1c8c1356f9d272511e\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n A container for a series of :class:`Plugin` objects, to use for processing audio, like a \\n `guitar pedalboard <https://en.wikipedia.org/wiki/Guitar_pedalboard>`_. \\n \\n :class:`Pedalboard` objects act like regular Python ``List`` objects, \\n but come with an additional :py:meth:`process` method (also aliased to :py:meth:`__call__`), \\n allowing audio to be passed through the entire :class:`Pedalboard` object for processing:: \\n \\n my_pedalboard = Pedalboard() \\n my_pedalboard.append(Reverb()) \\n output_audio = my_pedalboard(input_audio) \\n \\n .. warning:: \\n :class:`Pedalboard` objects may only contain effects plugins (i.e.: those for which \\n :attr:`is_effect` is ``True``), and cannot contain instrument plugins (i.e.: those \\n for which :attr:`is_instrument` is ``True``). \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mA container for a series of :class:`Plugin` objects, to use for processing audio, like a\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m `guitar pedalboard
\\n Collecting feedparser \\n Downloading feedparser-6.0.10-py3-none-any.whl (81 kB) \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/81.1 kB ? eta -:--:-- \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 81.1/81.1 kB 4.3 MB/s eta 0:00:00 \\n Collecting sgmllib3k (from feedparser) \\n Downloading sgmllib3k-1.0.0.tar.gz (5.8 kB) \\n Preparing metadata (setup.py) ... done \\n Building wheels for collected packages: sgmllib3k \\n Building wheel for sgmllib3k (setup.py) ... done \\n Created wheel for sgmllib3k: filename=sgmllib3k-1.0.0-py3-none-any.whl size=6046 \\n sha256=651ecac15cda67cfda9e6d19a71d7b727ffed85714612ec195412ea27ea7b66c \\n Stored in directory: /root/.cache/pip/wheels/f0/69/93/a47e9d621be168e9e33c7ce60524393c0b92ae83cf6c6e89c5 \\n Successfully built sgmllib3k \\n Installing collected packages: sgmllib3k, feedparser \\n Successfully installed feedparser-6.0.10 sgmllib3k-1.0.0 \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCollecting feedparser\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Downloading feedparser-6.0.10-py3-none-any.whl (81 kB)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/81.1 kB ? eta -:--:-- \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 81.1/81.1 kB 4.3 MB/s eta 0:00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCollecting sgmllib3k (from feedparser)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Downloading sgmllib3k-1.0.0.tar.gz (5.8 kB)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Preparing metadata (setup.py) ... done\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mBuilding wheels for collected packages: sgmllib3k\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Building wheel for sgmllib3k (setup.py) ... done\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Created wheel for sgmllib3k: filename=sgmllib3k-1.0.0-py3-none-any.whl size=6046 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55msha256=651ecac15cda67cfda9e6d19a71d7b727ffed85714612ec195412ea27ea7b66c\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Stored in directory: /root/.cache/pip/wheels/f0/69/93/a47e9d621be168e9e33c7ce60524393c0b92ae83cf6c6e89c5\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mSuccessfully built sgmllib3k\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mInstalling collected packages: sgmllib3k, feedparser\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mSuccessfully installed feedparser-6.0.10 sgmllib3k-1.0.0\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"f491c55d72df4b589454a8861197376b\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_3bba172d1af2465181679c8b336704a7\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n import soundfile as sf \\n from pedalboard import Pedalboard, Reverb, PitchShift \\n \\n # Load the audio file \\n audio, sample_rate = sf.read('original_song.webm') \\n \\n # Create a Pedalboard instance \\n board = Pedalboard([ \\n PitchShift(semitones=-5), # Lower the pitch \\n Reverb(room_size=0.5, dry_level=0.5, wet_level=0.5) # Add reverb \\n ]) \\n \\n # Process the audio \\n processed_audio = board.process(audio, sample_rate=sample_rate) \\n \\n # Save the processed audio to a new file \\n sf.write('processed_song.wav', processed_audio, sample_rate) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msoundfile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mas\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPitchShift\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Load the audio file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mread\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_song.webm\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a Pedalboard instance\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPedalboard\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mPitchShift\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msemitones\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Lower the pitch\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mReverb\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mroom_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdry_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwet_level\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0.5\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Add reverb\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process the audio\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mboard\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocess\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Save the processed audio to a new file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msf\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mprocessed_song.wav\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprocessed_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msample_rate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"f86e25f5432b4589b9045ba52ebed7ae\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_99b83169a2c5408dbfa7b835db2d7171\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n Requirement already satisfied: yt-dlp in /usr/local/lib/python3.10/dist-packages (2023.7.6) \\n Requirement already satisfied: mutagen in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (1.46.0) \\n Requirement already satisfied: pycryptodomex in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (3.18.0) \\n Requirement already satisfied: websockets in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (11.0.3) \\n Requirement already satisfied: certifi in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (2023.5.7) \\n Requirement already satisfied: brotli in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (1.0.9) \\n \\n\\n\",\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: yt-dlp in /usr/local/lib/python3.10/dist-packages (2023.7.6)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: mutagen in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (1.46.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pycryptodomex in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (3.18.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: websockets in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (11.0.3)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: certifi in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (2023.5.7)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: brotli in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (1.0.9)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"f944a4b42ef14ae889efef3f5369e173\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"faa25b85f22545f09f98b5d43cbd21b1\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_74a068f07b49454bba51058b0c1772ae\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I have created a folder named 'documents' and added 5 docx files in it, each containing a unique sentence about \\n Machine Learning. The files are named as 'doc1.docx', 'doc2.docx', 'doc3.docx', 'doc4.docx', and 'doc5.docx'. \\n \\n\\n\",\n \"text/plain\": \" \\n I have created a folder named 'documents' and added 5 docx files in it, each containing a unique sentence about \\n Machine Learning. The files are named as 'doc1.docx', 'doc2.docx', 'doc3.docx', 'doc4.docx', and 'doc5.docx'. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"fb34c40c88f7423a891c85730730d011\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"fc51add87d6744bc8fb46911b671eac5\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"fe21edae84cc4778a3ddc2fcaedfbc3d\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"feb8283edfbb49b989a8d29c98701bf0\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_module_version\": \"1.0.0\",\n \"model_name\": \"OutputModel\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_0e33aaf3c5dd44dda84ebc379dd78417\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"data\": {\n \"text/html\": \"
\\n I have successfully applied the slow and reverb effects to the song. The processed song has been saved as \\n 'processed_song.wav'. You can listen to it to hear the effects. \\n \\n\\n\",\n \"text/plain\": \" \\n I have successfully applied the slow and reverb effects to the song. The processed song has been saved as \\n 'processed_song.wav'. You can listen to it to hear the effects. \\n \\n\"\n },\n \"metadata\": {},\n \"output_type\": \"display_data\"\n }\n ]\n }\n },\n \"ff2383ba5a3943cf8ab4f0cedcb40c3f\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_module_version\": \"1.2.0\",\n \"model_name\": \"LayoutModel\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"8e4d22ad1dcc44ec882bb9c6663de431\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_915e05fbbcd44fb1b0402d5a51b9dcf6\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mHello, world!\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n print('Hello, world!') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"915e05fbbcd44fb1b0402d5a51b9dcf6\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"ed7c54937ec94948915fbe589e04d312\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_ef25bc033b0b419bb7b33e05aed61b43\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mHello, world!\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Hello, world! \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"ef25bc033b0b419bb7b33e05aed61b43\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"1672ae981ae041ae8b26126e30f29882\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_84e676b87e204fa9b36f1ec2ccefc396\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n The code was executed successfully and it printed \\\"Hello, world!\\\". \\n \\n\",\n \"text/html\": \"
\\n The code was executed successfully and it printed \\\"Hello, world!\\\". \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"84e676b87e204fa9b36f1ec2ccefc396\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"dfd7d092f15c4b33b4d9b4c299a56577\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_46f16ac02db04d13bdf9461b2e268ad3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n Alright, here's the plan: \\n \\n \\u001b[1;33m 1 \\u001b[0mDownload the YouTube video using \\u001b[1;36;40myt-dlp\\u001b[0m. \\n \\u001b[1;33m 2 \\u001b[0mExtract the audio from the video using \\u001b[1;36;40mmoviepy\\u001b[0m. \\n \\u001b[1;33m 3 \\u001b[0mCut the video to the specified time range (0:15 to 0:38) using \\u001b[1;36;40mmoviepy\\u001b[0m. \\n \\u001b[1;33m 4 \\u001b[0mUse a face detection library like \\u001b[1;36;40mdlib\\u001b[0m or \\u001b[1;36;40mopencv\\u001b[0m to detect the face in each frame. \\n \\u001b[1;33m 5 \\u001b[0mCrop each frame to a 9:16 aspect ratio around the detected face, making sure to smoothly average out the \\n \\u001b[1;33m \\u001b[0mmotion between confident face detections. \\n \\u001b[1;33m 6 \\u001b[0mCombine the cropped frames back into a video using \\u001b[1;36;40mmoviepy\\u001b[0m. \\n \\u001b[1;33m 7 \\u001b[0mAdd the audio back into the video using \\u001b[1;36;40mmoviepy\\u001b[0m. \\n \\u001b[1;33m 8 \\u001b[0mSave the final video. \\n \\n Let's start by installing the necessary packages. We'll need \\u001b[1;36;40myt-dlp\\u001b[0m for downloading the video, \\u001b[1;36;40mmoviepy\\u001b[0m for \\n video editing, and \\u001b[1;36;40mdlib\\u001b[0m for face detection. We'll also need \\u001b[1;36;40mnumpy\\u001b[0m for numerical operations and \\u001b[1;36;40mopencv-python\\u001b[0m \\n for image processing. \\n \\n\",\n \"text/html\": \"
