一句话看懂：2026 年 11 月，X 用户刘老板（@leo_xiaolei）分享了一套个人制作流程：用 Gemini 4 统筹剧本、分镜和后期脚本，由 Omni 1.2 在 Google Flow 中生成视频片段，再用本地语音模型和 ffmpeg 完成配音与后期。这套流程的价值在于把“单点生成”串成了可复用的成片管线。
事件核心：发生了什么
这套教程发布在 WaytoAGI 社区，原始内容来自 X 平台，发布时间为 2026 年 11 月 11 日。作者用它制作了古装监控视角的西游记喜剧短片，例如《真假美猴王》《西梁国留婚》。流程分为七步：想法、剧本、分镜、视频提示词、浏览器自动生成、本地模型重配音、代码后期与全片复核。工具分工明确：Gemini 4（在 Antigravity 中）负责扩写剧本、拆分镜和编写提示词，并驱动浏览器操作 Google Flow；Omni 1.2 生成 8 至 12 秒的单段视频；VoxCPM2 生成 48kHz 配音，Whisper 对齐逐字时间戳做质检；Python 与 ffmpeg 负责监控边框、时间码、字幕、混响和拼接。
为什么重要
目前公开信息显示，视频模型直出的中文配音常出现吞尾音、多音字读错等问题，人物在多镜头间也容易“串脸”。这套流程的意义不在于某个模型更强，而在于用一个大模型调度生成、语音、代码三类工具，把一致性、配音修正和后期包装这些真实痛点拆成可执行的环节。对 AI 视频应用而言，竞争焦点正从“能不能生成”转向“能不能稳定交付完整成片”。
对用户/开发者/创作者的影响
对创作者，教程提供了可直接复制的提示词思路，降低了从点子到成片的门槛，但流程依赖 Antigravity、Google Flow 及本地模型部署，仍有一定技术成本。对开发者，值得参考的是“总导演式”Agent 编排：由大模型写脚本、操作浏览器、抽帧检查并调用本地推理服务，这种组合比单一 API 更接近实际生产。需要注意，这属于社区个人实践，并非官方产品能力说明。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Omni 1.2 在 Google Flow 中的中文配音与多镜头一致性能否通过产品更新改善；二是这类浏览器自动化加本地模型的管线是否会被封装成正式工具或 API；三是社区是否出现更多可复现的成片案例，以验证流程稳定性。
