pyang5166/gbro-collage-broll

解决的问题

该工具可将约5秒的短语音脚本自动转换为高端、编辑风格的「半色调纸张拼贴」B-roll动画。通过在生成高成本视频内容前实施严格的“人工在环”审批流程，防止API费用浪费。

工作原理

该项目采用「三关审批」工作流，确保美学质量与成本效率：

1. 第一关（隐喻确认）： 系统提出视觉隐喻、关键元素、背景颜色和组装顺序，但不生成任何媒体内容，仅等待审批。
2. 第二关（静态帧确认）： 隐喻获批后，生成彩色拼贴静态帧和预览图集供审查。
3. 第三关（视频生成）： 静态帧获批后，使用 gemini-omni-flash-preview 生成首尾帧组装动画，具有定格动画风格。

适用人群

需要为语音旁白叠加风格化、专业级B-roll片段，但无需手动设计复杂拼贴动画的内容创作者和编辑者。

核心亮点

• 定格动画美学： 元素从空白区域滑入并逐步组装，而非使用简单的淡入淡出或缩放。
• 成本控制工作流： 强制三阶段审批流程，最大限度减少因错误生成导致的API支出。
• 特定输出格式： 输出 9:16、5秒、720x1280、24fps、无音频的MP4文件。
• 自动化设置： 包含自检脚本，自动管理 ffmpeg 和 Google GenAI SDK 等依赖项。