摘要 多模态智能体实操 · 全自动出片三通道指南 看完参考片、画好角色定妆照、写完提示词,直接调视频模型出片并抽 6 帧验收——把 Google AI 会员里藏着的两份免费额度真正跑成闭环 黑粉科技 · 2026-11-18
很多人还没意识到一件事:Google Antigravity 官方智能体环境本身其实不能直接生成视频。之前拿它拆解爆款短视频时,它可以看懂原片动作、反推分镜提示词、顺手把角色定妆照也画好;可一到最后一步「出片」,人还是得自己切去浏览器传图、点生成、盯进度条、下载成片,再拖回本地检查。
这两天我把最后这块拼图彻底接上了。现在在同一个对话窗口里,它看完参考视频、画完角色定妆照、写好提示词,会直接调用视频模型出片,自动完成下载、配回原片音轨、抽取 6 帧并排拼图送审——我只管在扣费前点个头,以及最后看成片拍板。
整套方案一共跑通 3 条通道,其中前两条花的全是 Google One AI 会员本来就白送的隐藏额度,Pro、Ultra 5x、Ultra 20x 都能直接用。下面所有配额、踩坑边界与扣费明细均按 Pro 会员实测核对,每一节末尾都附好了现成指令,复制给 Antigravity 就能直接跑。
一、Antigravity 缺的那一块:看得懂,为什么必须接上自动出片?
为什么非要把出片这一步交给智能体?核心原因在于它的底层大脑是 Gemini。普通多模态模型看视频往往只是按秒抽几张静态截图猜剧情,而升级到 Gemini 4 之后,它能原生读懂连续动作、运镜推拉和卡点节奏。
但只要它自己出不了片,工作流在最后一公里就是断的:最折腾人的不是多点那几下鼠标,而是反馈闭环断了。智能体看不到自己写出来的提示词跑出了什么画面,就没法对照原片挑错、改写提示词再跑一版;每次来回搬运文件,人都得守在屏幕前当搬运工。
把出片通道接进终端后,人机分工立刻清爽了:
- 人的动作:说清要做哪条片子、每次花钱前确认预算、看对比样片拍板。
- Antigravity 的动作:拆解原片、锁定角色定妆照、撰写分镜提示词、选定通道提交、轮询下载、用
ffmpeg配回原声、从原片与成片各抽 6 帧 并排拼图自检——发现穿帮自己改一版再交卷。
二、你的会员里,原本就藏着两份出片额度
不少人订阅了 Google AI Pro 或 Ultra,平时只在网页里聊聊天,完全没领过账号里自带的两份视频生产力额度:
第一份是 Gemini API 云端赠金(美元)。Google 已经把 Google Developer Program 开发者福利并进了 AI 订阅体系,按 Google 开发者计划官方权益说明与 AI Studio 会员赠金领取指南,每月都会发放一笔可直接调用视频模型的云赠金:
- Pro 会员:每月 10 美元
- Ultra 5x 会员:每月 40 美元
- Ultra 20x 会员:每月 100 美元
这笔钱不会自动塞进账单,必须手动点一次领取,领到手后每笔有效期 1 年。
第二份是 Google Flow 月度点数。Google Flow 官方视频工作台(桌面端规则详见 Google Flow 官方帮助文档)可以理解成谷歌自家的多模态制片台:传参考图、传参考视频、写一句调度描述就能出片。Pro 会员每月固定送 1000 点,Ultra 点数更多;生视频按分辨率扣点,而用内置的 Nano Banana 2(界面简称 Nano 2)画角色定妆照,实测消耗 0 点。
在正式动手前,先把下文反复出现的三个核心名字对号入座:
- Omni 与 Veo:谷歌的两条视频模型线。Omni(本文主力为
gemini-omni-1.2-flash)专门擅长「同时看着参考视频动作和参考角色图来出片」;Veo 则偏向纯电影感画质渲染。 - Nano Banana 2(Nano 2):谷歌高人气生图模型,在 Flow 里拿它出多角度角色定妆照不扣点数。
- Antigravity:谷歌官方命令行与桌面智能体,能读写本地文件、跑终端命令、受控拉起浏览器(详见 Antigravity 浏览器控制文档),在这套系统里担任总导演。
| 通道方案 | 消耗额度来源 | 单次参考视频上限 | 核心优势与适用场景 | 主要限制与门槛 |
