万字干货|Gemini 4 + Antigravity,从 0 到 1 跑通全自动出片(附 Agent 指令)

很多人不知道:Antigravity 其实不能生成视频。
上一篇我写它能把爆款视频的提示词反推出来,文末吐槽了一句:谷歌全家桶,就差出片这最后一块。
这两天我把这块接上了。
现在同一个对话里,它看完参考视频、画好角色定妆照、写完提示词,直接调视频模型出片,再下载、配回原声、抽帧给我验收。我只管花钱前点头和最后看片。
一共跑通三条路,前两条用的全是 Google AI 会员本来就送的额度。 Pro、Ultra 5x、Ultra 20x 都能用。
我自己是 Pro 会员,下文的额度和账单都按 Pro 实测;Ultra 的额度更多,方法完全一样。
每节末尾都有一段指令,复制给 Antigravity 就能跑。
小目录
- 一、Antigravity 缺的那一块:看得懂,出不了片
- 二、你的会员里,藏着两份出片额度
- 三、第一条路 · Gemini API:用会员赠金后台直出
- 四、第二条路 · Google Flow:用深度灰模过审,花会员点数
- 五、第三条路 · 外部视频命令行:LibTV、即梦、小云雀都能接
- 六、Pro 够不够用:我的真实账单
- 写在最后
───
一、Antigravity 缺的那一块:看得懂,出不了片
先交代前情。上一篇讲的是:刷到一条爆款视频,作者不给提示词,就丢给 Antigravity 让它看,它能把镜头、运镜、节奏反推成提示词。
Leaf Yeah!
阅后即焚吧,现在逆向视频不再需要复杂提示词了
REA 能逆向软件,Antigravity 能逆向视频:7 条抖音起号爆款提示词(附原片对比)
刷到一条爆款视频,作者不给提示词?
现在可以让 AI 看懂视频,直接把提示词逆向出来。
我用 Antigravity(谷歌的命令行 Agent,底层是 Gemini)逆向了 7 条:6 条抖音上的 Muse 爆款,1 条 Koda 的二次元打斗。...
能反推,是因为 Antigravity 的大脑是 Gemini。GPT、Claude 看视频是抽帧看截图,Gemini 是真的看懂了动作和节奏。 现在换成 Gemini 4,看片这一步更稳。
但那篇写完我很别扭:前面看片、反推、画定妆照,它全能干;一到出片,我还得自己打开网页、传图、点生成、等、下载,再丢回给它检查。
最麻烦的不是点几下鼠标,是闭环断了。
它看不到成片,就没法对着原片挑错、改提示词、再跑一版。来回搬运一次,我就得在场一次。
接上以后,分工变成这样:
- 我:说清要做什么片子,花钱前点头,看样片,拍板。
- Antigravity:看原片、定角色、写提示词、选通道、提交、下载、配回原声、抽帧和原片并排对比,不合格自己改一版再交。
这篇讲的就是"出片"这一块,怎么接。
───
二、你的会员里,藏着两份出片额度
很多人订了 Google AI Pro 或 Ultra,只拿来在网页上聊天。其实会员里有两份能出视频的额度,跟 Antigravity 一拍即合。
第一份:Gemini API 赠金(美元)。
今年起,Google 把开发者计划的福利并进了 AI 会员,每个月送一笔 Google Cloud 赠金,可以拿来调 Gemini API,包括视频模型。按 Google 开发者计划的官方 FAQ:
- Pro:每月 10 美元
- Ultra 5x:每月 40 美元
- Ultra 20x:每月 100 美元
赠金要自己去领,领了才有;每笔有效期一年。第三节有图文步骤。
第二份:Google Flow 点数。
Google Flow 是谷歌官方的 AI 视频创作网页(
)。你可以把它理解成谷歌版的即梦:传图、传视频、写一句话,它帮你出视频。
会员每个月送 Flow 点数,Pro 是 1000 点,Ultra 多得多。出视频按点数扣,生图基本不扣。
顺手把几个会反复出现的名字讲清楚:
- Omni、Veo:谷歌的两个视频模型系列。Omni 擅长"看着参考视频和参考图来生成",这篇主要用它(Omni 1.2 Flash);Veo 偏电影感画质。
- Nano Banana 2(Flow 里简称 Nano 2):谷歌的生图模型,就是网上很火那个"香蕉"。在 Flow 里用它画角色图,实测不扣点数。
- Antigravity:谷歌官方的命令行 AI Agent,大脑是 Gemini。能读文件、跑命令、开浏览器,这篇里它是总导演。
三条路,一句话说清区别:
- Gemini API:吃赠金,纯后台跑,最省心;参考视频最长 10 秒。
- Google Flow:吃点数,能直接喂 15 秒参考视频;但它没有接口,得让 Agent 操作网页,审核也严。
- 外部视频命令行:吃第三方平台的积分;谷歌这两条卡住时兜底,长镜头、多人复杂场面更稳。
───