\\n Alright, here's the plan: \\n \\n 1 Download the YouTube video using yt-dlp. \\n 2 Extract the audio from the video using moviepy. \\n 3 Cut the video to the specified time range (0:15 to 0:38) using moviepy. \\n 4 Use a face detection library like dlib or opencv to detect the face in each frame. \\n 5 Crop each frame to a 9:16 aspect ratio around the detected face, making sure to smoothly average out the \\n motion between confident face detections. \\n 6 Combine the cropped frames back into a video using moviepy. \\n 7 Add the audio back into the video using moviepy. \\n 8 Save the final video. \\n \\n Let's start by installing the necessary packages. We'll need yt-dlp for downloading the video, moviepy for \\n video editing, and dlib for face detection. We'll also need numpy for numerical operations and opencv-python \\n for image processing. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"46f16ac02db04d13bdf9461b2e268ad3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"894485c6aa7a4560b1625b0667c4b0ad\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_c2678de51ec648b78d4965a3b898ffef\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;150;0;80;48;2;30;0;16m!\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34minstall\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34myt\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdlp\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdlib\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnumpy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mopencv\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mpython\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n !pip install yt-dlp moviepy dlib numpy opencv-python \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"c2678de51ec648b78d4965a3b898ffef\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"1ba7ab9f477040ccb236598ef1085084\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_58c456a67739434b87b368aefc561eff\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55msatisfied: certifi in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (2023.5.7)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCollecting brotli (from yt-dlp)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Downloading \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mBrotli-1.0.9-cp310-cp310-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_12_x86_64.manylinux2010_x86_64.whl \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2.7 MB)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/2.7 MB ? eta -:--:-- \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m━━━━━━━━━━━━━━━━━━━━━━━╺━━━━━━━━━━━━━━━━ 1.6/2.7 MB 48.1 MB/s eta 0:00:01 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╸ 2.7/2.7 MB 49.9 MB/s eta 0:00:01 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.7/2.7 MB 37.8 MB/s eta 0:00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: decorator<5.0,>=4.0.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.4.2)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: tqdm<5.0,>=4.11.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(4.65.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: requests<3.0,>=2.8.1 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2.27.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: proglog<=1.0.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(0.1.10)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: imageio<3.0,>=2.5 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(2.25.1)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: imageio-ffmpeg>=0.2.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(0.4.8)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: pillow>=8.3.2 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mimageio<3.0,>=2.5->moviepy) (8.4.0)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (1.26.16)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (2.0.12)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mRequirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mrequests<3.0,>=2.8.1->moviepy) (3.4)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mInstalling collected packages: brotli, websockets, pycryptodomex, mutagen, yt-dlp\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mSuccessfully installed brotli-1.0.9 mutagen-1.46.0 pycryptodomex-3.18.0 websockets-11.0.3 yt-dlp-2023.7.6\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n satisfied: certifi in /usr/local/lib/python3.10/dist-packages (from yt-dlp) (2023.5.7) \\n Collecting brotli (from yt-dlp) \\n Downloading \\n Brotli-1.0.9-cp310-cp310-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_12_x86_64.manylinux2010_x86_64.whl \\n (2.7 MB) \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/2.7 MB ? eta -:--:-- \\n ━━━━━━━━━━━━━━━━━━━━━━━╺━━━━━━━━━━━━━━━━ 1.6/2.7 MB 48.1 MB/s eta 0:00:01 \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╸ 2.7/2.7 MB 49.9 MB/s eta 0:00:01 \\n ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.7/2.7 MB 37.8 MB/s eta 0:00:00 \\n Requirement already satisfied: decorator<5.0,>=4.0.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (4.4.2) \\n Requirement already satisfied: tqdm<5.0,>=4.11.2 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (4.65.0) \\n Requirement already satisfied: requests<3.0,>=2.8.1 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (2.27.1) \\n Requirement already satisfied: proglog<=1.0.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (0.1.10) \\n Requirement already satisfied: imageio<3.0,>=2.5 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (2.25.1) \\n Requirement already satisfied: imageio-ffmpeg>=0.2.0 in /usr/local/lib/python3.10/dist-packages (from moviepy) \\n (0.4.8) \\n Requirement already satisfied: pillow>=8.3.2 in /usr/local/lib/python3.10/dist-packages (from \\n imageio<3.0,>=2.5->moviepy) (8.4.0) \\n Requirement already satisfied: urllib3<1.27,>=1.21.1 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (1.26.16) \\n Requirement already satisfied: charset-normalizer~=2.0.0 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (2.0.12) \\n Requirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.10/dist-packages (from \\n requests<3.0,>=2.8.1->moviepy) (3.4) \\n Installing collected packages: brotli, websockets, pycryptodomex, mutagen, yt-dlp \\n Successfully installed brotli-1.0.9 mutagen-1.46.0 pycryptodomex-3.18.0 websockets-11.0.3 yt-dlp-2023.7.6 \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"58c456a67739434b87b368aefc561eff\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"ba8772dae7fd44e4937b74a810235984\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_4ea12542e3134a719e8ca95bf443d710\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n The necessary packages have been installed. The next steps are as follows: \\n \\n \\u001b[1;33m 1 \\u001b[0mDownload the YouTube video using \\u001b[1;36;40myt-dlp\\u001b[0m. \\n \\u001b[1;33m 2 \\u001b[0mExtract the required segment from the video using \\u001b[1;36;40mmoviepy\\u001b[0m. \\n \\u001b[1;33m 3 \\u001b[0mDetect and track the face in the video frames using \\u001b[1;36;40mdlib\\u001b[0m and \\u001b[1;36;40mopencv\\u001b[0m. \\n \\u001b[1;33m 4 \\u001b[0mCrop the video around the face and resize it to a 9:16 aspect ratio. \\n \\u001b[1;33m 5 \\u001b[0mSave the final video. \\n \\n Let's start by downloading the YouTube video. \\n \\n\",\n \"text/html\": \"
\\n The necessary packages have been installed. The next steps are as follows: \\n \\n 1 Download the YouTube video using yt-dlp. \\n 2 Extract the required segment from the video using moviepy. \\n 3 Detect and track the face in the video frames using dlib and opencv. \\n 4 Crop the video around the face and resize it to a 9:16 aspect ratio. \\n 5 Save the final video. \\n \\n Let's start by downloading the YouTube video. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"4ea12542e3134a719e8ca95bf443d710\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"7e39eac50d9b4e6e83818eccc7003bab\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_c1d7c09472ef40fa94bc348a0ce07711\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34myt_dlp\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34murl\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mhttps://www.youtube.com/watch?v=KgHkAwaW_lk\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mydl_opts\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m{\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mformat\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mbestvideo+bestaudio\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mouttmpl\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_video.\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m%(ext)s\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m}\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mwith\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34myt_dlp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mYoutubeDL\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mydl_opts\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mas\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mydl\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mydl\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdownload\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34murl\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n import yt_dlp \\n \\n url = 'https://www.youtube.com/watch?v=KgHkAwaW_lk' \\n \\n ydl_opts = { \\n 'format': 'bestvideo+bestaudio', \\n 'outtmpl': 'original_video.%(ext)s' \\n } \\n \\n with yt_dlp.YoutubeDL(ydl_opts) as ydl: \\n ydl.download([url]) \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"c1d7c09472ef40fa94bc348a0ce07711\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"70e01c3e03814cf2891e77d0f27f5e0a\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_5401202e0cbc4b7d93601ffceee34823\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mad] 95.7% of ~ 8.25MiB at 144.14KiB/s ETA 00:02 (frag 18/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 96.5% of ~ 8.25MiB at 275.72KiB/s ETA \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m00:01 (frag 18/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 98.0% of ~ 8.25MiB at 527.81KiB/s ETA 00:00 (frag 18/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.2% of ~ 8.25MiB at \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m868.98KiB/s ETA 00:00 (frag 18/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 95.0% of ~ 8.70MiB at 867.54KiB/s ETA 00:00 (frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.0% of ~ \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m8.27MiB at 1.66KiB/s ETA 00:00 (frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.0% of ~ 8.27MiB at 4.98KiB/s ETA 00:00 (frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m100.1% of ~ 8.27MiB at 11.60KiB/s ETA 00:00 (frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.2% of ~ 8.27MiB at 24.81KiB/s ETA 00:00 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.4% of ~ 8.27MiB at 51.20KiB/s ETA 00:00 (frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.7% of ~ 8.27MiB at 100.31KiB/s\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mETA 00:00 (frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 101.5% of ~ 8.27MiB at 192.41KiB/s ETA 00:00 (frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 102.6% of ~ 8.27MiB at \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m329.49KiB/s ETA 00:00 (frag 19/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.0% of ~ 8.48MiB at 329.08KiB/s ETA 00:00 (frag 20/20)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100% of \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m8.48MiB in 00:00:10 at 860.64KiB/s \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Destination: original_video.f140.m4a\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.1% of 1.50MiB at 607.17KiB/s ETA 00:02\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.2% of 1.50MiB at 1.30MiB/s ETA 00:01\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 0.5% of \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1.50MiB at 2.48MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 1.0% of 1.50MiB at 4.58MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 2.0% of 1.50MiB at \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1.05MiB/s ETA 00:01\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 4.1% of 1.50MiB at 1.24MiB/s ETA 00:01\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 8.3% of 1.50MiB at 1.59MiB/s ETA \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 16.6% of 1.50MiB at 2.41MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 33.3% of 1.50MiB at 3.87MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 66.6% of \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m1.50MiB at 6.42MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100.0% of 1.50MiB at 8.82MiB/s ETA 00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m 100% of 1.50MiB in 00:00:00\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mat 4.24MiB/s \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[Merger] Merging formats into \\\"original_video.mkv\\\"\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mDeleting original file original_video.f247.webm (pass -k to keep)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mDeleting original file original_video.f140.m4a (pass -k to keep)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n ad] 95.7% of ~ 8.25MiB at 144.14KiB/s ETA 00:02 (frag 18/20) 96.5% of ~ 8.25MiB at 275.72KiB/s ETA \\n 00:01 (frag 18/20) 98.0% of ~ 8.25MiB at 527.81KiB/s ETA 00:00 (frag 18/20) 100.2% of ~ 8.25MiB at \\n 868.98KiB/s ETA 00:00 (frag 18/20) 95.0% of ~ 8.70MiB at 867.54KiB/s ETA 00:00 (frag 19/20) 100.0% of ~ \\n 8.27MiB at 1.66KiB/s ETA 00:00 (frag 19/20) 100.0% of ~ 8.27MiB at 4.98KiB/s ETA 00:00 (frag 19/20) \\n 100.1% of ~ 8.27MiB at 11.60KiB/s ETA 00:00 (frag 19/20) 100.2% of ~ 8.27MiB at 24.81KiB/s ETA 00:00 \\n (frag 19/20) 100.4% of ~ 8.27MiB at 51.20KiB/s ETA 00:00 (frag 19/20) 100.7% of ~ 8.27MiB at 100.31KiB/s \\n ETA 00:00 (frag 19/20) 101.5% of ~ 8.27MiB at 192.41KiB/s ETA 00:00 (frag 19/20) 102.6% of ~ 8.27MiB at \\n 329.49KiB/s ETA 00:00 (frag 19/20) 100.0% of ~ 8.48MiB at 329.08KiB/s ETA 00:00 (frag 20/20) 100% of \\n 8.48MiB in 00:00:10 at 860.64KiB/s \\n Destination: original_video.f140.m4a \\n 0.1% of 1.50MiB at 607.17KiB/s ETA 00:02 0.2% of 1.50MiB at 1.30MiB/s ETA 00:01 0.5% of \\n 1.50MiB at 2.48MiB/s ETA 00:00 1.0% of 1.50MiB at 4.58MiB/s ETA 00:00 2.0% of 1.50MiB at \\n 1.05MiB/s ETA 00:01 4.1% of 1.50MiB at 1.24MiB/s ETA 00:01 8.3% of 1.50MiB at 1.59MiB/s ETA \\n 00:00 16.6% of 1.50MiB at 2.41MiB/s ETA 00:00 33.3% of 1.50MiB at 3.87MiB/s ETA 00:00 66.6% of \\n 1.50MiB at 6.42MiB/s ETA 00:00 100.0% of 1.50MiB at 8.82MiB/s ETA 00:00 100% of 1.50MiB in 00:00:00 \\n at 4.24MiB/s \\n [Merger] Merging formats into \\\"original_video.mkv\\\" \\n Deleting original file original_video.f247.webm (pass -k to keep) \\n Deleting original file original_video.f140.m4a (pass -k to keep) \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"5401202e0cbc4b7d93601ffceee34823\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"acfb473b29e44673a1fff74002d1a9fb\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_c04640e4839d455b9faf31eb0f6cc24a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n The video has been successfully downloaded and saved as \\\"original_video.mkv\\\". \\n \\n Next, I will extract the required clip from the video (from 0:15 to 0:38). I will use the MoviePy library to \\n accomplish this. \\n \\n After that, I will use the dlib and OpenCV libraries to detect and track the face in the video. I will crop the \\n video around the face, maintaining the aspect ratio as 9:16. I will also ensure that the motion is smoothly \\n averaged out between confident face detections. \\n \\n Finally, I will add the audio back into the cropped video. \\n \\n Let's start by extracting the required clip from the video. \\n \\n\",\n \"text/html\": \"