|---|---|---|---|---|
| 第一条路:Gemini API | 月度美元赠金(Pro $10/月) |
最长 10 秒 | 纯后台静默轮询,最省心、最接近全自动 | 需先预充 $5 激活;超 10 秒需切段;默认 720p 较贵 |
| 第二条路:Google Flow | 月度会员点数(Pro 1000 点/月) |
最长 15 秒 | 免切段喂 15 秒;下载加 5 点 直升 1080p |
无公开 API 需操控独立 Chrome;真人参考需转深度灰模 |
| 第三条路:外部视频 CLI | 第三方平台积分 | 最长 30 秒(可尾帧续接) | 谷歌双通道卡审或拍 30 秒以上多人复杂走位时稳健兜底 | 需额外配置第三方 CLI 工具与对应平台积分 |
三、第一条路 · Gemini API:用会员赠金纯后台直出
1. 三步领出赠金并打通本机调用
API 通道的逻辑最干净:Antigravity 在后台把「静音参考视频 + 角色定妆照 + 提示词」打包发往谷歌云端模型,每隔几秒轮询一次状态,生成完毕直接拉回本地,全程不弹窗、不占屏幕。按下面三步就能接通:
- 领出月度赠金:打开 Google AI Studio 控制台,点击左下角「领取免费 API 赠金」卡片,在弹窗中绑定结算账户并点「兑换并继续」。兑换后在 Google Cloud「结算 → 赠金」页面看到
Google Developer Program premium benefit状态显示「可用」即告成功。 - 预充 5 美元激活预付款状态(最容易卡壳的一步):刚领完赠金直接调接口,结算页往往会弹黄条提示账号处于预付款模式、余额需大于 0 美元 才能恢复服务。实测先预充最低档 5 美元 即可解锁,恢复后所有 API 账单都会优先抵扣免费赠金。
- 安全存放密钥交由智能体读取:在 AI Studio 左侧新建绑定该项目的密钥。切勿把密钥明文直接贴进聊天框——建议存入本机受保护的独立密钥配置文件(将文件读取权限设为仅当前系统用户可读,或者交由本机工具统一托管),再把配置文件说明告诉 Antigravity。
2. 踩过才知道的 4 条 API 硬边界与换角写法
- ① 参考视频硬上限 10 秒:模型虽然能输出 15 秒,但喂给它的参考原片只要超过 10 秒 就会被直接退回。复刻 15 秒 片段时,让智能体按镜头切成 0-8 秒 和 7-15 秒 两段(留 1 秒 重叠缓冲)分别跑完再拼。
- ② 上传前必须剥离音轨:带音轨的原视频传上去会直接秒拒且不报明细原因。先让智能体用
ffmpeg一键静音,等成片下好后再把原片音乐无损配回。 - ③ 参考片绝不能比目标成片短:比如指定出 8 秒 成片,参考视频就必须大于等于 8 秒;哪怕短 0.5 秒(只有 7.5 秒)也会报错退回,裁剪时多留 0.1-0.2 秒 最稳妥。
- ④ 不声明分辨率默认跑 720p:第一次没留神,连跑 2 条 9.5 秒 的 720p 直接扣掉 3.16 美元(单条 1.58 美元),一下吃掉 Pro 月度 10 美元 赠金近三分之一。务必立下规矩:先跑 360p 小样看动作构图,全对再跑高清。
写换角提示词时也有四句铁律:按衣服认人别按左一左二位置认人(写清「穿黑袖白衬衣的那位换成角色 A」,多人交叉换位才不串脸);声明角色图只锁长相和服装,动作完全照原片(防止人物照着定妆照站桩);写死保留原片的舞台、灯光和机位;提示词精简清晰,出片后固定让智能体各抽 6 帧 拼成一张对照图验收。
帮我调用 Gemini API 视频模型(先列出可用模型,优先使用 gemini-omni-1.2-flash)生成一段视频:
参考视频:<原视频本地路径>,角色定妆照:<角色图片路径列表>,密钥读取:<本机受保护密钥配置说明>。
执行规则:
1. 参考视频先用 ffmpeg 剥离音轨;若超过 10 秒,按镜头切分为不超过 10 秒的分段,且每段参考时长比目标生成时长多留 0.1-0.2 秒;
2. 第一轮一律先出 360p 小样,确认构图与动作无误后再询问我是否渲染高清版;