三、第一条路 · Gemini API:用会员赠金后台直出
#原理:Agent 直接给谷歌的视频模型发请求
API 就是程序之间的"窗口"。Antigravity 把"参考视频 + 角色图 + 提示词"打包发给谷歌的视频模型,模型在云端生成,Antigravity 每隔一会儿去问一次好了没,好了就下载。
全程不开网页、不占你的屏幕。 这是三条路里最像"全自动"的一条。
## 实操第 1 步:把会员赠金领出来
打开 Google AI Studio(
),左下角有「领取免费 API 赠金」的卡片,点进去。
会直接弹出领取窗口,选好结算账号,点「兑换并继续」。Ultra 会员这里显示的金额更高。
领完以后,在 Google Cloud 的「结算 → 赠金」页能看到一行 Google Developer Program premium benefit、状态「可用」,就是领到了。
## 实操第 2 步:先预充 5 美元,赠金才用得上
我领完赠金去调接口,AI Studio 结算页弹了一条黄色提示:此账号已转为预付款结算方式,余额需大于 0 美元方可恢复服务,符合条件的 GCP 赠金会优先抵扣。
这一步很多人会卡住: 赠金领到了,接口还是调不通。我是先预充了最低的 5 美元,服务才恢复。充完以后,调用费用会优先从赠金里扣。
## 实操第 3 步:拿 API 密钥,交给 Antigravity
在 AI Studio 左侧「API 密钥」里新建一把密钥,选你刚绑定赠金的那个项目。
密钥别直接贴进对话里。 存成本机的一个文件(比如 ~/.config/video-gen/.env,权限设成只有自己能读),然后告诉 Antigravity 文件在哪。
## 使用边界:这 4 条踩过才知道
① 参考视频最长 10 秒。
模型能输出 15 秒,但你喂给它当参考的原视频,超过 10 秒直接被退回。
想复刻 15 秒的片子,就切成两段(比如 0-8 秒、7-15 秒)分别跑,再拼起来。拼接处人物衣服、站位可能对不上,后面 Tips 里说怎么防。
② 参考视频要先去掉声音。
带音轨的视频传上去,秒拒,连原因都不细说。先把声音去掉再传,出片以后再把原视频的音乐配回去。这两步 Antigravity 用 ffmpeg 一句命令就能做。
③ 参考视频不能比你要的成片短。
你要 8 秒成片,参考视频就得 ≥ 8 秒,哪怕短 0.5 秒也会被拒。剪的时候多留 0.1-0.2 秒最稳。
④ 不说分辨率,它默认给你 720p,很贵。
我第一次没注意,两条 9.5 秒的 720p 直接花掉 3.16 美元,一条 1.58。Pro 一个月才 10 美元。
先用 360p 试,构图、动作都对了再出高清。
#Tips:提示词怎么写,换角色才不乱
- 按衣服认人,别按位置认人。 多人舞台一换位,"左一换成 A、左二换成 B"必乱。要写"穿黑袖白衬衣的那位换成 A",模型会跟着衣服追。
- 告诉它角色图只管长相。 角色定妆照一般是站着摆拍,不说清楚,成片里人物会照着定妆照的姿势站桩。加一句"角色图只锁长相和服装,动作完全照原片"。
- 背景要锁死。 不写的话,模型会把定妆照里的背景搬进来。写清"保留原片的舞台、灯光和机位,只换台上的人"。
- 提示词短一点反而好。 我堆过一大串"必须、严禁",结果请求直接校验失败;删到简洁清楚,一次过,动作还更自然。
- 出片后要抽帧对比。 让 Antigravity 从原片和成片各抽 6 帧拼成一张图并排看,比你自己拖进度条快得多。
#一键甩给 Antigravity
text
帮我用 Gemini API 的视频模型(先列出可用模型,优先 gemini-omni-1.2-flash)做一段视频:
参考视频:<原视频路径>,角色图:<定妆照路径们>,API 密钥在 <密钥文件路径>。
规则:
1. 参考视频先去掉音轨;超过 10 秒就按镜头切成 ≤10 秒的几段,每段时长 ≥ 要生成的时长;
2. 先出 360p,确认构图和动作没问题再问我要不要出高清;
3. 提示词里按服装特征绑定替换角色,写明"角色图只锁长相服装,动作和背景照原片";
4. 用异步方式提交,轮询到完成再下载;
5. 出片后把原视频的音轨配回去,原片和成片各抽 6 帧拼图给我看;
6. 每次提交前告诉我大概花多少钱。
───
四、第二条路 · Google Flow:用深度灰模过审,花会员点数
#原理:Flow 能干活,但它没有门
Flow 有三个 API 没有的好处:
- 能直接喂 15 秒参考视频,不用切段;
- 扣的是会员点数,不花赠金;
- 出片后下载时可以 5 点升到 1080p,比重新生成高清便宜得多。
在 Flow 里,Omni 1.2 Flash 出一条 15 秒:360p 是 20 点,720p 是 60 点。下面这张是我开着 720p、一次出 2 条时的报价。