\\n The video has been successfully downloaded and saved as \\\"original_video.mkv\\\". \\n \\n Next, I will extract the required clip from the video (from 0:15 to 0:38). I will use the MoviePy library to \\n accomplish this. \\n \\n After that, I will use the dlib and OpenCV libraries to detect and track the face in the video. I will crop the \\n video around the face, maintaining the aspect ratio as 9:16. I will also ensure that the motion is smoothly \\n averaged out between confident face detections. \\n \\n Finally, I will add the audio back into the cropped video. \\n \\n Let's start by extracting the required clip from the video. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"c04640e4839d455b9faf31eb0f6cc24a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e34e60e6f4a748fb856638e13dcea9ee\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_ea5366ee0804463b8ef07de383494750\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mffmpeg_tools\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mffmpeg_extract_subclip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m15\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mend_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m38\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Extract the subclip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mffmpeg_extract_subclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_video.mkv\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mend_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtargetname\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mclip.mkv\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n from moviepy.video.io.ffmpeg_tools import ffmpeg_extract_subclip \\n \\n start_time = 15 \\n end_time = 38 \\n \\n # Extract the subclip \\n ffmpeg_extract_subclip('original_video.mkv', start_time, end_time, targetname='clip.mkv') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"ea5366ee0804463b8ef07de383494750\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e6b9ad18bbf94231be36619c23829365\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_1379bc8127c34125a9edcaa6ff80cb29\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - Running:\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m>>> \\\"+ \\\" \\\".join(cmd)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - Command successful\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mNone\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Moviepy - Running: \\n >>> \\\"+ \\\" \\\".join(cmd) \\n Moviepy - Command successful \\n None \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"1379bc8127c34125a9edcaa6ff80cb29\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"633eb737a8a540618283944da6587395\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_0422283e06104822a0b17e36537887ba\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n The video has been successfully downloaded and the desired clip has been extracted. The next step is to detect \\n and track the face in the video. We will use dlib's HOG-based model for this. \\n \\n After detecting the face in each frame, we will calculate the center of the face. We will then use these \\n centers to crop the video around the face. We will also apply a smoothing function to these centers to ensure \\n the motion is smooth. \\n \\n Let's start by loading the video and initializing the face detector. \\n \\n\",\n \"text/html\": \"
\\n The video has been successfully downloaded and the desired clip has been extracted. The next step is to detect \\n and track the face in the video. We will use dlib's HOG-based model for this. \\n \\n After detecting the face in each frame, we will calculate the center of the face. We will then use these \\n centers to crop the video around the face. We will also apply a smoothing function to these centers to ensure \\n the motion is smooth. \\n \\n Let's start by loading the video and initializing the face detector. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"0422283e06104822a0b17e36537887ba\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"9c4a0269b2f545fd91690a0e05916486\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_54ba24de07fd495da0709275580522c4\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcv2\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdlib\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnumpy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mas\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34meditor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoFileClip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Load the video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoFileClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mclip.mkv\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Initialize the face detector\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdetector\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdlib\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mget_frontal_face_detector\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n import cv2 \\n import dlib \\n import numpy as np \\n from moviepy.editor import VideoFileClip \\n \\n # Load the video \\n clip = VideoFileClip('clip.mkv') \\n \\n # Initialize the face detector \\n detector = dlib.get_frontal_face_detector() \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"54ba24de07fd495da0709275580522c4\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"5c29036bf1394564ac06e60a277c2f4b\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_13288eb48c78450bb9c29905f1cfe5cc\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\n\",\n \"text/html\": \"
\\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"13288eb48c78450bb9c29905f1cfe5cc\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"0a2bad1e724c412d9400b8ec3757d5fe\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_71be2ada61ca4eeca6c9c3169bf5a981\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n Now that we have loaded the video and initialized the face detector, the next step is to process each frame of \\n the video. For each frame, we will detect the face, calculate its center, and keep track of these centers. We \\n will then calculate the average center of the face in the last few frames to smooth out the motion. After that, \\n we will crop the frame around this average center to create a portrait video. \\n \\n Let's start by processing the frames and detecting the face in each frame. \\n \\n\",\n \"text/html\": \"
\\n Now that we have loaded the video and initialized the face detector, the next step is to process each frame of \\n the video. For each frame, we will detect the face, calculate its center, and keep track of these centers. We \\n will then calculate the average center of the face in the last few frames to smooth out the motion. After that, \\n we will crop the frame around this average center to create a portrait video. \\n \\n Let's start by processing the frames and detecting the face in each frame. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"71be2ada61ca4eeca6c9c3169bf5a981\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"05159ee8a8ce4d1f842636561b767c1e\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_d41a011efd5148b998b27e7ecb43d6d6\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process each frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34menumerate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34miter_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Convert the frame to grayscale\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mgray\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcv2\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcvtColor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcv2\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mCOLOR_RGB2GRAY\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Detect faces in the frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdetector\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mgray\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# If a face is detected\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m>\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Calculate the center of the face\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m2\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtop\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m2\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mappend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Print progress\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m%\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m100\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m==\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mProcessed \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n face_centers = [] \\n \\n # Process each frame \\n for i, frame in enumerate(clip.iter_frames()): \\n # Convert the frame to grayscale \\n gray = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY) \\n \\n # Detect faces in the frame \\n faces = detector(gray) \\n \\n # If a face is detected \\n if len(faces) > 0: \\n # Calculate the center of the face \\n x = faces[0].left() + faces[0].width() // 2 \\n y = faces[0].top() + faces[0].height() // 2 \\n face_centers.append((x, y)) \\n \\n # Print progress \\n if i % 100 == 0: \\n print(f'Processed {i}/{len(clip)} frames') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"d41a011efd5148b998b27e7ecb43d6d6\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"f89766aa83954606822ac810550089a4\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_c092298defd44aea990d9b4e7368fb39\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[3], line 10\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m print(f'Processed {i}/{len(clip)} frames')\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTypeError: object of type 'VideoFileClip' has no len()\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[3], line 10 \\n print(f'Processed {i}/{len(clip)} frames') \\n TypeError: object of type 'VideoFileClip' has no len() \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"c092298defd44aea990d9b4e7368fb39\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"f9f0fbe9b4e8458daff8f0b208afe06d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_4a0fea39019242139a82c33d7513ccb7\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n It seems like I made a mistake by trying to get the length of the video clip using \\u001b[1;36;40mlen(clip)\\u001b[0m. The \\u001b[1;36;40mVideoFileClip\\u001b[0m \\n object doesn't support the \\u001b[1;36;40mlen()\\u001b[0m function. Instead, I should use \\u001b[1;36;40mclip.duration\\u001b[0m to get the duration of the clip \\n in seconds and multiply it by the frame rate to get the total number of frames. Let's correct this and try \\n again. \\n \\n\",\n \"text/html\": \"
