🔥 5秒配图总像 PPT 贴图？半调纸拼贴 B-roll Skill 一句话出高级编辑感

gbro-collage-broll 是一款半调纸拼贴 B-roll 生成 Agent Skill，把任意一句 5 秒口播文稿压成一个 sharp visual idea，再用 Gemini Omni Flash 生成"白色卡纸 + 黑白 halftone 照片剪贴 + 彩色点缀"质感的高级编辑风组装动画——不是淡入、不是慢 zoom，是 stop-motion 胶片拼贴感，9:16 / 5s / 720×1280 / 24fps 无声 MP4，直接垫在口播下面就能用。

核心定位：唯一一个把"高级编辑感"做成三闸门审批协议的 B-roll Skill——你只负责审美判断，它负责烧 API 钱

🚀 它到底是什么？

不是又一个"AI 视频生成 prompt 模板"，是一套强制审美 decision points 的 Agent Skill 工作流。Claude Code / Codex / Kimi 都可触发，触发词支持 collage b-roll、纸拼贴 b-roll、半调拼贴、拼贴风格配画面、gbro-collage-broll 一共 5 个。

开发者 pyang5166 在 2026-07-15 首发，MIT 协议开源，截至 7.21 已获 497 颗星，正好踩中"短视频后段画面变味"这个高频痛点。

✨ 核心特性

特性	描述	关键收益
三闸门审批协议	改文字免费、改图便宜、改视频真烧钱——Skill 强制让人在 Gate 1（隐喻）、Gate 2（静帧）停下确认	极少烧 API 费
Stop-motion 质感的组装动画	元素从纯色纸面空场逐件滑入、卡位、组装，不是淡入或慢 zoom	编辑感而非 PPT 感
首尾帧驱动 (first/last-frame)	用 Gemini Omni Flash preview 的 first+last frame 模式，把静帧评审直接喂给视频模型	静帧长啥样成片就长啥样
9:16 / 5s / 720×1280 默认	短视频标配分辨率，包成 silent MP4，可直接垫口播	无需二次剪
批量模式支持部分通过	一次给 10 句文稿，Gate 1 隐喻哪些过、哪些改，全部独立判断	大批量降本
自带环境自检	首次触发跑 check_setup.sh，缺 GEMINI_API_KEY/ffmpeg/python-venv 自动引导	一次跑通

🛠️ 三闸门的工作流（核心 SOP）

闸门	输入	输出	等待你做
Gate 1 · 隐喻确认	一句 5 秒文稿	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	改文字、批准
Gate 2 · 静帧确认	已批准隐喻	彩色拼贴静帧 + contact sheet（缩略拼图）	调色、改物件、批准
Gate 3 · 视频生成	已批准静帧	`gemini-omni-flash-preview` 首尾帧组装动画 + 逐秒抽帧 QA + 首帧空场验证 + 尾帧对照	直接看成片

为什么非要两次人工确认？ 错误的隐喻或静帧直进视频，浪费 API 钱；Gate 1 改文字零成本，Gate 2 重生一张图远比重跑一条视频便宜——这是开发者把"成本可逆性"和"生成阶段"对齐的根本设计。

🎨 视觉效果：4 套色域对比

色场	适合场景	视觉特征
Purple（紫）	哲学 / 玄学 / 反常识	紫罗兰纸面 + 黑白剪贴 + 玫瑰点缀
Red（红）	警示 / 风险 / 数据可视化	砖红卡纸 + 强对比黑白 + 警示黄点缀
Teal（青）	科技 / 商业 / 财经分析	孔雀蓝 + 复古照 + 翠绿点缀
Yellow（黄）	财经正向 / 重大新闻 / 暖心	鹅黄 + 蒸汽波淡色 + 红蓝点缀

每条 demo 都是 stop-motion 感组装动画——元素从空场逐件滑入、卡位、组装。这些 demo 取自官方仓库 assets/ 目录下四个 GIF 真实截图。

📦 完整目录结构

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）

只有 5 个文件，连 prompt 模板都不暴露——核心逻辑全在 SKILL.md 里压着。这种"只暴露合约不暴露 prompt"的策略，对 Skill 长期维护性友好，避免 prompt 漂移。