问题是:Flow 是给人用的网页,没有给程序用的接口。 Agent 想用它,只能像人一样去操作网页。这里有三道坎:
-
没有官方接口,只能模拟浏览器操作;
-
有人机验证,谷歌会拦"一看就是机器"的无头浏览器,必须是真的 Chrome 窗口;
-
上传文件走的是系统原生的选文件窗口,脚本点不进去,本地视频传不上去。

#两种接法,各有千秋
接法一:开源工具 gflow-cli。
有人把 Flow 网页背后的接口包成了命令行,还自带 MCP(让 Agent 直接调用的插件接口):
https://github.com/ffroliva/gflow-cli
- 好处:一句命令就能生图、生视频、查点数,几乎不费 Agent 的算力;
- 不足:只能传图片,不能传参考视频;默认只下载 360p;每次会弹出一个独立的 Chrome 窗口抢你屏幕(我写了个小脚本让它自动最小化);
- 风险:它是非官方的,调的是谷歌的内部接口,谷歌随时可能改,账号风险自担。
接法二:web-access 这类浏览器 skill。
让 Antigravity 直接接管你日常那个已登录 Google 的 Chrome,像人一样点按钮。
- 好处:网页上能点的它都能点,挂视频、切分辨率、点 720p 下载都行;
- 不足:每一步都要看页面、截图、判断,非常费算力,也慢;参考视频第一次进项目,还是要你手动拖一下(就是上面说的那个系统选文件窗口)。
我的组合: 生图、注入角色图、查点数这种轻活交给 gflow;挂参考视频、提交、下载 720p 这几步交给浏览器 skill。你只需要在开头拖一次视频。
#最大的坎:真人视频过不了审
我第一次直接把女团的打歌原片拖进去,进度跑到 83%,卡片直接消失了。另一条连卡片都没出。没报错,也没扣点。
Flow 对真人脸和有版权的画面审核很严,会在后台静默取消。
解法是深度灰模。
深度灰模(行业里叫深度图,Depth Map)就是把彩色视频洗成"离镜头近的发白、远的发黑"的灰色剪影:五官、衣服花纹、台标全没了,只剩人在哪、怎么动、镜头怎么推拉。
审核看不到真人和版权内容,就放行了;模型照样能读出站位和运镜。我两条 15 秒都是一次出片。
#实操步骤
① 本地把原片转成深度灰模。
让 Antigravity 用开源的 Depth-Anything-V2 模型转。本地跑不用钱,就是慢:15 秒 720p 的视频,我这台老 Mac 用 CPU 跑了 20 分钟左右。
② 在 Flow 里新建项目,把灰模视频拖进去。
这是全流程唯一要你动手的一步。
③ 让 Agent 把角色图注入同一个项目。
用 gflow 调 Nano Banana 2,把角色定妆照传进同一个项目。第一次传图,Flow 会弹一个"确认你有权使用这张图"的窗口,你在网页上点一次确认就行。
④ 让 Agent 挂素材、提交。
点输入框左边的「+」,先切到「视频」标签挂灰模,再切「图片」标签勾角色图,写提示词,提交。
⑤ 出片后下载,配回原声。
满意的那条,下载时选 1080p,多花 5 点。
#使用边界
- 深度灰模丢掉了表情和手指这些细节。 适合"同构图、同节奏"的二创;要逐帧 1:1 复刻舞蹈,不如第一条路。
- 只能放在会员点数够的时候用。 点数用完,这条路就停了,下个月再来。
- gflow 是非官方工具。 谷歌改版它就可能失灵,别把它当唯一的路。
#Tips:省点数、少翻车
- 提交前看一眼底部是不是"15 秒"。 「+」弹窗默认停在"全部/最近",新生成的图片会把视频顶下去。我就因为这个,一次本该挂视频的任务按 8 秒纯图提交了,白扣了点数。
- 别同时挂"多人合成的同框图"。 猫那条我多挂了一张正面合成图,结果镜头全程正面单机位,原片的切镜没了。只挂灰模 + 单人角色图。
- 先 360p 试动作。 20 点一条,动作对了再出 720p,或者直接下载时升 1080p。
- 生图尽量放在 Flow 里做。 Nano Banana 2 生图实测不扣点。
#一键甩给 Antigravity
text
帮我用 Google Flow 出一条视频(Flow 网址:https://flow.google.com/)。
1. 先用 Depth-Anything-V2 把 <原视频路径> 转成深度灰模视频,转好告诉我,我来拖进 Flow 新项目;
2. 用 gflow-cli(https://github.com/ffroliva/gflow-cli)把 <角色图路径们> 注入同一个项目,用 Nano Banana 2,不要扣视频点数;
3. 用浏览器 skill 打开我的 Chrome:点「+」,先在「视频」标签挂灰模,确认底部显示 15 秒,再在「图片」标签勾单人角色图,不要挂多人合成图;
4. 先选 360p 跑一条,下载后配回原音轨,抽帧和原片对比给我看;
5. 每次提交前报一下要扣多少点、还剩多少点。
───