口播 B-roll 纸拼贴动画（gbro-collage-broll）
用户给一句约 5 秒的口播文稿，你帮他想出一个视觉隐喻，再做成半调纸拼贴风的组装动画：纸片一件件滑进画面、卡到位置，像定格动画，而不是淡入加慢推。底层用开源的 gbro-collage-broll（MIT 许可证，作者 pyang5166）。默认成片：9:16、5 秒、720×1280、24 帧、没有声音，可以直接垫在口播下面。
配套教程见 把口播做成纸拼贴 B-roll。
触发
用户说"collage b-roll""纸拼贴 b-roll""半调拼贴""拼贴风格配画面""用这段文稿做拼贴动画"，或者想把一句文稿、一个观点、一个抽象概念变成短视频里的配画面。
硬性规则
- 必须走三道确认，不能跳。 第一道只出视觉隐喻方案，不生成图片，也不生成视频；用户确认后才出静帧；静帧再确认后才生成视频。批量时只让用户确认过的条目进入下一步。
- 第一道和第二道不调用任何视频模型。 改文字不花钱，重生一张图便宜，重跑一条视频才贵，把花钱的步骤留到最后。
- 视频由用户自己的账号付费。 用的是用户的
GEMINI_API_KEY，按量计费。进入视频生成前提醒一次，不要替用户决定烧多少。 - 不输出、不记录密钥。 只检查环境变量是否已设置，不要打印它的内容。
- 装东西之前先说一声。 创建虚拟环境、安装依赖前征得同意；不要使用
--break-system-packages；虚拟环境已存在就复用，不要在每个项目里新建。 - 默认模型不让用户再选。 静帧确认后直接用 Gemini Omni Flash 做首尾帧视频；只有用户明确指定别的模型才切换，不要自动改用旧的 Veo 链路。
- 成片必须无声。 即使提示词里写了不要声音，也要用 ffmpeg 把音轨去掉再交付。
- 画面里不出现文字。 不放字幕、口播全文、logo、水印或界面元素；假字出现时回到静帧重生，不要在视频阶段硬修。
什么时候不要用
- 需要精确控制图层、遮挡、镜头穿越，或者要可编辑时间线：改用分层动画工具。
- 只要一段视频提示词、不要成片：直接写提示词，不用走流程。
- 需要真人产品广告或口播演员：不要用拼贴流程。
- 用户要逐层可修改的透明素材：本流程默认不拆图层。
安装与环境
先检查是否已经装过：
ls ~/.agents/skills/gbro-collage-broll ~/.claude/skills/gbro-collage-broll 2>/dev/null
没装就先告诉用户这会把第三方技能放进他的电脑，同意后：
git clone https://github.com/pyang5166/gbro-collage-broll.git ~/.agents/skills/gbro-collage-broll
每次触发先运行仓库自带的自检脚本，全部通过才进入第一道：
bash ~/.agents/skills/gbro-collage-broll/scripts/check_setup.sh
需要的条件：
| 条件 | 说明 |
|---|---|
| Codex 环境 | 静帧靠它内置的生图工具；在别的 Agent 里，需要用户自备等效的生图方式，或直接给静帧图 |
GEMINI_API_KEY |
在 Google AI Studio 创建，视频按量计费 |
| Python 3.10 以上 | 运行视频脚本 |
google-genai 2.10.0 以上 |
放进共享虚拟环境 ~/hyperframes-projects/.omni-venv/ |
| ffmpeg 和 ffprobe | 处理首尾帧、去音轨、做对照图 |
自检有缺项就不进入第一道，只把缺的项告诉用户，等配置好再重新自检。
第一道：只给隐喻
把文稿压成一个清晰的视觉命题，不要逐字搬上画面。每条文稿只做一个隐喻，关键物件 3 到 6 个，多了语意会变弱，组装也不稳。
给用户的每一条包括：核心意思、情绪、一句话视觉命题、关键物件、建议底色和点色、预期的组装顺序。然后停下，等用户说"通过"或给出修改意见。
挑底色要看语意，一批作品保持同一种设计语言，但底色可以不同：红或橙对应时间消耗和紧迫，黄对应警示和经验流失，墨绿对应认知和系统，紫对应规范和沉淀，青绿对应判断和协作。
第二道：静帧
隐喻通过后，先写一份视觉说明（隐喻、底色、元素及其位置、构图、最终画面、要避免的东西），再用生图工具做最终静帧。要点：
- 纯色平整的纸面色场，主体是黑白半调的照片剪贴，加少量彩色卡纸点缀。
- 竖版 9:16，主体集中在中间，留足纯色空白，分成 3 到 6 个能单独滑入的大组。
- 纸片有清晰的裁切边、奶油白的细边线和柔和的投影。
- 不要文字、数字、logo、水印、界面、写实环境和满屏碎片。
做完检查：隐喻是否一眼能懂、有没有假字、是否保留了足够的纯色空场。把原图存进项目目录，拼一张带编号的总览图给用户看，然后停下等确认。需要重生就生成新版本的总览图，不覆盖旧版。
第三道：视频
- 准备首尾帧。 尾帧用确认过的静帧，用 ffmpeg 统一成竖版尺寸；首帧是与尾帧同底色的纯色空纸面。用户明确要求不从空白开始，才保留一个基础物件。
- 写动画提示词。 说明第一张图是空首帧、第二张图是确认过的完成帧，要求固定镜头、不切镜、不缩放、不变形、不新增物体、无文字无声音；按"基础结构 → 人物或关键卡片 → 连接件 → 动作 → 最终结果"的顺序，写清每个元素如何滑入、卡位。
- 检查环境。 确认
google-genai版本够新，密钥已设置。 - 批量生成。 把任务写进
omni-jobs.json，每个任务给提示词、首尾两张图、输出路径、9:16和 5 秒，然后运行仓库自带的脚本：
~/hyperframes-projects/.omni-venv/bin/python \
~/.agents/skills/gbro-collage-broll/scripts/generate_video.py \
--batch <项目目录>/omni-jobs.json --concurrency 3
- 去音轨。 用 ffmpeg 复制视频流并去掉音频，交付无声版本。
- 做 QA。 不能只看最后一帧：逐秒抽帧做总览图，看首帧是否接近空场、中段是否真的在逐件组装而不是整体淡入、有没有切镜或缩放、有没有假字，再把末帧和确认静帧并排对照。成片应是 720×1280、24 帧、5 秒、零音轨。
常见问题
- 首帧边缘提前露出一点纸片： 轻微可以接受；严格要求空场的，建议用可编辑时间线的工具补前段。
- 组装感弱： 减少元素数量，把提示词改成明确的逐件滑入、卡位顺序。
- 尾帧漂移： 强调第二张图就是完成帧，要求结尾保持这个构图。轻微的姿态或小零件变化，只要不影响隐喻，就判通过，不用为此重跑。
- 出现假字： 回到静帧重生，不要用视频提示词修补。
- 个别视频失败： 只重跑对应任务，不动已经通过的。
- 旧的 Veo 脚本： 仓库里还保留，仅为兼容，用户没明说就不要用。
输出格式
- 每条成片的路径（无声版本）、逐秒总览图、末帧对照图。
- 一句话说明每条文稿是怎么变成视觉隐喻的。
- 如果有瑕疵但判为通过，写明原因；如果问题来自模型限制，直说。
- 提醒视频由用户自己的账号按量付费。
评论（0）
还没有评论，来说第一句。