半调纸拼贴编辑风B-roll生成技能

输入一句约 5 秒的口播文稿，输出符合语义的高级编辑风半调纸拼贴组装动画 B-roll：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，默认交付 9:16、5 秒、720×1280、24fps、无声 MP4，可直接垫在口播下面。它的核心不是 prompt 模板，而是强制的三阶段审批（隐喻 → 静帧 → 视频），把改文字和重生成静帧留在便宜的环节，避免错误的隐喻或静帧直接进视频生成、烧掉真金白银的 API 费用。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。

技能介绍

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，视频生成由 Gemini Omni Flash 的首尾帧能力驱动。作者是 pyang5166（自媒体人 / 设计师），项目采用 MIT 许可。

它要解决的是口播视频里「配画面」这一环：既要有统一的视觉风格，又要能贴合这句话的表意，还不能每次都烧掉大量视频生成费用——所以它把成本控制做成了强制流程，而不是交给用户自觉。

适用场景

口播 / 讲解类视频需要成批垫入风格统一的 B-roll
希望画面直接对应口播文稿的核心表意，而不是随便找素材
想要纸拼贴、编辑风的定格质感，而非常见 AI 视频的淡入与慢 zoom
生成预算敏感，需要在中途就能叫停不满意方案
一次给多句文稿，批量产出多条 B-roll

核心能力

风格固定且统一：强烈平坦的纯色纸面色场 + 黑白 halftone 照片剪贴 + 彩色卡纸点缀。
组装动画而非转场：元素从空场逐件滑入、卡位、组装，呈现 stop-motion 质感，不是淡入或慢 zoom。
默认交付规格：9:16、5 秒、720×1280、24fps、无声 MP4，可直接垫在口播下面。
三闸门审批：核心机制不是 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。
附带完整 QA：视频阶段会做逐秒抽帧、首帧空场验证与尾帧对照。

效果预览

工作方式

三闸门审批流程：

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。
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。
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。

你需要提供

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：

↔ 左右滑动查看完整表格

依赖	说明
Codex 环境	Gate 2 静帧生成依赖内置 image_gen 工具
GEMINI_API_KEY	Google AI Studio 创建，视频生成按量计费
Python >= 3.10	用于视频生成脚本
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

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。

你会获得

一条符合口播核心表意、风格统一的半调纸拼贴定格质感 B-roll 成片（默认 9:16 / 5 秒 / 720×1280 / 24fps / 无声 MP4）
生成过程中的视觉隐喻方案与 contact sheet 静帧，供你中途确认与调整
视频阶段的 QA 结果：逐秒抽帧、首帧空场验证、尾帧对照

使用示例

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

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。其它示例：

生成半调拼贴 B-roll：科技改变了我们获取信息的方式，也让我们更容易被碎片化内容影响
纸拼贴 b-roll：创业本质就是在不确定中找到对的方向

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。