如果你平时做口播视频，应该遇到过这种情况。

总觉得画面不丰富，全程就直接在说话，画面很干。

或者要讲的是一段流程、一个抽象概念。

你会想在中间插几秒别的画面，让这句话真正被看见。

这几秒画面，就是 B-roll。

它可以是一段动画，也可以是一个操作过程、一个场景，

或者一句话的视觉隐喻。

教程、知识分享、AI 内容和产品讲解类的视频，都很需要这种画面。

但做 B-roll，最让人头疼的地方不是生成图片，难得是生成图片之前的工作。

随便找一个图像模型，写一句 Prompt，几秒钟以后就能看到一张图。

但一篇完整口播写出来了之后，得先判断哪些句子值得插 B-roll，

还要想清楚这句话该直接解释，还是该用一个隐喻来讲。人物要不要出现？画面需要哪些物件？构图怎么安排？元素最后又该怎样动起来？。

如果这些靠自己想，自己做，一天可能也就过去了。

所以我把自己制作纸拼贴 B-roll 的流程，做成了一个 Skill：eian-collage-broll

一套由创作者主导的编辑风半调纸拼贴风格的B-roll 工作流：把定稿口播转译为鲜明的视觉隐喻，并发展成可进入运动制作的素材包。

先看效果：

Skill的工作是从一篇完整文案出发，第一步是帮助我挑出适合做 B-roll 的原文，然后为每一段设计视觉隐喻，确认构图和尾帧，再由确认过的尾帧倒推首帧，最后写好图生视频所需的动作提示词，并在项目结束时清理已经没有用的中间文件，最终交付给你一个视频生成素材包。

安装连接在最后面。

一、先从口播里找出值得做 B-roll 的句子

我刚开始做这个 Skill 时，想法很直接。

把整篇口播丢进去，让 AI 自动拆段，然后为每段做一张图。

后来发现问题很大!

一篇口播文案里，每个句子都有不同作用，有些句子只是推进语气，而有些补充前面的意思。还有一些文段，转成画面难形成一个清楚的关系。

这样的句子根本就不适合用来做b-roll视频

所以这个skill的第一步是候选提取，先完整理解整篇文案，然后找出文案中语义完整，适合用来做b-roll的段落。

当然这只是针对一篇完整的文章来说的，如果你给出的本来就是一个或者多个段落，Skill 可以直接进入下一步，不用任何多余的说明，skill会自己判断你给的是分好的段落或者是一篇完整文案。

只有一篇完整定稿口播被交进来时，Skill 才会开始找适合单独成立的段落原文，但这个过程skill不会偷偷改写你的文案。

二、把一句话变成画面里的关系

选出一段文案以后，skill也不会马上开始生成图片。

它会根据每个段落提取出贴切的视觉隐喻，确定画面中的具体组件，每个组件的运动关系、然后把主体、动作、主要视觉组、画面重心、留白、背景方向、配色和组装顺序，以及需不需要人物全部设计出来。

你可以上传一张自己的照片，skill会将照片一直保存，以后在需要人物组件的画面中，都会以你的照片作为基准，并在所有画面中保持人物一致性，当然你也可以不上传，这并不会影响skill的正常运转。