3. 提示词按服装特征绑定替换角色,明确写出「角色图只锁长相和服装,动作、机位与舞台背景完全照原片」;
4. 采用异步任务提交并轮询直到完成后下载;
5. 下载后把原视频音轨配回成片,并从原片与成片各抽 6 帧并排拼成验收图发我;
6. 每次发起扣费请求前,先估算本次预计消耗的美元金额并等我确认。
四、第二条路 · Google Flow:用深度灰模过审,花会员点数
1. 绕开无接口、人机验证与真人舞台 83% 吞单三道坎
相比 API,Google Flow 有三个实打实的甜头:能直接塞进整段 15 秒 参考视频不用切段;扣的是每月白送的 1000 点 会员点数(Omni 1.2 Flash 跑一条 15 秒 视频,360p 扣 20 点,720p 扣 60 点,并发 2 条 720p 报价 120 点);而且下载成片时只需加 5 点 就能直接超分到 1080p(社区也有诸如 ffroliva/gflow-cli 的流程拆解可供对照,但务必阅读其 账号安全边界说明)。
想让 Antigravity 替你丝滑跑通 Flow,得依次跨过三道坎:
- 独立 Chrome 目录绕开无头拦截:谷歌会拦截特征明显的无头脚本浏览器。解法是让 Antigravity 拉起一个挂有专用用户数据目录的真实 Chrome 窗口,你只需在第一次弹窗时手动登录 1 次 Google 账号,后续会话就能持久复用。
- Depth-Anything-V2 深度灰模破解真人审核拦截:Flow 对真人参考视频审核极严。实测直接上传一段四人真人舞台视频,生成进度走到 83% 时任务直接静默蒸发,连报错都没有。解法是用开源单目深度估计模型 DepthAnything/Depth-Anything-V2 把原片转成黑白深度灰模视频——前景舞台亮灰、人物变成没有五官和衣纹的光滑剪影、远景舞台暗黑,既彻底抹掉真人面部敏感特征,又把四人的走位骨骼与空间景深完整保留下来。传深度灰模上去,1 次直接过审出片!(注:老款无独显 Mac 纯靠 CPU 跑一条 15 秒 720p 深度视频大约要 20 分钟,带 Apple Silicon 或 RTX 独显的机器会快很多。)
- 提交前核验附件与 15 秒档位:网页自动化上传视频偶尔会没挂进输入框,一旦漏挂,Flow 就会退化成纯看图生视频并默认只出 8 秒。务必在指令里要求智能体提交前检查输入框里「拼合角色图 + 静音深度灰模视频」两项附件齐全,且时长明确拨到 15 秒。
帮我通过 Google Flow(https://flow.google.com/)生成一段 15 秒换角视频:
参考视频:<原视频路径>,角色定妆照:<角色图片路径列表>。
执行规则:
1. 若原片包含真人出镜,先调用本机 Depth-Anything-V2 将原片转为黑白深度灰模视频,并用 ffmpeg 去掉音轨;若多张角色图需同台,先拼成一张带编号的角色合集图;
2. 使用独立用户目录启动真实 Chrome 窗口打开 Flow(若未登录先停下等我手动登录一次);
3. 上传角色合集图与静音深度视频,选用 Omni 1.2 Flash 模型,先设为 360p(20 点)与 15 秒时长;
4. 点击生成前必须截图或检查输入框 DOM,确认「图片 + 视频」两个附件均已挂稳且扣点预估正确,报我确认后再点生成;
5. 下载成片后配回原片音轨,抽 6 帧与原片并排对比;待我确认动作合格后,再花 5 点下载 1080p 超分终版。
五、第三条路 · 外部视频命令行:长镜头与复杂多人场面兜底
如果遇到谷歌两条路同时维护限流,或者你要拍一段 25 秒 甚至 30 秒以上 的多人大幅度交叉走位长镜头,就需要第三条路兜底——直接让 Antigravity 在终端调度外部视频平台的命令行或 MCP 工具。目前生态已经很成熟,比如支持多模型调度的 libtv-labs/libtv-skills、官方推出的 即梦 Dreamina CLI、海外版 Pippit CLI、MiniMax 官方 MCP 以及 可灵 Kling AI 开放平台(接入文档见 可灵 API 快速入门)。
