pyang5166/gbro-collage-broll

解決的問題

自動將約5秒的短語音腳本轉換為高階、編輯風格的「半調式紙張拼貼」B-roll 動畫。透過在生成高成本影片內容前實施嚴格的「人工在迴路」審核流程，防止API成本浪費。

工作原理

本專案採用「三階段審核」工作流程，確保美學品質與成本效率：

1. 第一關（隱喻確認）： 系統提出視覺隱喻、關鍵物件、背景顏色與組裝順序，但不產生任何媒體內容，僅等待審核。
2. 第二關（靜態畫面確認）： 隱喻獲准後，生成彩色拼貼靜態畫面與預覽圖集供審查。
3. 第三關（影片生成）： 靜態畫面獲准後，使用 gemini-omni-flash-preview 生成首尾畫面組裝動畫，具有定格動畫風格。

適用對象

需要為語音旁白疊加風格化、專業級B-roll片段，但無需手動設計複雜拼貼動畫的內容創作者與編輯者。

核心亮點

• 定格動畫美學： 元素從空白區域滑入並逐步組裝，而非使用簡單的淡入淡出或縮放。
• 成本控制工作流程： 強制三階段審核流程，最大限度減少因錯誤生成導致的API支出。
• 特定輸出格式： 輸出 9:16、5秒、720x1280、24fps、無音訊的MP4檔案。
• 自動化設定： 包含自檢腳本，自動管理 ffmpeg 與 Google GenAI SDK 等相依項目。