\\n It seems like I made a mistake by trying to get the length of the video clip using len(clip). The VideoFileClip \\n object doesn't support the len() function. Instead, I should use clip.duration to get the duration of the clip \\n in seconds and multiply it by the frame rate to get the total number of frames. Let's correct this and try \\n again. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"4a0fea39019242139a82c33d7513ccb7\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e94d50d8f12d4e97a9e4a147e1717a44\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_903ff249dcad4e2bbb19f036ee19d2cb\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Get the total number of frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtotal_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mduration\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfps\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process each frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34menumerate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34miter_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Convert the frame to grayscale\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mgray\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcv2\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcvtColor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcv2\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mCOLOR_RGB2GRAY\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Detect faces in the frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mdetector\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mgray\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# If a face is detected\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlen\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m>\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Calculate the center of the face\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m2\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtop\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfaces\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m2\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mappend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Print progress\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m%\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m100\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m==\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mProcessed \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtotal_frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n face_centers = [] \\n \\n # Get the total number of frames \\n total_frames = int(clip.duration * clip.fps) \\n \\n # Process each frame \\n for i, frame in enumerate(clip.iter_frames()): \\n # Convert the frame to grayscale \\n gray = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY) \\n \\n # Detect faces in the frame \\n faces = detector(gray) \\n \\n # If a face is detected \\n if len(faces) > 0: \\n # Calculate the center of the face \\n x = faces[0].left() + faces[0].width() // 2 \\n y = faces[0].top() + faces[0].height() // 2 \\n face_centers.append((x, y)) \\n \\n # Print progress \\n if i % 100 == 0: \\n print(f'Processed {i}/{total_frames} frames') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"903ff249dcad4e2bbb19f036ee19d2cb\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"f4a860ee64cd4d1dbddcf49bccafb1d2\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_2484cf82892e4459972b079943d9fe4d\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 0/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 100/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 200/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 300/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 400/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 500/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 600/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 700/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mProcessed 800/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Processed 0/819 frames \\n Processed 100/819 frames \\n Processed 200/819 frames \\n Processed 300/819 frames \\n Processed 400/819 frames \\n Processed 500/819 frames \\n Processed 600/819 frames \\n Processed 700/819 frames \\n Processed 800/819 frames \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"2484cf82892e4459972b079943d9fe4d\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"7f88ac26e8cb4dce8d372d38501bdec2\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_646e8aa419f3420cbc453d285634a114\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n The face detection process has been completed for all frames in the video. The next step is to calculate the \\n average position of the face in each frame to create a smooth motion. After that, we will crop the video around \\n the face and maintain the original height of the video. Let's proceed with these steps. \\n \\n\",\n \"text/html\": \"
\\n The face detection process has been completed for all frames in the video. The next step is to calculate the \\n average position of the face in each frame to create a smooth motion. After that, we will crop the video around \\n the face and maintain the original height of the video. Let's proceed with these steps. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"646e8aa419f3420cbc453d285634a114\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"2d1cd08ae5be4df8bef9f9ebc9347349\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_a954618bf6d344c285f74578e496dc0c\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Calculate the moving average of the face centers\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m10\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mconvolve\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mones\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mvalid\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Add the first and last few values to the start and end of the list\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mconcatenate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n # Calculate the moving average of the face centers \\n window_size = 10 \\n face_centers_avg = np.convolve(face_centers, np.ones(window_size), 'valid') / window_size \\n \\n # Add the first and last few values to the start and end of the list \\n face_centers_avg = np.concatenate((face_centers[:window_size-1], face_centers_avg, face_centers[-window_size+1: \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"a954618bf6d344c285f74578e496dc0c\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"a5da8f42711545d09911118485e8e83e\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_303c046d8d1e44c8b20e21678d26ee71\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[3], line 2\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m face_centers_avg = np.convolve(face_centers, np.ones(window_size), 'valid'\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File <__array_function__ internals>:180 in convolve\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File /usr/local/lib/python3.10/dist-packages/numpy/core/numeric.py:844 in convolve\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m return multiarray.correlate(a, v[::-1], mode)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mValueError: object too deep for desired array\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[3], line 2 \\n face_centers_avg = np.convolve(face_centers, np.ones(window_size), 'valid' \\n File <__array_function__ internals>:180 in convolve \\n File /usr/local/lib/python3.10/dist-packages/numpy/core/numeric.py:844 in convolve \\n return multiarray.correlate(a, v[::-1], mode) \\n ValueError: object too deep for desired array \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"303c046d8d1e44c8b20e21678d26ee71\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"71346df88e4c4123b952c6606eb2acf0\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_cf0ee63e4bab46acacb822a12586db47\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n It seems like the \\u001b[1;36;40mnp.convolve\\u001b[0m function is not able to handle the list of tuples \\u001b[1;36;40mface_centers\\u001b[0m. This is because \\n \\u001b[1;36;40mnp.convolve\\u001b[0m is designed to work with 1D arrays, and \\u001b[1;36;40mface_centers\\u001b[0m is a list of 2D points (tuples). \\n \\n To solve this, I will separate the x and y coordinates into two separate lists and calculate the moving \\n averages for each list separately. Let's try this. \\n \\n\",\n \"text/html\": \"
\\n It seems like the np.convolve function is not able to handle the list of tuples face_centers. This is because \\n np.convolve is designed to work with 1D arrays, and face_centers is a list of 2D points (tuples). \\n \\n To solve this, I will separate the x and y coordinates into two separate lists and calculate the moving \\n averages for each list separately. Let's try this. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"cf0ee63e4bab46acacb822a12586db47\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"5a1dc9c1a1d642a1a9ea4e60c18ce53d\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_fd6e706a8ee04707a3423071a6415341\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Separate the x and y coordinates\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_x\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_y\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mzip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Calculate the moving average of the x and y coordinates separately\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg_x\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mconvolve\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_x\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mones\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mvalid\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg_y\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mconvolve\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_y\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mones\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mvalid\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Add the first and last few values to the start and end of the lists\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg_x\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mconcatenate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_x\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg_x\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_x\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow\\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg_y\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnp\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mconcatenate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_y\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow_size\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m1\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg_y\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_y\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwindow\\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Combine the x and y coordinates back into a list of tuples\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mlist\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mzip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg_x\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg_y\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n # Separate the x and y coordinates \\n face_centers_x, face_centers_y = zip(*face_centers) \\n \\n # Calculate the moving average of the x and y coordinates separately \\n face_centers_avg_x = np.convolve(face_centers_x, np.ones(window_size), 'valid') / window_size \\n face_centers_avg_y = np.convolve(face_centers_y, np.ones(window_size), 'valid') / window_size \\n \\n # Add the first and last few values to the start and end of the lists \\n face_centers_avg_x = np.concatenate((face_centers_x[:window_size-1], face_centers_avg_x, face_centers_x[-window \\n face_centers_avg_y = np.concatenate((face_centers_y[:window_size-1], face_centers_avg_y, face_centers_y[-window \\n \\n # Combine the x and y coordinates back into a list of tuples \\n face_centers_avg = list(zip(face_centers_avg_x, face_centers_avg_y)) \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"fd6e706a8ee04707a3423071a6415341\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"eae96616b13a46bfae7a02eb59259c74\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_37efe298ef1d499993852f8dfba85757\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\n\",\n \"text/html\": \"
\\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"37efe298ef1d499993852f8dfba85757\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"613b2d7898184c9f91302f0137a1bf0a\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_a96323047b04490aa28cb68056a3242d\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfx\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcrop\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcrop\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Get the dimensions of the video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msize\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Calculate the dimensions of the cropped video\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m*\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m9\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m16\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_height\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mheight\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Initialize a list to store the cropped frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process each frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcenter\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34menumerate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mzip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34miter_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Calculate the left and right boundaries of the crop\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmax\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmin\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcenter\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m2\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mright\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Crop the frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frame\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcrop\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx1\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my1\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mx2\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mright\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34my2\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_height\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frames\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mappend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frame\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Print progress\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m%\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m100\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m==\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mCropped \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtotal_frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n from moviepy.video.fx.crop import crop \\n \\n # Get the dimensions of the video \\n width, height = clip.size \\n \\n # Calculate the dimensions of the cropped video \\n new_width = int(height * 9 / 16) \\n new_height = height \\n \\n # Initialize a list to store the cropped frames \\n cropped_frames = [] \\n \\n # Process each frame \\n for i, (frame, center) in enumerate(zip(clip.iter_frames(), face_centers_avg)): \\n # Calculate the left and right boundaries of the crop \\n left = max(0, min(width - new_width, center[0] - new_width // 2)) \\n right = left + new_width \\n \\n # Crop the frame \\n cropped_frame = crop(frame, x1=left, y1=0, x2=right, y2=new_height) \\n cropped_frames.append(cropped_frame) \\n \\n # Print progress \\n if i % 100 == 0: \\n print(f'Cropped {i}/{total_frames} frames') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"a96323047b04490aa28cb68056a3242d\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"ca48e8fcc96b4e0d985c7a3096aa04bb\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_8775c6e74caa4e2e85935960e6d9bf1a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[3], line 9\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m cropped_frame = crop(frame, x1=left, y1=0, x2=right, y2=new_height)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m File /usr/local/lib/python3.10/dist-packages/moviepy/video/fx/crop.py:53 in crop\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m return clip.fl_image(lambda pic: pic\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m, apply_to=[\\\"mask\\\"])\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mAttributeError: 'numpy.ndarray' object has no attribute 'fl_image'\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[3], line 9 \\n cropped_frame = crop(frame, x1=left, y1=0, x2=right, y2=new_height) \\n File /usr/local/lib/python3.10/dist-packages/moviepy/video/fx/crop.py:53 in crop \\n return clip.fl_image(lambda pic: pic, apply_to=[\\\"mask\\\"]) \\n AttributeError: 'numpy.ndarray' object has no attribute 'fl_image' \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"8775c6e74caa4e2e85935960e6d9bf1a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"8b359f3ad34840ebbf9e40348d7fcc44\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_1d5dd9f4d7cd41ab98e463f7fe8dc5d3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n It seems like the \\u001b[1;36;40mcrop\\u001b[0m function from \\u001b[1;36;40mmoviepy\\u001b[0m is intended to be used on a \\u001b[1;36;40mVideoClip\\u001b[0m object, not a numpy array. \\n However, we are trying to apply it to individual frames, which are numpy arrays. \\n \\n To fix this, we can use OpenCV's array slicing capabilities to crop the frames. Let's try that. \\n \\n\",\n \"text/html\": \"
\\n It seems like the crop function from moviepy is intended to be used on a VideoClip object, not a numpy array. \\n However, we are trying to apply it to individual frames, which are numpy arrays. \\n \\n To fix this, we can use OpenCV's array slicing capabilities to crop the frames. Let's try that. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"1d5dd9f4d7cd41ab98e463f7fe8dc5d3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e8c4baed02d34a21a3e7de3a69b3a158\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_9ec4005929104fd9aa041b7460b5298f\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process each frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcenter\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34menumerate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mzip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34miter_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Calculate the left and right boundaries of the crop\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmax\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmin\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcenter\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m2\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mright\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Crop the frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frame\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mright\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frames\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mappend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frame\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Print progress\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m%\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m100\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m==\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mCropped \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtotal_frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n cropped_frames = [] \\n \\n # Process each frame \\n for i, (frame, center) in enumerate(zip(clip.iter_frames(), face_centers_avg)): \\n # Calculate the left and right boundaries of the crop \\n left = max(0, min(width - new_width, center[0] - new_width // 2)) \\n right = left + new_width \\n \\n # Crop the frame \\n cropped_frame = frame[:, left:right] \\n cropped_frames.append(cropped_frame) \\n \\n # Print progress \\n if i % 100 == 0: \\n print(f'Cropped {i}/{total_frames} frames') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"9ec4005929104fd9aa041b7460b5298f\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"f0115b2d6740493484333cccfcbcf41c\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_a60d203e2b3b466da2f420c1396b90b2\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[3], line 5\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m cropped_frame = frame[:, left:right]\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTypeError: slice indices must be integers or None or have an __index__ method\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[3], line 5 \\n cropped_frame = frame[:, left:right] \\n TypeError: slice indices must be integers or None or have an __index__ method \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"a60d203e2b3b466da2f420c1396b90b2\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"26fea9a4ea31438c8bbe14445910c8e5\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_6887887f49b14c249cb892a9c936070b\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Process each frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mfor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcenter\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34min\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34menumerate\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mzip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34miter_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mface_centers_avg\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Calculate the left and right boundaries of the crop\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmax\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmin\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwidth\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcenter\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m-\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m2\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mright\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m+\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_width\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Crop the frame\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frame\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mframe\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m[\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mleft\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mright\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m]\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frames\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mappend\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frame\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Print progress\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;102;217;239;48;2;39;40;34mif\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m%\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m100\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m==\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;174;129;255;48;2;39;40;34m0\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m:\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mprint\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mf\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mCropped \\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mi\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m/\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m{\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mtotal_frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m}\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m frames\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n cropped_frames = [] \\n \\n # Process each frame \\n for i, (frame, center) in enumerate(zip(clip.iter_frames(), face_centers_avg)): \\n # Calculate the left and right boundaries of the crop \\n left = max(0, min(width - new_width, int(center[0] - new_width // 2))) \\n right = left + new_width \\n \\n # Crop the frame \\n cropped_frame = frame[:, left:right] \\n cropped_frames.append(cropped_frame) \\n \\n # Print progress \\n if i % 100 == 0: \\n print(f'Cropped {i}/{total_frames} frames') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"6887887f49b14c249cb892a9c936070b\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"806ab28204a440b58ba5fde861e13d48\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_a68ae6eec13d47d182388c12e8874457\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 0/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 100/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 200/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 300/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 400/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 500/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 600/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 700/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mCropped 800/819 frames\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Cropped 0/819 frames \\n Cropped 100/819 frames \\n Cropped 200/819 frames \\n Cropped 300/819 frames \\n Cropped 400/819 frames \\n Cropped 500/819 frames \\n Cropped 600/819 frames \\n Cropped 700/819 frames \\n Cropped 800/819 frames \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"a68ae6eec13d47d182388c12e8874457\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"77f449758de3412abd0d78d059d43ef1\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_edf044df54ef451781627f91bac2a9c3\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mVideoClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a new video clip from the cropped frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_clip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfps\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfps\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Write the new video clip to a file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_clip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mcropped_clip.mkv\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mlibx264\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n from moviepy.video.VideoClip import ImageSequenceClip \\n \\n # Create a new video clip from the cropped frames \\n new_clip = ImageSequenceClip(cropped_frames, fps=clip.fps) \\n \\n # Write the new video clip to a file \\n new_clip.write_videofile('cropped_clip.mkv', codec='libx264') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"edf044df54ef451781627f91bac2a9c3\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"e468488a3ec14569adfd1bcdaefd9a35\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_cf2aaac773e442b0bc8fbbc152dd0b23\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mTraceback (most recent call last):\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m Cell In[3], line 1\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m from moviepy.video.VideoClip import ImageSequenceClip\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mImportError: cannot import name 'ImageSequenceClip' from 'moviepy.video.VideoClip' \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m(/usr/local/lib/python3.10/dist-packages/moviepy/video/VideoClip.py)\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Traceback (most recent call last): \\n Cell In[3], line 1 \\n from moviepy.video.VideoClip import ImageSequenceClip \\n ImportError: cannot import name 'ImageSequenceClip' from 