以终端实测 LibTV 调度为例,不同底层模型的脾气差异很明显:
- Seedance 2.5(参考生视频模式):单次最长支持 30 秒。实测 4 名虚拟角色在舞台上频繁交叉换位也能稳稳锁住各自服装,跑一条 25 秒 480p 大约消耗 500 积分(早期试 2.0 版本时背景偶尔会多冒出路人,切到 2.5 后干净解决)。
- Wan 3.0(万相 3.0):混合参考模式单次上限 15 秒,偏写实光影质感。
超过 30 秒怎么接?用「尾帧续接法」:实测复刻一条 34.5 秒 的完整舞台片段时,先拆成前 25 秒 和后 9.5 秒(约 10 秒)两段。等前 25 秒 成片跑完,让 Antigravity 用 ffmpeg 把第 25 秒 的最后 1 帧 精准抠出来,当成下一段生成的首帧参考图,连同后 9.5 秒 原片一起喂进去——两段拼起来之后,人物衣服、舞台追光和动作衔接肉眼几乎看不出切口。
帮我用本机已安装的外部视频 CLI(如 LibTV / Dreamina CLI)生成长镜头换角视频:
参考视频:<原视频路径>,角色图:<角色图片路径列表>。
执行规则:
1. 若目标时长在 30 秒以内且为多人走位,优先选 Seedance 2.5 参考生视频模式,先用 480p 试跑;
2. 若原片超过 30 秒(例如 34.5 秒),按镜头拆成前 25 秒与后续片段:跑完第一段后,用 ffmpeg 抽取第一段成片的最后 1 帧作为第二段的首帧参考,保证跨段衣服与站位严丝合缝;
3. 每次提交前先向我汇报预计扣除的平台积分,出片后自动配回原声并生成 6 帧并排验收图。
六、Pro 会员够不够用?两个完整项目跑完后的真实扣费明细
很多朋友最关心:不升昂贵的 Ultra,每个月基础版 Google AI Pro 的额度到底经不经造?我拿这套流水线完整磨完了 2 个项目(1 条四人舞台换角长片 + 1 条猫咪动作复刻短片),算上前期摸索踩坑一共跑了 10 余次生成,后台真实扣费如下:
- Gemini API 美元赠金:月度赠送 10 美元,跑完还剩 3.95 美元,共花掉 6.05 美元(其中有一半——3.16 美元——是第一次没设分辨率连出 2 条 9.5 秒 720p 交的学费;如果严格先跑 360p 小样,10 美元 足够稳稳交付约 6 条 高清成片外加一打测试样片)。
- Google Flow 月度点数:初始 1047 点,跑完还剩 779 点,净耗 268 点。按 Pro 每月送 1000 点 折算,全出 15 秒 720p(60 点/条)能出 16 条,全跑 360p 小样(20 点/条)能跑整整 50 条,挑中满意的再花 5 点 升 1080p 极其划算。
- 第三方兜底平台积分:跑完 25 秒 + 20 秒 + 10 秒 三段长镜头后,账上依然躺着 400 余积分。
日常只要不是日更工作室级别的批量吞吐,Pro 会员自带的两份额度叠在一起完全够用。最后再送一段「总导演自动路由指令」——平时你不用自己纠结走哪条路,让 Antigravity 按片长和画面内容自动选通道就行;如果你平时已经在用我维护的 方寸智匣 LocalBrain 管理本地语音与视频 MCP 工具、用 黑粉盒子 HyphenBox 统一看管本机接口密钥,或者成片出来后拖进 黑粉录屏 HyphenScreen 做达芬奇式时间线精修与成片体检,整套本地创作链路就能彻底串成一体:
你现在是我的视频总导演 Agent。请读取参考视频 <原视频路径> 与角色图 <角色图片路径列表>,按以下路由策略自动选通道并执行闭环:
1. 先分析原片时长、出镜人数与是否为真人实拍,给我一份选路方案与预算预估,等我点头再动手:
- 时长 <= 10 秒且追求后台静默省心:走 Gemini API(gemini-omni-1.2-flash),先剥离音轨、留 0.1-0.2 秒时长余量,首轮必选 360p;
- 时长 10-15 秒:走 Google Flow,若含真人先用 Depth-Anything-V2 转黑白深度灰模脱敏,挂稳图文视频双附件,首轮 360p(20 点),定稿后花 5 点升 1080p;