⚡ 5 分钟快速上手

# 1. 装到你的 Agent skill 目录
git clone https://github.com/pyang5166/gbro-collage-broll.git ~/.agents/skills/gbro-collage-broll

# 2. 配环境变量（首次触发会自动检查）
export GEMINI_API_KEY="<你的 Google AI Studio key>"
# 创建 key: https://aistudio.google.com/apikey

# 3. 触发 Skill（一句口播文稿就够）
# ——对 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。

依赖清单：

Codex 环境的 image_gen 工具（Gate 2 静帧生成用）
GEMINI_API_KEY（Google AI Studio 创建，视频生成按量计费）
Python ≥ 3.10（视频生成脚本要）
google-genai ≥ 2.10.0（skill 会引导创建共享 venv ~/hyperframes-projects/.omni-venv/）
ffmpeg / ffprobe（首尾帧处理、去音轨、contact sheet）

📊 与"普通 AI 视频生成 Skill"对比

维度	gbro-collage-broll	普通 AI 视频生成 Skill
审美决策点	强制 2 次人工审批	通常 0-1 次，凭运气
质感想编辑感	stop-motion 胶片拼贴	通常是慢 zoom + 淡入，PPT 味
烧 API 费概率	极低（先文字、后图、最后视频）	高（一句话直接出视频，错了重来一次就花一份钱）
可批量多句混合	部分通过也接受，每句独立	通常需要全部通过
视频模型绑定	默认 `gemini-omni-flash-preview`（可换）	通常绑 Veo / Sora / 一家
学习成本	三闸门协议理解一次	看 prompt 模板一次

最大差异：把"成本可逆性"嵌进工作流里——你不用每次都做"该不该烧钱"的心理博弈

💡 适合谁用

适合	用例
✅ 知识付费/科普短视频博主	一句话出高级配图，几百条也不烧钱
✅ 公司新媒体团队	调色场映射不同栏目（财经紫 / 警示红 / 科技青 / 暖心黄）
✅ 财经分析师	解释"风险"、"机会"、"反转"这些抽象概念
✅ 短视频教程作者	配色统一、停止感强的记忆点
⛔ 不适合：纯真人口播不带画面；导演型分镜；需要 3D 或实物摄影

❓ 常见问答

Q：能换视频模型吗？
A：默认 gemini-omni-flash-preview，可显式指定其他 Gemini 模型或切到旧 Veo 链路（scripts/generate_veo_first_last.py，仅兼容保留）。

Q：成片首帧边缘露出一点纸片？
A：轻微可接受；严格空场建议用可编辑时间线工具补前段。这是 stop-motion 质感的固有特性。

Q：批量给 10 句文稿怎么配置？
A：直接列出来。Gate 1 会一次性把所有隐喻列出来让你批量审，Gate 2/3 同理；每条独立判断"过"或"打回改"，只有通过的进下一阶段。

🎯 总结

维度	评分
创新度	⭐⭐⭐⭐⭐ — 三闸门协议把"成本可逆性"嵌入 Agent 工作流的设计思路相当罕见
实用性	⭐⭐⭐⭐ — 短视频博主/新媒体团队直接可用，但需 GEMINI_API_KEY 海外依赖
视觉质量	⭐⭐⭐⭐⭐ — stop-motion 胶片质感吊打"慢 zoom 类 AI 视频"
学习成本	⭐⭐⭐ — 三闸门一次理解，后续基本零成本
维护活跃度	⭐⭐⭐⭐ — 7.15 首发、4 个 demo GIF、SKILL.md 同步更新
综合推荐指数	⭐⭐⭐⭐（满分5星）

一句话推荐：做科普/财经短视频找高级配图、又被"AI 视频一次烧光预算"劝退过——gbro-collage-broll 就是当前最稳的解。

立即体验：github.com/pyang5166/gbro-collage-broll（MIT 协议，⭐497）

适合人群：短视频博主 / 公司新媒体团队 / 财经分析师 / AI 视频内容创作者。

本文由 AI 辅助生成，基于 7.21 实地 fetch README 后撰写，所有功能描述来自官方文档。最新信息以仓库为准。

配套媒体