'moviepy.video.VideoClip' \\n (/usr/local/lib/python3.10/dist-packages/moviepy/video/VideoClip.py) \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"cf2aaac773e442b0bc8fbbc152dd0b23\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"b4827858c2fe4cc28f9fc38fef5040c3\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_86328979d39d4e689f787d27e0989adc\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mvideo\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Create a new video clip from the cropped frames\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_clip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mImageSequenceClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_frames\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfps\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mclip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mfps\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Write the new video clip to a file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_clip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mcropped_clip.mkv\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mlibx264\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n from moviepy.video.io.ImageSequenceClip import ImageSequenceClip \\n \\n # Create a new video clip from the cropped frames \\n new_clip = ImageSequenceClip(cropped_frames, fps=clip.fps) \\n \\n # Write the new video clip to a file \\n new_clip.write_videofile('cropped_clip.mkv', codec='libx264') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"86328979d39d4e689f787d27e0989adc\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"b6a181f821044dcc875efcbc2fed3747\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_c9e6274288f640af92d3224b0393390a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m#2 | 597/820 [00:07<00:03, 69.95it/s, now=None]t: 74%|#######3 | 605/820 [00:07<00:03, 64.47it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 75%|#######4 | 612/820 [00:07<00:03, 62.44it/s, now=None]t: 75%|#######5 | 619/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:07<00:03, 64.15it/s, now=None]t: 76%|#######6 | 626/820 [00:08<00:03, 58.65it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m77%|#######7 | 633/820 [00:08<00:03, 59.87it/s, now=None]t: 78%|#######8 | 640/820 [00:08<00:03, 58.11it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 79%|#######8 | 647/820 [00:08<00:02, 58.78it/s, now=None]t: 80%|#######9 | 655/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:08<00:02, 60.11it/s, now=None]t: 81%|######## | 663/820 [00:08<00:02, 59.37it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m82%|########1 | 671/820 [00:08<00:02, 63.42it/s, now=None]t: 83%|########2 | 678/820 [00:08<00:02, 61.95it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 84%|########3 | 685/820 [00:08<00:02, 62.49it/s, now=None]t: 84%|########4 | 692/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:09<00:02, 62.57it/s, now=None]t: 85%|########5 | 699/820 [00:09<00:01, 63.71it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m86%|########6 | 706/820 [00:09<00:01, 64.65it/s, now=None]t: 87%|########7 | 714/820 [00:09<00:01, 65.82it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 88%|########7 | 721/820 [00:09<00:01, 65.85it/s, now=None]t: 89%|########8 | 729/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:09<00:01, 64.37it/s, now=None]t: 90%|########9 | 736/820 [00:09<00:01, 65.42it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m91%|######### | 745/820 [00:09<00:01, 70.02it/s, now=None]t: 92%|#########1| 753/820 [00:09<00:00, 69.63it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 93%|#########2| 761/820 [00:10<00:00, 70.53it/s, now=None]t: 94%|#########3| 769/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:10<00:00, 72.95it/s, now=None]t: 95%|#########4| 777/820 [00:10<00:00, 72.42it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m96%|#########5| 785/820 [00:10<00:00, 72.45it/s, now=None]t: 97%|#########6| 793/820 [00:10<00:00, 71.54it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 98%|#########7| 801/820 [00:10<00:00, 70.71it/s, now=None]t: 99%|#########8| 809/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:10<00:00, 72.52it/s, now=None]t: 100%|#########9| 818/820 [00:10<00:00, 75.42it/s, now=None] \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - Done !\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - video ready cropped_clip.mkv\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mNone\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n #2 | 597/820 [00:07<00:03, 69.95it/s, now=None]t: 74%|#######3 | 605/820 [00:07<00:03, 64.47it/s, \\n now=None]t: 75%|#######4 | 612/820 [00:07<00:03, 62.44it/s, now=None]t: 75%|#######5 | 619/820 \\n [00:07<00:03, 64.15it/s, now=None]t: 76%|#######6 | 626/820 [00:08<00:03, 58.65it/s, now=None]t: \\n 77%|#######7 | 633/820 [00:08<00:03, 59.87it/s, now=None]t: 78%|#######8 | 640/820 [00:08<00:03, 58.11it/s, \\n now=None]t: 79%|#######8 | 647/820 [00:08<00:02, 58.78it/s, now=None]t: 80%|#######9 | 655/820 \\n [00:08<00:02, 60.11it/s, now=None]t: 81%|######## | 663/820 [00:08<00:02, 59.37it/s, now=None]t: \\n 82%|########1 | 671/820 [00:08<00:02, 63.42it/s, now=None]t: 83%|########2 | 678/820 [00:08<00:02, 61.95it/s, \\n now=None]t: 84%|########3 | 685/820 [00:08<00:02, 62.49it/s, now=None]t: 84%|########4 | 692/820 \\n [00:09<00:02, 62.57it/s, now=None]t: 85%|########5 | 699/820 [00:09<00:01, 63.71it/s, now=None]t: \\n 86%|########6 | 706/820 [00:09<00:01, 64.65it/s, now=None]t: 87%|########7 | 714/820 [00:09<00:01, 65.82it/s, \\n now=None]t: 88%|########7 | 721/820 [00:09<00:01, 65.85it/s, now=None]t: 89%|########8 | 729/820 \\n [00:09<00:01, 64.37it/s, now=None]t: 90%|########9 | 736/820 [00:09<00:01, 65.42it/s, now=None]t: \\n 91%|######### | 745/820 [00:09<00:01, 70.02it/s, now=None]t: 92%|#########1| 753/820 [00:09<00:00, 69.63it/s, \\n now=None]t: 93%|#########2| 761/820 [00:10<00:00, 70.53it/s, now=None]t: 94%|#########3| 769/820 \\n [00:10<00:00, 72.95it/s, now=None]t: 95%|#########4| 777/820 [00:10<00:00, 72.42it/s, now=None]t: \\n 96%|#########5| 785/820 [00:10<00:00, 72.45it/s, now=None]t: 97%|#########6| 793/820 [00:10<00:00, 71.54it/s, \\n now=None]t: 98%|#########7| 801/820 [00:10<00:00, 70.71it/s, now=None]t: 99%|#########8| 809/820 \\n [00:10<00:00, 72.52it/s, now=None]t: 100%|#########9| 818/820 [00:10<00:00, 75.42it/s, now=None] \\n Moviepy - Done ! \\n Moviepy - video ready cropped_clip.mkv \\n None \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"c9e6274288f640af92d3224b0393390a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"2cf83094efd74450a44684621cec09ba\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_9c56ce6494ae4d13a9c652e93d08d34f\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n The video has been successfully cropped and saved as 'cropped_clip.mkv'. The next step is to extract the audio \\n from the original clip and add it to the cropped video. Let's do that. \\n \\n\",\n \"text/html\": \"
\\n The video has been successfully cropped and saved as 'cropped_clip.mkv'. The next step is to extract the audio \\n from the original clip and add it to the cropped video. Let's do that. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"9c56ce6494ae4d13a9c652e93d08d34f\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"5b13f6f7553f4ef69b4deb45734b3906\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_62b5f3bf807f4e17a0fee6e73b19b50f\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mfrom\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mmoviepy\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34meditor\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34mimport\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mAudioFileClip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Extract the audio from the original clip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mAudioFileClip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34moriginal_video.mkv\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34msubclip\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mstart_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mend_time\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Set the audio of the new clip\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_clip_with_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mnew_clip\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mset_audio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34maudio\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;117;113;94;48;2;39;40;34m# Write the new video clip with audio to a file\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_clip_with_audio\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mcropped_clip_with_audio.mkv\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mlibx264\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n from moviepy.editor import AudioFileClip \\n \\n # Extract the audio from the original clip \\n audio = AudioFileClip('original_video.mkv').subclip(start_time, end_time) \\n \\n # Set the audio of the new clip \\n cropped_clip_with_audio = new_clip.set_audio(audio) \\n \\n # Write the new video clip with audio to a file \\n cropped_clip_with_audio.write_videofile('cropped_clip_with_audio.mkv', codec='libx264') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"62b5f3bf807f4e17a0fee6e73b19b50f\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"4d37ead524de46239d479f3d5660af3f\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_fd62af45f4c74a9a93a93ed62415f62f\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m20 [00:08<00:03, 63.24it/s, now=None]t: 74%|#######4 | 607/820 [00:08<00:03, 67.05it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m75%|#######4 | 614/820 [00:08<00:03, 61.46it/s, now=None]t: 76%|#######5 | 621/820 [00:08<00:03, 60.96it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 77%|#######6 | 628/820 [00:08<00:03, 58.23it/s, now=None]t: 77%|#######7 | 634/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:08<00:03, 56.61it/s, now=None]t: 78%|#######8 | 640/820 [00:09<00:03, 54.12it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m79%|#######8 | 646/820 [00:09<00:03, 55.23it/s, now=None]t: 80%|#######9 | 654/820 [00:09<00:02, 61.50it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 81%|######## | 661/820 [00:09<00:02, 60.69it/s, now=None]t: 81%|########1 | 668/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:09<00:02, 60.97it/s, now=None]t: 82%|########2 | 675/820 [00:09<00:02, 60.73it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m83%|########3 | 684/820 [00:09<00:02, 62.14it/s, now=None]t: 84%|########4 | 692/820 [00:09<00:02, 62.95it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 85%|########5 | 699/820 [00:10<00:01, 62.96it/s, now=None]t: 86%|########6 | 706/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:10<00:01, 63.58it/s, now=None]t: 87%|########7 | 714/820 [00:10<00:01, 67.93it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m88%|########7 | 721/820 [00:10<00:01, 68.32it/s, now=None]t: 89%|########8 | 728/820 [00:10<00:01, 66.30it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 90%|########9 | 737/820 [00:10<00:01, 70.97it/s, now=None]t: 91%|######### | 745/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:10<00:01, 66.52it/s, now=None]t: 92%|#########1| 753/820 [00:10<00:00, 69.11it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m93%|#########2| 762/820 [00:10<00:00, 72.09it/s, now=None]t: 94%|#########3| 770/820 [00:11<00:00, 73.50it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 95%|#########4| 778/820 [00:11<00:00, 75.04it/s, now=None]t: 96%|#########5| 787/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:11<00:00, 77.95it/s, now=None]t: 97%|#########6| 795/820 [00:11<00:00, 77.10it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m98%|#########8| 804/820 [00:11<00:00, 77.64it/s, now=None]t: 99%|#########9| 812/820 [00:11<00:00, 75.04it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 100%|##########| 820/820 [00:11<00:00, 74.23it/s, now=None] \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - Done !\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - video ready cropped_clip_with_audio.mkv\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mNone\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n 20 [00:08<00:03, 63.24it/s, now=None]t: 74%|#######4 | 607/820 [00:08<00:03, 67.05it/s, now=None]t: \\n 75%|#######4 | 614/820 [00:08<00:03, 61.46it/s, now=None]t: 76%|#######5 | 621/820 [00:08<00:03, 60.96it/s, \\n now=None]t: 77%|#######6 | 628/820 [00:08<00:03, 58.23it/s, now=None]t: 77%|#######7 | 634/820 \\n [00:08<00:03, 56.61it/s, now=None]t: 78%|#######8 | 640/820 [00:09<00:03, 54.12it/s, now=None]t: \\n 79%|#######8 | 646/820 [00:09<00:03, 55.23it/s, now=None]t: 80%|#######9 | 654/820 [00:09<00:02, 61.50it/s, \\n now=None]t: 81%|######## | 661/820 [00:09<00:02, 60.69it/s, now=None]t: 81%|########1 | 668/820 \\n [00:09<00:02, 60.97it/s, now=None]t: 82%|########2 | 675/820 [00:09<00:02, 60.73it/s, now=None]t: \\n 83%|########3 | 684/820 [00:09<00:02, 62.14it/s, now=None]t: 84%|########4 | 692/820 [00:09<00:02, 62.95it/s, \\n now=None]t: 85%|########5 | 699/820 [00:10<00:01, 62.96it/s, now=None]t: 86%|########6 | 706/820 \\n [00:10<00:01, 63.58it/s, now=None]t: 87%|########7 | 714/820 [00:10<00:01, 67.93it/s, now=None]t: \\n 88%|########7 | 721/820 [00:10<00:01, 68.32it/s, now=None]t: 89%|########8 | 728/820 [00:10<00:01, 66.30it/s, \\n now=None]t: 90%|########9 | 737/820 [00:10<00:01, 70.97it/s, now=None]t: 91%|######### | 745/820 \\n [00:10<00:01, 66.52it/s, now=None]t: 92%|#########1| 753/820 [00:10<00:00, 69.11it/s, now=None]t: \\n 93%|#########2| 762/820 [00:10<00:00, 72.09it/s, now=None]t: 94%|#########3| 770/820 [00:11<00:00, 73.50it/s, \\n now=None]t: 95%|#########4| 778/820 [00:11<00:00, 75.04it/s, now=None]t: 96%|#########5| 787/820 \\n [00:11<00:00, 77.95it/s, now=None]t: 97%|#########6| 795/820 [00:11<00:00, 77.10it/s, now=None]t: \\n 98%|#########8| 804/820 [00:11<00:00, 77.64it/s, now=None]t: 99%|#########9| 812/820 [00:11<00:00, 75.04it/s, \\n now=None]t: 100%|##########| 820/820 [00:11<00:00, 74.23it/s, now=None] \\n Moviepy - Done ! \\n Moviepy - video ready cropped_clip_with_audio.mkv \\n None \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"fd62af45f4c74a9a93a93ed62415f62f\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"5ca82a2033fb4b0c93ba168d64f6ef9e\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_6c4cadeb9ad74ad5984cb26042f1b36a\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n I have successfully created the TikTok clip. The video has been cropped to a 9:16 aspect ratio around the face \\n in the frame, with the motion between confident face detections smoothly averaged out. The audio from the \\n original video has been added back in. The final video file is named 'cropped_clip_with_audio.mkv'. \\n \\n\",\n \"text/html\": \"