- 时长 > 15 秒或谷歌通道受阻:走外部视频 CLI(Seedance 2.5),超 30 秒自动启用 ffmpeg 尾帧续接法;
2. 出片后一律自动配回原片音轨,并生成「原片 vs 成片」6 帧并排验收拼图发我审阅。
限制与适用边界
- Google AI 会员每月赠送的 Cloud API 赠金金额、有效期及 Google Flow 点数计费标准,均可能随谷歌季度订阅政策调整而变动,实操前建议在 Google AI Studio 控制台与 Google Flow 工作台核对当月实时配额。
- 操控独立浏览器访问网页工作台仅限个人合规创作辅助,切勿高频并发刷单以免触发平台风控;使用参考视频进行角色替换时,请确保对原片动作编排、背景音乐及替换角色形象拥有合法使用授权。
主要查证来源
- Google Antigravity 官方网站
- Google Antigravity 浏览器子智能体操控文档
- Google AI Studio:领取 Google AI 会员月度 API 赠金官方指南
- Google Developer Program 会员权益与常见问题
- Google One AI 会员方案对比页
- Google Flow 官方 AI 视频工作台
- GitHub:DepthAnything/Depth-Anything-V2 单目深度估计开源仓库
- GitHub:libtv-labs/libtv-skills 多模型视频生成命令行技能库
- 即梦官方工具:Dreamina CLI 命令行文档
- GitHub:MiniMax-AI/MiniMax-MCP 官方多模态 MCP 服务
自制软件
版本、功能变化和安装平台统一取自公开发行记录。
黑粉助手 HyphenAssistant
用手机浏览器接着操作电脑上的 DeepSeek Harness 会话;需原服务、电脑和网络保持在线,模型费用沿用原配置。
修复“开放端口”和“动态域名+开放端口”模式中,电脑无法回读自身外网地址时,配对二维码按钮一直不可用的问题。二维码和一次性配对令牌均在本机生成,不依赖在线二维码服务。外网回读失败时可以先生成二维码,再用手机移动网络实际测试;界面明确提示入口尚未验证。临时链接仍须实际连通后才能生成二维码。
方寸智匣 LocalBrain
本地 AI 工具箱:转写、配音、生图、视频和 MCP 工具集中管理;具体功能以对应平台版本为准。
Windows · Debian · AppImage · 完整验收 SHA-256:exe f3c4bdf65c914fee9ad49e8abe99975db771f99be0206e3d59b6efdb4e181efb · deb 9bdc2a0260e51f641347ed6aa379d5a8ed676d11c2c254031d…
黑粉盒子 HyphenBox
免费大模型 API 雷达与本地统一路由:持续复测可用性,Key 只存本机。
图片与视频历史支持单条移除、批量清理已结束任务和撤销,默认只显示最近六条。清理状态与撤销信息在重开后保留,进行中的任务、生成文件、另存文件、原始事件与幂等键受保护;批量清理不受页面最近200条上限影响;新增可复用的平台协议配置:统一描述提交路径、类型化参数、模型列表、结果字段和异步查询。同协议新模型可沿用平台配置;协议、必填字段或输入…
光影词库 ScreenLex
把本地电影与剧集字幕变成可复习的英语词库,全程离线。
侧边栏新增赞助入口,点开是一张二维码,不打扰、不弹窗、不影响任何功能。
黑粉录屏 HyphenScreen
录屏与剪辑一体:达芬奇式时间线、自动打码、导出前做成片体检。
修复 macOS 菜单栏右上角摄像头「视频效果」控制中心图标(人像居中 Center Stage、背景模糊、摄影室灯光)在 1.9.4 中消失的问题:将双二进制 execv 转发改为单主二进制直接链接 Electron Framework(桌面启动走 ElectronMain、无界面 api/info/pack/help 走 Elec…

微信赞赏 · 金额随意












留言
正在加载留言…