gbro Collage B-roll

把一句约 5 秒的口播压成一个 sharp visual idea，再做成高级编辑风纸拼贴组装动画。

默认链路：

1. 只设计视觉隐喻，等待用户确认
2. 只生成最终静帧，等待用户确认
3. 自动调用 Gemini Omni Flash 生成视频并完成 QA

这两个确认闸门是工作流的一部分。它们让用户把注意力放在审美和方向上，同时避免错误隐喻或错误静帧直接消耗视频生成成本。

首次使用：环境自检

每次触发本 skill 时，进入 Gate 1 之前先运行自检脚本：

bash <本skill目录>/scripts/check_setup.sh

全部通过则直接开始 Gate 1，不要向用户重复配置信息。任何一项失败时，视为首次使用：不进入 Gate 1，先向用户输出下面的配置指南（只列出缺失项），等用户确认配置完成后重新自检。

配置指南（按缺失项输出）

1. GEMINI_API_KEY 未设置 到 Google AI Studio 创建 API key，然后写入 shell 配置：

   echo 'export GEMINI_API_KEY="你的key"' >> ~/.zshrc && source ~/.zshrc
   

   注意：视频生成按量计费，由这个 key 对应的 Google 账号承担。

2. ffmpeg / ffprobe 缺失 macOS：brew install ffmpeg；Debian/Ubuntu：sudo apt install ffmpeg。

3. Python 环境缺失或版本过旧（需要 >= 3.10） macOS：brew install python3；或从 python.org 安装。

4. 共享 venv 未创建（google-genai >= 2.10.0） 征得用户同意后自动创建，无需用户手动操作：

   python3 -m venv ~/hyperframes-projects/.omni-venv
   ~/hyperframes-projects/.omni-venv/bin/python -m pip install --upgrade "google-genai>=2.10.0" "httpx[socks]"
   

5. 不在 Codex 环境 / 没有内置 image_gen Gate 2 的静帧生成依赖 Codex 内置 image_gen 工具。在其他 agent 环境下运行时，向用户说明需要自行提供等效的图片生成方式（或手动提供静帧图片后从 Gate 2 确认继续）。

强制审批协议

Gate 1：隐喻确认

收到文稿后，先提视觉隐喻，不生成图片、不生成视频、不调用任何视频模型。

向用户交付每条的：

• 核心意思
• 情绪
• 一句话视觉命题
• 3, 6 个关键物件
• 建议底色与局部点色
• 预期组装顺序

然后明确停下，等待用户回复“可以”“通过”“全部通过”或给出逐条修改意见。

如果用户只确认部分编号，只让通过的条目进入 Gate 2；未通过条目继续修改隐喻。

Gate 2：静帧确认

隐喻确认后，才写 visual spec 和 imagegen prompt，并用 Codex imagegen 生成最终静帧。

把原图保存到项目目录，生成带编号的静帧 contact sheet，向用户展示并再次停下。此阶段仍然不调用 Omni Flash，也不生成视频。

如果用户只确认部分静帧，只让通过的条目进入 Gate 3；需要修改的静帧先重生并重新确认。

Gate 3：视频生成

静帧确认后，不再询问使用哪个视频模型，直接使用本 skill 自带的 scripts/generate_video.py，默认调用：

gemini-omni-flash-preview

只有用户明确指定其他视频模型时，才覆盖这个默认值。不要自动调用 Veo，也不要把模型选择再抛给用户。

成功标准