B-roll (вспомогательный экран) в коротких видеороликах используется для обогащения визуальной иерархии и помощи аудитории в понимании устной трансляции. Однако традиционный производственный процесс тривиален и требует нескольких процессов, таких как поиск материала, компоновка композиции, анимация и редактирование. Проекты с открытым исходным кодом на GitHub gbro-collage-broll Он обеспечивает легкий путь: введите фрагмент устной речи в течение примерно 5 секунд, напрямую создайте полутоновую анимацию бумажного коллажа в стиле журнала и оставьте утомительные ссылки от концепции концепции до генерации движения камеры для обработки ИИ.
Визуально проект ориентирован на редакционный ретро-стиль: в качестве основы используются насыщенные однотонные цвета в сочетании с черно-белыми полутоновыми вырезами из фотографий и красочными картонными элементами, близкими к фактуре ручного коллажа художественного журнала. Анимация не использует обычное линейное постепенное появление или медленное перемещение, а начинается с пустого экрана. Каждый слой элементов обрезки последовательно вдвигается, позиционируется и привязывается к композиции, создавая ощущение прыжка кадра, напоминающее покадровую анимацию. Эта форма очень подходит для сценариев устных трансляций с множеством абстрактных концепций и отсутствием сцен из реальной жизни (например, технологическая интерпретация, бизнес-анализ и устные трансляции, основанные на знаниях). Это может превратить контент, который может полагаться только на субтитры, в конкретные визуальные метафоры.
Чтобы случайные идеи ИИ не отклонялись от текстового значения, gbro-collage-broll ввел механизм «трехворотного одобрения», блокирующий искусственную эстетику в ключевых узлах:
- метафорическое подтверждение: Система сначала уточняет основную концепцию, основные объекты, цвет фона и последовательность сборки экрана на основе копирайтинга. На этом этапе будет создан только текстовый план, без использования квоты на создание графики и представлений.
- Еще кадр подтверждения: после утверждения плана система генерирует кадр коллажа и многопросмотровый список контактов, а создатель подтверждает композицию и текстуру.
- Создание видео: вызов возможностей управления первым и последним кадром Gemini Omni Flash для визуализации 5-секундной анимации сборки и автоматического выполнения проверки, такой как гашение первого кадра, посекундное извлечение кадров и выравнивание последнего кадра.
Этот механизм сегментированного выпуска оставляет творческие корректировки на этапе текста и изображения с чрезвычайно низкими затратами проб и ошибок и предотвращает прямое попадание предвзятого дизайна в дорогостоящий рендеринг видео.
Проект упакован в виде навыков агента и запускается в среде агента AI, которая поддерживает механизм навыков. Для работы среды требуется Python 3.10+, ключ Gemini API, библиотека google-genai, а также инструменты для работы с аудио и видео, такие как ffmpeg/ffprobe; при создании неподвижного кадра используется инструмент image_gen среды Кодекса для динамического создания API Gemini. Выходной формат фиксируется в соответствии со стандартными характеристиками вертикального экрана мобильного телефона: 9:16, продолжительность 5 секунд, разрешение 720×1280, бесшумное видео MP4 со скоростью 24 кадра в секунду, которое можно напрямую перетаскивать на дорожку редактирования в качестве «картинка в картинке» или обрезки перехода. Во время установки вам нужно только клонировать склад в каталог навыков агента, ввести «collage b-roll» или «paper collage b-roll» и добавить копирайтинг в диалог, чтобы вызвать процесс.
Основная ориентация этого рабочего процесса заключается не в том, чтобы он был «полностью автоматическим и автоматическим», а в том, чтобы разделить права и обязанности людей и машин: люди будут проверять, подходит ли метафора, соответствует ли тема и привлекательна ли композиция; Механические работы, такие как вырезание материала, выравнивание слоев и вставка кадров с эффектом движения, оставляются на усмотрение модели. Перед лицом сложных абстрактных повествований созданный вручную коллаж, соответствующий контексту, зачастую более привлекателен, чем набор обычных видеоматериалов, не имеющих никакой повествовательной связи.
gbro-collage-broll избегает жесткого реализма, часто встречающегося в современных видеоинструментах искусственного интеллекта, и использует пустое пространство и режущую текстуру коллажей, чтобы устранить неестественность сгенерированных изображений. Для авторов коротких видео это может не только сэкономить много времени на поиске B-roll в библиотеке материалов, но и гарантировать, что каждая анимация точно соответствует их устному замыслу.
Адрес проекта:https://github.com/pyang5166/gbro-collage-broll