通过这一阶段，你可以通过看这些信息来确定是不是我想表达的东西。，以及是不是和原文吻合

如果不对，就直接提出来。这一阶段，有任何不满意，都可以直接修改。

重点说一下，留白和配色，skill里有个硬规定是所有的前景组件加起来不能超过画面的60%，这是为了防止画面太满太乱，也会导致观众抓不住重点。

我还在skill里内置里9种孟菲斯风格的配色组，每组含3种单色，每生成一张 B-roll，只从其中一组里选颜色。

同一个画面里的彩色卡纸组件，也只能在这一组三色体系里变化。

这样做最直接的好处就是：颜色不会乱、让画面更容易建立主次、统一、不单调。

等待确认之后，才进入图片生成阶段。

三、两次确认，分别解决两个问题

eian-collage-broll 里有两个 Gate。

Gate 1 处理创意判断。

这一段口播到底画什么，视觉隐喻是否准确，画面怎样组织，留白留在哪里，元素最后该怎样组装。

Gate 2 处理实际生成出来的结果。

Gate 1 通过以后，Skill 才会制作完成态尾帧。它会先检查候选图，再把候选画面整理成带编号的联系表展示出来。

但这仍不是终点，还需要等待确认，只有明确确认它以后，这张图才会成为正式的 last-frame.png。

这主要解决2个问题：

第一个是，一个想法本身很好，图片做出来以后却偏了。主体姿态不对，画面重心跑掉，留白被填满，纸片之间的关系也和原来的设想不一样。

另一种情况是：图片看着顺眼，放回口播里却没有说出那句话真正想表达的关系。

所以：

Gate 1 先确认画面应该讲什么。

Gate 2 再确认这个画面有没有做对。

当然在第二阶段，skill本身也会检查图片是不是按照Gate 1设计好的方案去生成的，而你只需要做最后确认。

四、先确定尾帧，再往回做首帧

在这个 Skill 生成图片的过程中，是先出尾帧（也就是成品视频的最后一个画面），

在去掉尾帧上的所有前景组件、阴影得到首帧

这极大的保证了视频生成模型在生成视频时的稳定性，

所以最终视频开场是一张空白的纸面。

然后人物、纸片、物件和组件按照已经确认好的顺序进入。

最后停在那张确认过的完成态尾帧里。

而观众看到的过程，也会更接近一张手工拼贴作品被一点点拼出来，而不是一张静态图做几次缩放、淡入和位移动画。

五、每段 B-roll 最后交付什么

尾帧确认以后，Skill 会继续完成剩下的素材。

每个 B-roll item 最后都有三个文件。

first-frame.png

它是视频的起点，由确认过的尾帧回退编辑而来，保留同一张纸面和同一套画布关系。

last-frame.png

它是创作者确认过的完成态拼贴构图，也是后续运动需要到达的终点。

video-prompt.txt

它会把元素的进入顺序、具体动作、完成构图和停留状态写清楚，交给下游图生视频模型使用。

也就是说skill 交付的是可进入运动制作的素材包。

视频的渲染发生在下游图生视频工具里。

这个分工让我更容易把工作做清楚。Skill 先把画面想明白、确认下来，再把运动需要的信息写完整。

视频模型接到的是一组已经准备好的首帧、尾帧和动作提示词，

所以你也可以把最终素材包交给你可以使用的任何一个视频模型。

六、项目做完以后，还要把桌子收好

我以前在用很多skill的时候被发现

skill运行完一次,除了交付给我最终的产品之外,还有一大堆根本用不上的中间文件

于是我总是重复告诉agent，帮我彻底删除掉中间文件

拿这个skill来说，如果项目只做一段 B-roll 时，文件管理还不算麻烦。

多次运行以后，目录很快会多出候选图、联系表、视觉方案、检查文件和各种生成过程里的中间产物。

这对于我这种有洁癖的人来说，不可接受！

所以我在 Skill 里加了一个项目级的收尾步骤。

Project Cleanup

它会等整个项目里所有需要制作的 B-roll 都完成，确认每个 item 的 first-frame.png、last-frame.png 和 video-prompt.txt 已经齐全，自动执行一次统一清理。

它只清理由 Skill 生成、归属明确、已经不再需要保留的中间文件。

最终交付会留下。项目状态会留下。长期保存的参考图会留下。

用户原始上传的文件也会留下。

如果某个文件的身份不够清楚，它也会先保留。

一个流程不仅要能开始、能执行、能交付。做完以后，它也得知道哪些东西该留下，哪些东西可以自己收走。

七、怎么开始用

如果你在用 Codex，可以把 Skill 安装到本机的 Skills 目录。

1
git clone https://github.com/YIAN6557/eian-collage-broll.git ~/.codex/skills/eian-collage-broll

地址：

https://github.com/YIAN6557/eian-collage-broll

安装完成后，新开一个 Codex 任务，或者重新加载当前环境。

然后给它一段已经定稿的口播。

1
eian-collage-broll：<你的口播文案>

也可以直接说。：用这段文稿做拼贴动画<你的口播文案>

完整口播会先经过候选提取。

你选出要做的连续原文以后，再进入视觉隐喻设计。

确认 Gate 1 的画面方案以后，Skill 才会生成尾帧。

确认 Gate 2 展示出来的候选尾帧以后，首帧和视频提示词会继续完成。

整个项目的 B-roll 都完成后，Project Cleanup 会统一处理已经不再需要的中间文件。

这套 Skill 很适合教程、知识口播、AI 内容、工作方法和产品讲解一类视频。

尤其适合需要把抽象内容变成明确视觉关系的段落。

如果你平时也常常在生成前卡住很久，反复想一段话要不要画、怎么画、画完以后怎样动，那这个skill会适合你，也可能带给你一些灵感，

如果你喜欢，欢迎给个star🌟

最后，本skill灵感来源于gbro-collage-broll，非常棒，有兴趣也可以多多支持噢！谢谢。