[Bug] `gpt-3.5-turbo` was retired on October 23 and now fails
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 1/5
- Geschätzter Aufwand
- Unter einer Stunde
- Anfängerfreundlichkeit
- 82/100
Rechercherichtung
Die eingestellten Modellnamen erscheinen in den Auswahloptionen des LLM-Modell-Dropdowns in funclip/launch.py etwa in den Zeilen 261-263 sowie im OpenAI-Demoaufruf in funclip/llm/openai_api.py in Zeile 93. Beginne damit, diese Stellen zu prüfen, und bestätige die Ersatznamen anhand der Deprecation-Seite von OpenAI, wie es das Issue beschreibt. Fertig ist, wenn das Dropdown und der Demoaufruf keine der drei eingestellten Modelle mehr referenzieren und die Ersatzmodelle diejenigen sind, die das Issue nennt.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Summary
OpenAI retired gpt-3.5-turbo, gpt-3.5-turbo-0125 and gpt-4-turbo on October 23, 2026 (https://developers.openai.com/api/docs/deprecations). Requests that name them now fail, and FunClip still offers them.
Environment
- FunClip version or commit: cdcb53fe3d4b37365178ae4f779296e72b7beb6a (current
main) - LLM provider/model: OpenAI,
gpt-3.5-turbo,gpt-3.5-turbo-0125orgpt-4-turbo
Steps to reproduce
- Open the web UI and pick
gpt-3.5-turbo,gpt-3.5-turbo-0125orgpt-4-turboin the LLM model dropdown. - Run LLM clipping with an OpenAI key.
Expected behavior
The dropdown offers models OpenAI still serves.
Actual behavior
The request names a retired model, so it fails. The places:
- https://github.com/modelscope/FunClip/blob/cdcb53fe3d4b37365178ae4f779296e72b7beb6a/funclip/launch.py#L261-L263 (three of the dropdown choices)
- https://github.com/modelscope/FunClip/blob/cdcb53fe3d4b37365178ae4f779296e72b7beb6a/funclip/llm/openai_api.py#L93 (the model in the OpenAI demo call)
OpenAI's replacements are gpt-5.6-terra for gpt-3.5-turbo and gpt-3.5-turbo-0125, and gpt-5.6-sol for gpt-4-turbo.
Everything Since found in this repo: https://since.dev/scan/modelscope/FunClip
Happy to open a PR if that helps.
- Vorherrschende Sprache
- Python
- Sterne
- 6.5k
- Forks
- 773
- Ø Merge
- 2 Min.
- Gemergte PRs (30 T.)
- 3
Entwicklungsumgebung
- Kein Dockerfile und keine Docker-Compose-Datei
- Hat eine Pull-Request-Vorlage
- Beitragsleitfaden lesen
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus modelscope/FunClip
-
[Bug] Concatenated audio clips reset each SRT segment to time zeroEvtl. vergeben @burakeyler hat das vor 63 Tagen übernommen. Offenbug
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
modelscope/FunClip#216 ·
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 55/100
modelscope/FunClip#230 · 1 Kommentar ·
-
[Bug] SenseVoice Chinese text clipping misses multi-character queries and uses incorrect timestamp indicesEvtl. vergeben @Minh3132 hat das vor 62 Tagen übernommen. Offenbug
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 66/100
modelscope/FunClip#215 · 3 Kommentare ·
-
[Bug] Non-16 kHz audio is resampled on the channel axis and exported with a stale sample rateEvtl. vergeben @Minh3132 hat das vor 62 Tagen übernommen. Offenbug
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 76/100
modelscope/FunClip#214 · 1 Kommentar ·
-
为什么总显示各种库未安装呢Offenneeds feedback question
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 35/100
modelscope/FunClip#147 · 4 Kommentare ·
Alle Issues in modelscope/FunClip
Ähnliche Issues
-
enhancement
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
Sienna-Platform/SiennaSchemas#130 ·
Maintainer antworten meist innerhalb von 3 Tagen
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 85/100
firedrakeproject/Irksome#293 ·
Maintainer antworten meist innerhalb von 2 Tagen
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
ida-arbeitszeit/workers-control#1578 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
aws-samples/sample-per-model-bedrock#898 ·
Maintainer antworten meist innerhalb von 1 Tag