\\n I have successfully created the TikTok clip. The video has been cropped to a 9:16 aspect ratio around the face \\n in the frame, with the motion between confident face detections smoothly averaged out. The audio from the \\n original video has been added back in. The final video file is named 'cropped_clip_with_audio.mkv'. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"6c4cadeb9ad74ad5984cb26042f1b36a\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"647b95ec7a5b40979432289c033ccd79\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_85e5e774473d4d629a91899373d2602b\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcropped_clip_with_audio\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m.\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mwrite_videofile\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m(\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mcropped_clip_with_audio.mp4\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m,\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m \\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34mcodec\\u001b[0m\\u001b[38;2;249;38;114;48;2;39;40;34m=\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34mlibx264\\u001b[0m\\u001b[38;2;230;219;116;48;2;39;40;34m'\\u001b[0m\\u001b[38;2;248;248;242;48;2;39;40;34m)\\u001b[0m\\u001b[48;2;39;40;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\u001b[48;2;39;39;34m \\u001b[0m\\n\\u001b[48;2;39;39;34m \\u001b[0m\\n\",\n \"text/html\": \"
\\n cropped_clip_with_audio.write_videofile('cropped_clip_with_audio.mp4', codec='libx264') \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"85e5e774473d4d629a91899373d2602b\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"82db7edca0184c31a689eb8ad4785611\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_5988deb63066470bb3225344289929e9\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \"\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mOutput truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`.\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m20 [00:06<00:03, 73.39it/s, now=None]t: 69%|######9 | 569/820 [00:07<00:03, 78.56it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m70%|####### | 578/820 [00:07<00:03, 76.98it/s, now=None]t: 72%|#######1 | 588/820 [00:07<00:02, 81.45it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 73%|#######2 | 597/820 [00:07<00:02, 82.24it/s, now=None]t: 74%|#######3 | 606/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:07<00:02, 75.18it/s, now=None]t: 75%|#######5 | 615/820 [00:07<00:02, 76.71it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m76%|#######5 | 623/820 [00:07<00:02, 74.47it/s, now=None]t: 77%|#######7 | 632/820 [00:07<00:02, 76.20it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 78%|#######8 | 640/820 [00:08<00:02, 75.49it/s, now=None]t: 79%|#######9 | 648/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:08<00:02, 76.29it/s, now=None]t: 80%|######## | 656/820 [00:08<00:02, 74.20it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m81%|######## | 664/820 [00:08<00:02, 75.04it/s, now=None]t: 82%|########1 | 672/820 [00:08<00:02, 72.15it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 83%|########2 | 680/820 [00:08<00:01, 74.17it/s, now=None]t: 84%|########4 | 689/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:08<00:01, 75.94it/s, now=None]t: 85%|########5 | 697/820 [00:08<00:01, 75.41it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m86%|########5 | 705/820 [00:08<00:01, 75.99it/s, now=None]t: 87%|########7 | 714/820 [00:08<00:01, 78.50it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 88%|########8 | 722/820 [00:09<00:01, 77.38it/s, now=None]t: 89%|########9 | 732/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:09<00:01, 82.65it/s, now=None]t: 90%|######### | 741/820 [00:09<00:01, 71.51it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m92%|#########1| 751/820 [00:09<00:00, 77.55it/s, now=None]t: 93%|#########2| 760/820 [00:09<00:00, 78.10it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 94%|#########3| 768/820 [00:09<00:00, 73.98it/s, now=None]t: 95%|#########4| 777/820 \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m[00:09<00:00, 76.13it/s, now=None]t: 96%|#########5| 786/820 [00:09<00:00, 78.54it/s, now=None]t: \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m97%|#########6| 794/820 [00:10<00:00, 74.12it/s, now=None]t: 98%|#########7| 802/820 [00:10<00:00, 74.97it/s, \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mnow=None]t: 99%|#########9| 812/820 [00:10<00:00, 79.79it/s, now=None] \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - Done !\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mMoviepy - video ready cropped_clip_with_audio.mp4\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55mNone\\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\\u001b[38;2;255;255;255;48;2;59;59;55m \\u001b[0m\\n\",\n \"text/html\": \"
\\n Output truncated. Showing the last 2000 characters. Adjust via `interpreter.max_output_chars`. \\n \\n 20 [00:06<00:03, 73.39it/s, now=None]t: 69%|######9 | 569/820 [00:07<00:03, 78.56it/s, now=None]t: \\n 70%|####### | 578/820 [00:07<00:03, 76.98it/s, now=None]t: 72%|#######1 | 588/820 [00:07<00:02, 81.45it/s, \\n now=None]t: 73%|#######2 | 597/820 [00:07<00:02, 82.24it/s, now=None]t: 74%|#######3 | 606/820 \\n [00:07<00:02, 75.18it/s, now=None]t: 75%|#######5 | 615/820 [00:07<00:02, 76.71it/s, now=None]t: \\n 76%|#######5 | 623/820 [00:07<00:02, 74.47it/s, now=None]t: 77%|#######7 | 632/820 [00:07<00:02, 76.20it/s, \\n now=None]t: 78%|#######8 | 640/820 [00:08<00:02, 75.49it/s, now=None]t: 79%|#######9 | 648/820 \\n [00:08<00:02, 76.29it/s, now=None]t: 80%|######## | 656/820 [00:08<00:02, 74.20it/s, now=None]t: \\n 81%|######## | 664/820 [00:08<00:02, 75.04it/s, now=None]t: 82%|########1 | 672/820 [00:08<00:02, 72.15it/s, \\n now=None]t: 83%|########2 | 680/820 [00:08<00:01, 74.17it/s, now=None]t: 84%|########4 | 689/820 \\n [00:08<00:01, 75.94it/s, now=None]t: 85%|########5 | 697/820 [00:08<00:01, 75.41it/s, now=None]t: \\n 86%|########5 | 705/820 [00:08<00:01, 75.99it/s, now=None]t: 87%|########7 | 714/820 [00:08<00:01, 78.50it/s, \\n now=None]t: 88%|########8 | 722/820 [00:09<00:01, 77.38it/s, now=None]t: 89%|########9 | 732/820 \\n [00:09<00:01, 82.65it/s, now=None]t: 90%|######### | 741/820 [00:09<00:01, 71.51it/s, now=None]t: \\n 92%|#########1| 751/820 [00:09<00:00, 77.55it/s, now=None]t: 93%|#########2| 760/820 [00:09<00:00, 78.10it/s, \\n now=None]t: 94%|#########3| 768/820 [00:09<00:00, 73.98it/s, now=None]t: 95%|#########4| 777/820 \\n [00:09<00:00, 76.13it/s, now=None]t: 96%|#########5| 786/820 [00:09<00:00, 78.54it/s, now=None]t: \\n 97%|#########6| 794/820 [00:10<00:00, 74.12it/s, now=None]t: 98%|#########7| 802/820 [00:10<00:00, 74.97it/s, \\n now=None]t: 99%|#########9| 812/820 [00:10<00:00, 79.79it/s, now=None] \\n Moviepy - Done ! \\n Moviepy - video ready cropped_clip_with_audio.mp4 \\n None \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"5988deb63066470bb3225344289929e9\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n },\n \"4bb6ea2b3ce6407cb1b85c32ad828415\": {\n \"model_module\": \"@jupyter-widgets/output\",\n \"model_name\": \"OutputModel\",\n \"model_module_version\": \"1.0.0\",\n \"state\": {\n \"_dom_classes\": [],\n \"_model_module\": \"@jupyter-widgets/output\",\n \"_model_module_version\": \"1.0.0\",\n \"_model_name\": \"OutputModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/output\",\n \"_view_module_version\": \"1.0.0\",\n \"_view_name\": \"OutputView\",\n \"layout\": \"IPY_MODEL_09287fc3783049898cdb624d0cc4bf81\",\n \"msg_id\": \"\",\n \"outputs\": [\n {\n \"output_type\": \"display_data\",\n \"data\": {\n \"text/plain\": \" \\n I have successfully converted the video to an mp4 format. The final video file is named \\n 'cropped_clip_with_audio.mp4'. \\n \\n\",\n \"text/html\": \"
\\n I have successfully converted the video to an mp4 format. The final video file is named \\n 'cropped_clip_with_audio.mp4'. \\n \\n\\n\"\n },\n \"metadata\": {}\n }\n ]\n }\n },\n \"09287fc3783049898cdb624d0cc4bf81\": {\n \"model_module\": \"@jupyter-widgets/base\",\n \"model_name\": \"LayoutModel\",\n \"model_module_version\": \"1.2.0\",\n \"state\": {\n \"_model_module\": \"@jupyter-widgets/base\",\n \"_model_module_version\": \"1.2.0\",\n \"_model_name\": \"LayoutModel\",\n \"_view_count\": null,\n \"_view_module\": \"@jupyter-widgets/base\",\n \"_view_module_version\": \"1.2.0\",\n \"_view_name\": \"LayoutView\",\n \"align_content\": null,\n \"align_items\": null,\n \"align_self\": null,\n \"border\": null,\n \"bottom\": null,\n \"display\": null,\n \"flex\": null,\n \"flex_flow\": null,\n \"grid_area\": null,\n \"grid_auto_columns\": null,\n \"grid_auto_flow\": null,\n \"grid_auto_rows\": null,\n \"grid_column\": null,\n \"grid_gap\": null,\n \"grid_row\": null,\n \"grid_template_areas\": null,\n \"grid_template_columns\": null,\n \"grid_template_rows\": null,\n \"height\": null,\n \"justify_content\": null,\n \"justify_items\": null,\n \"left\": null,\n \"margin\": null,\n \"max_height\": null,\n \"max_width\": null,\n \"min_height\": null,\n \"min_width\": null,\n \"object_fit\": null,\n \"object_position\": null,\n \"order\": null,\n \"overflow\": null,\n \"overflow_x\": null,\n \"overflow_y\": null,\n \"padding\": null,\n \"right\": null,\n \"top\": null,\n \"visibility\": null,\n \"width\": null\n }\n }\n }\n }\n },\n \"nbformat\": 4,\n \"nbformat_minor\": 0\n}" }, { "path": "examples/README.md", "content": "# Open Interpreter Examples\n\nThis directory contains various examples demonstrating how to use Open Interpreter in different scenarios and configurations. Each example is designed to provide a practical guide to integrating and leveraging Open Interpreter's capabilities in your projects.\n\n## Colab Notebooks\n\n[Google Colab](https://colab.google/) provides a sandboxed development environment for you to run code in. Here are some Jupyter Notebooks on Colab that you can try:\n\n### Local 3\n\n[](https://colab.research.google.com/drive/1jWKKwVCQneCTB5VNQNWO0Wxqg1vG_E1T#scrollTo=13ISLtY9_v7g)\n\n### Interactive Demo\n\n[](https://colab.research.google.com/drive/1WKmRXZgsErej2xUriKzxrEAXdxMSgWbb?usp=sharing)\n\n### Voice Interface\n\n[](https://colab.research.google.com/drive/1NojYGHDgxH6Y1G1oxThEBBb2AtyODBIK)\n" }, { "path": "examples/custom_tool.ipynb", "content": "{\n \"cells\": [\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"# Add a Custom Tool to your Instance\\n\",\n \"\\n\",\n \"You can create custom tools for your instance of Open Interpreter. This is extremely helpful for adding new functionality in a reliable way.\\n\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"First, create a profile and configure your instance:\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"# Configure Open Interpreter\\n\",\n \"from interpreter import interpreter\\n\",\n \"\\n\",\n \"interpreter.llm.model = \\\"claude-3-5-sonnet-20240620\\\"\\n\",\n \"interpreter.computer.import_computer_api = True\\n\",\n \"interpreter.llm.supports_functions = True\\n\",\n \"interpreter.llm.supports_vision = True\\n\",\n \"interpreter.llm.context_window = 100000\\n\",\n \"interpreter.llm.max_tokens = 4096\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Then you will define your custom tool by writing valid Python code within a comment. This example is for searching the AWS documentation using Perplexity:\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"custom_tool = \\\"\\\"\\\"\\n\",\n \"\\n\",\n \"import os\\n\",\n \"import requests\\n\",\n \"\\n\",\n \"def search_aws_docs(query):\\n\",\n \"\\n\",\n \" url = \\\"https://api.perplexity.ai/chat/completions\\\"\\n\",\n \"\\n\",\n \" payload = {\\n\",\n \" \\\"model\\\": \\\"llama-3.1-sonar-small-128k-online\\\",\\n\",\n \" \\\"messages\\\": [\\n\",\n \" {\\n\",\n \" \\\"role\\\": \\\"system\\\",\\n\",\n \" \\\"content\\\": \\\"Be precise and concise.