开源发现

gbro-collage-broll是一个面向内容创作者和 AI视频工作流的开源 Agent Skill。它的目标很明确：把一句大约5秒的口播文稿，压缩成一个清晰的视觉隐喻，再生成具有编辑杂志感的半调纸拼贴 B-roll动画。项目并不强调“输入一句话立即出片”，而是通过分阶段确认降低误生成和 API浪费，让创作者把时间放在概念、构图和审美判断上。

项目由 pyang5166开源，采用 MIT许可证，主体代码以 Python为主，并结合 Agent Skill、图像生成工具、Gemini Omni Flash、FFmpeg和首尾帧视频生成流程完成最终成片。它适合短视频口播、知识类视频、品牌内容和社交媒体视频中需要补充视觉表达的场景。

从口播文案提炼视觉隐喻

这套 Skill首先不会直接生成视频，而是把输入文案拆解成核心意思、关键物件、背景底色和元素组装顺序。比如一句偏抽象的观点，会先被转化成一个可被看见的隐喻，再决定哪些纸片、照片剪贴和视觉元素需要进入画面。

这种设计解决了 AI视频生成中一个常见问题：提示词虽然描述很多，但核心表达仍然模糊。gbro-collage-broll先要求确认视觉隐喻，相当于在正式生成前完成一次创意提案，从源头减少“画面好看但和文案没有关系”的结果。

三道闸门控制生成成本和质量

项目最重要的特点是三阶段审批流程。第一阶段只输出视觉隐喻方案，不生成图片和视频；第二阶段在方案确认后生成彩色拼贴静帧和 contact sheet，供用户再次检查；第三阶段才调用 Gemini Omni Flash，通过首尾帧组装方式生成动画，并执行逐秒抽帧、首帧空场验证和尾帧对照等质量检查。

这种工作流尤其适合按量付费的视频模型。隐喻不合适时只需改文字，静帧不满意时只需重新生成图片，只有前两步通过后才进入成本更高的视频阶段。批量处理多句文案时，项目还支持部分通过，只有已经确认的条目才会进入下一阶段。

明确而统一的视觉风格

项目默认输出强烈的纯色纸面背景、黑白 halftone照片剪贴和彩色卡纸点缀。动画不是简单淡入或缓慢缩放，而是让不同元素从空场逐件滑入、卡位并完成组装，形成接近 stop-motion的纸片拼贴质感。

默认成片规格为9:16竖版、5秒、720×1280、24fps和无声 MP4，可以直接放在口播视频下方作为辅助画面。它不是通用的视频生成框架，而是针对短时长、强风格、可快速插入剪辑时间线的 B-roll场景进行了约束。

安装与环境要求

项目需要 Python 3.10或更高版本，并依赖 FFmpeg和 ffprobe完成首尾帧处理、音轨移除以及 contact sheet生成。视频生成需要配置 GEMINI_API_KEY，并使用 google-genai相关环境。静帧阶段依赖 Agent环境内可用的 image_gen工具，因此更适合在 Codex、Claude Code或其他支持 Skills工作流的智能代理中运行。

安装时可将项目克隆到 Agent的 Skills目录：

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

首次触发时，Skill会运行自带的环境检查脚本，根据缺失项提示配置 Python、Gemini API、FFmpeg和相关依赖。项目已经包含视频生成、文件上传和旧版 Veo兼容脚本，不需要额外安装其他 Skill才能完成主要流程。

使用方式

安装完成后，可以直接向 Agent输入触发词和口播文案，例如：

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。

系统会依次进入隐喻确认、静帧确认和视频生成阶段。项目支持 collage b-roll、纸拼贴 b-roll、半调拼贴、拼贴风格配画面和 gbro-collage-broll等触发方式，也支持一次输入多句文稿，为每句生成独立的视觉隐喻和成片。

适用场景与限制

gbro-collage-broll适合希望快速为口播增加视觉节奏，同时又不愿完全把创意判断交给模型的创作者。它的优势不在于生成任意类型的视频，而在于把固定风格、人工确认和成本控制组合成一条可重复执行的生产流程。

需要注意的是，默认视频模型会产生 API费用，最终质量也依赖静帧构图和隐喻选择。项目输出的是统一的半调纸拼贴风格，如果需要写实镜头、复杂角色表演或长时长叙事，仍应选择更通用的视频生成或动画工具。对于短视频配画面、观点类口播和品牌化视觉内容，这个 Skill提供了一种结构清晰且容易控制的实现方式。