Fix "gpt (chinese)" incorrect SRT timestamp format

2024/gpt/chinese/captions.srt

@@ -67,15 +67,15 @@ Transformer 是一种特定类型的神经网络，一个机器学习模型，
 所有那些在 2022 年风靡全球的工具，
 
 18
-00:00:59,360 --> 00:01:04,239.99999999999272
+00:00:59,360 --> 00:01:04,239
 如 DALL-E 和 MidJourney，能够将文本描述转化为图像，
 
 19
-00:01:04,239.99999999999272 --> 00:01:05,519.9999999999927
+00:01:04,239 --> 00:01:05,519
 都是基于 Transformer 的。
 
 20
-00:01:05,519.9999999999927 --> 00:01:06,830
+00:01:05,519 --> 00:01:06,830
 即使我无法让它完全理解
 
 21
@@ -159,11 +159,11 @@ Transformer 是一种特定类型的神经网络，一个机器学习模型，
 这次的预测需要基于所有新生成的文字，
 
 41
-00:02:08,190 --> 00:02:09,919.9999999999854
+00:02:08,190 --> 00:02:09,919
 包括刚刚添加的那部分。
 
 42
-00:02:09,919.9999999999854 --> 00:02:10,780
+00:02:09,919 --> 00:02:10,780
 我不知道你怎么看，
 
 43
@@ -231,7 +231,7 @@ Transformer 是一种特定类型的神经网络，一个机器学习模型，
 能看到它在选择每个新词时的底层概率分布。
 
 59
-00:03:03,921.484375 --> 00:03:06,320
+00:03:03,921 --> 00:03:06,320
 我们先从宏观角度看看
 
 60
@@ -687,11 +687,11 @@ GPT-3 的早期演示就是这样的，
 你要做的，就是找出一条最拟合这些数据的直线，
 
 173
-00:08:35,120 --> 00:08:37,460.0000000000582
+00:08:35,120 --> 00:08:37,460
 以此来预测将来的房价。
 
 174
-00:08:37,460.0000000000582 --> 00:08:40,400
+00:08:37,460 --> 00:08:40,400
 这条线由两个连续的参数，
 
 175
@@ -1335,11 +1335,11 @@ GPT-3 模型仍具有独特的魅力，
 当它们指向相反方向时，点积为负。
 
 335
-00:17:05,520 --> 00:17:06,589.9999999998836
+00:17:05,520 --> 00:17:06,589
 例如，
 
 336
-00:17:06,589.9999999998836 --> 00:17:09,230
+00:17:06,589 --> 00:17:09,230
 假设你在测试这个模型，
 
 337