The B-roll (auxiliary screen) in short videos is used to enrich the visual hierarchy and help the audience understand the oral broadcast.しかし、従来の制作プロセスは地味で、素材検索、構成アレンジ、アニメーション、編集など複数の工程が必要でした。 GitHub 上のオープンソース プロジェクト グロコラージュブロル これは軽量なパスを提供します。つまり、約 5 秒間話し言葉のコピーを入力し、雑誌編集スタイルでハーフトーンの紙コラージュ アニメーションを直接生成し、コンセプトの構想からカメラの動きの生成までの面倒なリンクを AI に任せて処理します。
視覚的には、このプロジェクトはレトロな編集スタイルに焦点を当てています。彩度の高い単色をベースとして使用し、白黒のハーフトーン写真の切り抜きとカラフルなボール紙要素を組み合わせたもので、アート雑誌の手コラージュの質感に近いものです。 The animation does not use the common linear fade-in or slow push-and-pull, but starts from a blank screen.クリッピング要素の各レイヤーは、ストップモーション アニメーションのようなフレーム ジャンプの感覚で、順番にコンポジションにスライドして配置し、スナップします。この形式は、抽象的な概念が多く、現実のシーンが欠如している口頭ブロードキャスト シナリオ (技術的解釈、ビジネス分析、知識ベースの口頭ブロードキャストなど) に非常に適しています。 It can make the content that can only rely on subtitles fall into concrete visual metaphors.
AI のランダムなアイデアがテキストの意味から逸脱するのを防ぐために、gbro-collage-broll は、主要なノードで人工的な美学をブロックする「3 ゲート承認」メカニズムを導入しました。
- 比喩的な確認: The system first refines the core concept, main objects, background color and screen assembly sequence based on the copywriting. At this stage, only the text plan will be produced, and no graphics and view generation quota will be consumed.
- スチルフレーム確認: プランが承認されると、システムはコラージュ静止画フレームとマルチビュー コンタクト リストを生成し、作成者は構図とテクスチャを確認します。
- ビデオの生成: Gemini Omni Flash の最初と最後のフレーム制御機能を呼び出して 5 秒間のアセンブリ アニメーションをレンダリングし、最初のフレームのブランキング、2 番目ごとのフレームの抽出、最後のフレームの位置合わせなどの検証を自動的に実行します。
このセグメント化されたリリース メカニズムにより、テキストと画像の段階でクリエイティブな調整が行われるため、試行錯誤のコストが非常に低くなり、偏ったデザインが直接高コストのビデオ レンダリングに突入するのを防ぎます。
The project is packaged in the form of Agent Skill and runs in an AI Agent environment that supports the skill mechanism. The running environment requires Python 3.10+, Gemini API Key, google-genai library, and audio and video tools such as ffmpeg/ffprobe; the still frame generation uses the image_gen tool of the Codex environment to dynamically generate the Gemini API.出力形式は標準の携帯電話の垂直画面仕様に固定されています: 9:16、長さ 5 秒、解像度 720×1280、24fps のサイレント MP4 ビデオ。ピクチャ イン ピクチャまたはトランジション カッターとして編集トラックに直接ドラッグできます。インストール中に、エージェント スキル ディレクトリにウェアハウスのクローンを作成し、「コラージュ b ロール」または「紙コラージュ b ロール」と入力し、ダイアログにコピーライティングを追加してプロセスを呼び出すだけです。
このワークフローの中心的な方向性は、「完全自動化および人手不要」ではなく、人間と機械の権利と責任を分割することです。人間は、メタファーが適切かどうか、テーマが一致しているかどうか、目を引く構成かどうかを確認します。素材の切り出しやレイヤーの位置合わせ、モーションエフェクトフレームの挿入などの機械的な作業はモデルにお任せします。複雑で抽象的な物語に直面すると、物語との関連性のない一般的なビデオ素材の束よりも、文脈に適合した手作りのコラージュの方が目を引くことがよくあります。
gbro-collage-broll は、現在の AI ビデオ ツールによく見られる厳しいリアリズムを回避し、コラージュ アートの余白とカット テクスチャを使用して、生成された画像の不自然さを解決します。短編ビデオの作成者にとって、マテリアル ライブラリで B ロールを検索する時間を大幅に節約できるだけでなく、各アニメーションが口頭での意図に正確に適合することを確認できます。