gbro-collage-broll

gbro-collage-broll

把一句约 5 秒的口播文稿，压成一个 sharp visual idea，再生成高级编辑风半调纸拼贴（halftone paper-collage）组装动画 B-roll。

Turn a ~5s voiceover line into a premium editorial paper-collage assemble-from-empty B-roll clip, powered by Gemini Omni Flash first/last-frame video generation.

效果

• 强烈平坦的纯色纸面色场 + 黑白 halftone 照片剪贴 + 彩色卡纸点缀
• 元素从空场逐件滑入、卡位、组装（stop-motion 质感），不是淡入或慢 zoom
• 默认交付 9:16、5 秒、720×1280、24fps、无声 MP4，可直接垫在口播下面

工作流：三闸门审批

这个 skill 的核心不是 prompt 模板，而是强制的三阶段审批，让你把注意力花在审美判断上，而不是烧生成费用：

1. Gate 1 · 隐喻确认 — 只输出视觉隐喻方案（核心意思 / 关键物件 / 底色 / 组装顺序），不生成任何图片视频
2. Gate 2 · 静帧确认 — 确认后才生成彩色拼贴静帧 + contact sheet，再次等你确认
3. Gate 3 · 视频生成 — 静帧通过后自动用 gemini-omni-flash-preview 做首尾帧组装动画，附完整 QA（逐秒抽帧、首帧空场验证、尾帧对照）

批量模式下支持部分通过：只有确认过的条目进入下一阶段。

环境要求

首次触发时 skill 会自动运行 scripts/check_setup.sh 自检，并针对缺失项给出配置指引。需要：

视频生成脚本（scripts/generate_video.py + scripts/upload_file.py）已随 skill 自带，无需额外安装其他 skill。

安装

把整个目录放进你的 agent skills 目录（例如 ~/.agents/skills/ 或 ~/.claude/skills/）：

git clone https://github.com/pyang5166/gbro-collage-broll.git ~/.agents/skills/gbro-collage-broll

使用

对你的 agent 说：

collage b-roll：很多人以为 AI 是来替你思考的，其实它更像一面镜子，会把你问题里的漏洞照出来。

触发词：collage b-roll、纸拼贴 b-roll、半调拼贴、拼贴风格配画面、gbro-collage-broll。

然后按 Gate 1 → Gate 2 → Gate 3 逐步确认即可。批量给多句文稿也可以，每句一个隐喻一条成片。

目录结构

gbro-collage-broll/
├── SKILL.md                        # skill 主文档（三闸门协议 + prompt 模板 + QA 标准）
├── agents/openai.yaml              # Codex interface 配置
├── evals/evals.json                # 四条闸门行为评测
└── scripts/
    ├── check_setup.sh              # 首次使用环境自检
    ├── generate_video.py           # Gemini Omni Flash 批量视频生成
    ├── upload_file.py              # Files API 上传辅助
    └── generate_veo_first_last.py  # 旧 Veo 链路（仅兼容保留，默认不用）

FAQ

为什么强制两次人工确认？ 错误的隐喻或静帧直接进视频生成，浪费的是真金白银的 API 费用。Gate 1 改文字是免费的，Gate 2 重生一张图远比重跑一条视频便宜。

成片首帧边缘露出一点纸片？ 轻微的可以接受；严格空场需求建议用可编辑时间线的动画工具补前段。

能换视频模型吗？ 默认固定 gemini-omni-flash-preview，明确指定其他模型时才切换。