\\\"\\n\",\n \" },\\n\",\n \" {\\n\",\n \" \\\"role\\\": \\\"user\\\",\\n\",\n \" \\\"content\\\": query\\n\",\n \" }\\n\",\n \" ],\\n\",\n \" \\\"temperature\\\": 0.2,\\n\",\n \" \\\"top_p\\\": 0.9,\\n\",\n \" \\\"return_citations\\\": True,\\n\",\n \" \\\"search_domain_filter\\\": [\\\"docs.aws.amazon.com\\\"],\\n\",\n \" \\\"return_images\\\": False,\\n\",\n \" \\\"return_related_questions\\\": False,\\n\",\n \" #\\\"search_recency_filter\\\": \\\"month\\\",\\n\",\n \" \\\"top_k\\\": 0,\\n\",\n \" \\\"stream\\\": False,\\n\",\n \" \\\"presence_penalty\\\": 0,\\n\",\n \" \\\"frequency_penalty\\\": 1\\n\",\n \" }\\n\",\n \" headers = {\\n\",\n \" \\\"Authorization\\\": f\\\"Bearer {os.environ.get('PPLX_API_KEY')}\\\",\\n\",\n \" \\\"Content-Type\\\": \\\"application/json\\\"\\n\",\n \" }\\n\",\n \"\\n\",\n \" response = requests.request(\\\"POST\\\", url, json=payload, headers=headers)\\n\",\n \"\\n\",\n \" print(response.text)\\n\",\n \"\\n\",\n \" return response.text\\n\",\n \"\\n\",\n \"\\\"\\\"\\\"\\n\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Finally, you add the tool to the OI instance's computer:\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"interpreter.computer.run(\\\"python\\\", custom_tool)\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"> Note: You can define and set multiple tools in a single instance.\"\n ]\n }\n ],\n \"metadata\": {\n \"language_info\": {\n \"name\": \"python\"\n }\n },\n \"nbformat\": 4,\n \"nbformat_minor\": 2\n}\n" }, { "path": "examples/interactive_quickstart.py", "content": "# This is all you need to get started\nfrom interpreter import interpreter\n\ninterpreter.chat()\n" }, { "path": "examples/jan_computer_control.ipynb", "content": "{\n \"cells\": [\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"# Jan Computer Control\\n\",\n \"\\n\",\n \"We love Jan as an A.I. inference server. It also has a chat interface to chat with LLMs. But did you know that you can use this same chat interface as a computer control interface? Read on!\\n\",\n \"\\n\",\n \"[View on YouTube](https://www.youtube.com/watch?v=1l3B0AzbbjQ)\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Install and set up Jan\\n\",\n \"\\n\",\n \"https://jan.ai/\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Install Open Interpreter\\n\",\n \"\\n\",\n \"https://docs.openinterpreter.com/getting-started/introduction\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Run the Open Interpreter OpenAI-compatible server.\\n\",\n \"\\n\",\n \"`interpreter --server`\\n\",\n \"\\n\",\n \"Add flags to set the `--model`, `--context_window`, or any other [setting](https://docs.openinterpreter.com/settings/all-settings) you want\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Edit Jan's OpenAI settings to point to the local server.\\n\",\n \"\\n\",\n \"Settings => OpenAI => Chat Competion endpoint `http://127.0.0.1:8000/openai/chat/completions`.\\n\",\n \"\\n\",\n \"Jan has a requirement to set a dummy OpenAI API key.\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Go to Jan's chat window to start a new thread.\\n\",\n \"\\n\",\n \"Set `Model` to an OpenAI model. \\n\",\n \"\\n\",\n \"Start controlling your computer!\"\n ]\n }\n ],\n \"metadata\": {\n \"language_info\": {\n \"name\": \"python\"\n }\n },\n \"nbformat\": 4,\n \"nbformat_minor\": 2\n}\n" }, { "path": "examples/local3.ipynb", "content": "{\n \"cells\": [\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"This notebook replicates running Open Interpreter locally and uses Llama3 via llamafile\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"## Download LLama3\\n\",\n \"\\n\",\n \"# Download the Meta-Llama-3-8B-Instruct.llamafile\\n\",\n \"!curl -L -o Meta-Llama-3-8B-Instruct.Q5_K_M.llamafile 'https://huggingface.co/Mozilla/Meta-Llama-3-8B-Instruct-llamafile/resolve/main/Meta-Llama-3-8B-Instruct.Q5_K_M.llamafile?download=true'\\n\",\n \"\\n\",\n \"# Make the downloaded file executable\\n\",\n \"!chmod +x Meta-Llama-3-8B-Instruct.Q5_K_M.llamafile\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"## Install OI\\n\",\n \"\\n\",\n \"!pip install open-interpreter --quiet\\n\",\n \"!pip install opencv-python --quiet\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"## Configure OI\\n\",\n \"\\n\",\n \"import cv2\\n\",\n \"import subprocess\\n\",\n \"from interpreter import interpreter\\n\",\n \"\\n\",\n \"interpreter.offline = True\\n\",\n \"\\n\",\n \"interpreter.llm.model = \\\"openai/local\\\" # Tells OI to use an OpenAI-compatible server\\n\",\n \"interpreter.llm.api_key = \\\"dummy_key\\\"\\n\",\n \"interpreter.llm.api_base = \\\"http://localhost:8081/v1\\\"\\n\",\n \"interpreter.llm.context_window = 7000\\n\",\n \"interpreter.llm.max_tokens = 1000\\n\",\n \"interpreter.llm.supports_functions = False\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"## Start server, run OI\\n\",\n \"\\n\",\n \"import subprocess\\n\",\n \"import threading\\n\",\n \"import os\\n\",\n \"\\n\",\n \"def read_output(process):\\n\",\n \" while True:\\n\",\n \" output = process.stdout.readline()\\n\",\n \" if output == b'' and process.poll() is not None:\\n\",\n \" break\\n\",\n \" if output:\\n\",\n \" print(output.decode().strip())\\n\",\n \"\\n\",\n \"# Check if the file exists and has execute permissions\\n\",\n \"file_path = os.path.abspath('Meta-Llama-3-8B-Instruct.Q5_K_M.llamafile')\\n\",\n \"\\n\",\n \"# Why are the arguments not being used??\\n\",\n \"command = [file_path, \\\"--nobrowser\\\", \\\"-ngl\\\", \\\"9999\\\"]\\n\",\n \"print(command)\\n\",\n \"\\n\",\n \"# Setting up the Popen call with stderr redirected to stdout\\n\",\n \"process = subprocess.Popen(command, stdout=subprocess.PIPE, stderr=subprocess.STDOUT, shell=True)\\n\",\n \"\\n\",\n \"# Thread to handle the output asynchronously\\n\",\n \"thread = threading.Thread(target=read_output, args=(process,))\\n\",\n \"thread.start()\\n\",\n \"\\n\",\n \"# Here you can do other tasks concurrently\\n\",\n \"# For example:\\n\",\n \"interpreter.chat()\\n\",\n \"\\n\",\n \"# Wait for the thread to finish if the process completes\\n\",\n \"thread.join()\\n\",\n \"\\n\",\n \"# Ensure the process has completed\\n\",\n \"process.wait()\"\n ]\n }\n ],\n \"metadata\": {\n \"kernelspec\": {\n \"display_name\": \"oi\",\n \"language\": \"python\",\n \"name\": \"python3\"\n },\n \"language_info\": {\n \"codemirror_mode\": {\n \"name\": \"ipython\",\n \"version\": 3\n },\n \"file_extension\": \".py\",\n \"mimetype\": \"text/x-python\",\n \"name\": \"python\",\n \"nbconvert_exporter\": \"python\",\n \"pygments_lexer\": \"ipython3\",\n \"version\": \"3.11.9\"\n }\n },\n \"nbformat\": 4,\n \"nbformat_minor\": 2\n}\n" }, { "path": "examples/local_server.ipynb", "content": "{\n \"cells\": [\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"# Build a local Open Interpreter server for a custom front end\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"from flask import Flask, request, jsonify\\n\",\n \"from interpreter import interpreter\\n\",\n \"import json\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"app = Flask(__name__)\\n\",\n \"\\n\",\n \"# Configure Open Interpreter\\n\",\n \"\\n\",\n \"## Local Model\\n\",\n \"# interpreter.offline = True\\n\",\n \"# interpreter.llm.model = \\\"ollama/llama3.1\\\"\\n\",\n \"# interpreter.llm.api_base = \\\"http://localhost:11434\\\"\\n\",\n \"# interpreter.llm.context_window = 4000\\n\",\n \"# interpreter.llm.max_tokens = 3000\\n\",\n \"# interpreter.auto_run = True\\n\",\n \"# interpreter.verbose = True\\n\",\n \"\\n\",\n \"## Hosted Model\\n\",\n \"interpreter.llm.model = \\\"gpt-4o\\\"\\n\",\n \"interpreter.llm.context_window = 10000\\n\",\n \"interpreter.llm.max_tokens = 4096\\n\",\n \"interpreter.auto_run = True\\n\",\n \"\\n\",\n \"# Create an endpoint\\n\",\n \"@app.route('/chat', methods=['POST'])\\n\",\n \"def chat():\\n\",\n \" # Expected payload: {\\\"prompt\\\": \\\"User's message or question\\\"}\\n\",\n \" data = request.json\\n\",\n \" prompt = data.get('prompt')\\n\",\n \" \\n\",\n \" if not prompt:\\n\",\n \" return jsonify({\\\"error\\\": \\\"No prompt provided\\\"}), 400\\n\",\n \"\\n\",\n \" full_response = \\\"\\\"\\n\",\n \" try:\\n\",\n \" for chunk in interpreter.chat(prompt, stream=True, display=False):\\n\",\n \" if isinstance(chunk, dict):\\n\",\n \" if chunk.get(\\\"type\\\") == \\\"message\\\":\\n\",\n \" full_response += chunk.get(\\\"content\\\", \\\"\\\")\\n\",\n \" elif isinstance(chunk, str):\\n\",\n \" # Attempt to parse the string as JSON\\n\",\n \" try:\\n\",\n \" json_chunk = json.loads(chunk)\\n\",\n \" full_response += json_chunk.get(\\\"response\\\", \\\"\\\")\\n\",\n \" except json.JSONDecodeError:\\n\",\n \" # If it's not valid JSON, just add the string\\n\",\n \" full_response += chunk\\n\",\n \" except Exception as e:\\n\",\n \" return jsonify({\\\"error\\\": str(e)}), 500\\n\",\n \"\\n\",\n \" return jsonify({\\\"response\\\": full_response.strip()})\\n\",\n \"\\n\",\n \"if __name__ == '__main__':\\n\",\n \" app.run(host='0.0.0.0', port=5001)\\n\",\n \"\\n\",\n \"print(\\\"Open Interpreter server is running on http://0.0.0.0:5001\\\")\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"## Make a request to the server\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"curl -X POST http://localhost:5001/chat \\\\\\n\",\n \" -H \\\"Content-Type: application/json\\\" \\\\\\n\",\n \" -d '{\\\"prompt\\\": \\\"Hello, how are you?\\\"}'\"\n ]\n }\n ],\n \"metadata\": {\n \"kernelspec\": {\n \"display_name\": \"Python 3\",\n \"language\": \"python\",\n \"name\": \"python3\"\n },\n \"language_info\": {\n \"codemirror_mode\": {\n \"name\": \"ipython\",\n \"version\": 3\n },\n \"file_extension\": \".py\",\n \"mimetype\": \"text/x-python\",\n \"name\": \"python\",\n \"nbconvert_exporter\": \"python\",\n \"pygments_lexer\": \"ipython3\",\n \"version\": \"3.11.9\"\n }\n },\n \"nbformat\": 4,\n \"nbformat_minor\": 2\n}\n" }, { "path": "examples/organize_photos.ipynb", "content": "{\n \"cells\": [\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"# Organize your photos with Open Interpreter\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"You can use Open Interpreter with a vision model to organize photos based on their contents. This is limited by the ability of the LLM as well as the organization of the directories storing photos. \"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"> Note: It is always recommended to back up photos and files on a regular basis. Most models are intelligent enough to know the difference between `move` and `delete` but on rare occasions, files can be deleted during some operations. It is important to test on duplicated photos and to keep an eye on code written by an LLM.\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Create a profile. This example uses GPT-4o but you can use any vision model.\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"\\\"\\\"\\\"\\n\",\n \"This is an Open Interpreter profile to organize a directory of photos. \\n\",\n \"\\\"\\\"\\\"\\n\",\n \"\\n\",\n \"from interpreter import interpreter\\n\",\n \"\\n\",\n \"\\n\",\n \"# LLM settings\\n\",\n \"interpreter.llm.model = \\\"gpt-4o\\\"\\n\",\n \"#interpreter.llm.model = \\\"ollama/codestral\\\"\\n\",\n \"interpreter.llm.supports_vision = True\\n\",\n \"interpreter.llm.execution_instructions = False\\n\",\n \"interpreter.llm.max_tokens = 1000\\n\",\n \"interpreter.llm.context_window = 7000\\n\",\n \"interpreter.llm.load() # Loads Ollama models\\n\",\n \"\\n\",\n \"# Computer settings\\n\",\n \"interpreter.computer.import_computer_api = True\\n\",\n \"\\n\",\n \"# Misc settings\\n\",\n \"interpreter.auto_run = False\\n\",\n \"\\n\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"The following custom instruction is intended for a directory containing one sub-directory of unorganized photos and multiple empty sub-directories with names for the intended organization. Please update the custom instructions to match your use-case. This will take some trial and error, depending on the model used.\"\n ]\n },\n {\n \"cell_type\": \"code\",\n \"execution_count\": null,\n \"metadata\": {},\n \"outputs\": [],\n \"source\": [\n \"# Custom Instructions\\n\",\n \"interpreter.custom_instructions=f\\\"\\\"\\\"\\n\",\n \" Recap the plan before answering the user's query!\\n\",\n \" Your job is to organize photos. You love organizing photos.\\n\",\n \" You will be given a parent directory with sub-directories. \\n\",\n \" One sub-directory will be of unorganized photos.\\n\",\n \" The other sub-directories will be categories that you move the photos in to.\\n\",\n \" Remember the sub-directories's names because they will be the categories for organizing.\\n\",\n \" It is extremely important because these are the only options for where you move the photos.\\n\",\n \" Loop through every photo in the unorganized photos directory. \\n\",\n \" Skip over non-photo files by checking for common photo extensions (.jpg, .jpeg, .png, etc).\\n\",\n \" In this loop you will determine the description of each image one at a time. \\n\",\n \" Use `computer.vision.query()` to get a description of the image.\\n\",\n \" `computer.vision.query()` takes a `path=` argument to know which photo to describe. \\n\",\n \" Print out the description so you can get the full context.\\n\",\n \" Determine which sub-directory the photo should go in to.\\n\",\n \" Every photo needs to go into one of the sub-directories.\\n\",\n \" Make sure you actually move the photo. \\n\",\n \" Your task is done when every photo in the unorganized photos directory has been moved to another directory. \\n\",\n \" **Confirm that the unorganized photos directory has no more photos**.\\n\",\n \" \\\"\\\"\\\"\\n\"\n ]\n },\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"Save the profile with a descriptive name. Then run interpreter with:\\n\",\n \"\\n\",\n \"`interpreter --profile