dsh-gemini-studio

在 DeepSeek Harness（DSH） 里用你自己已登录的 Gemini 网页账号出图、出视频，并在本机把镜头合成成片。

不调用官方 API、不需要 API Key（配音除外），消耗的是 Gemini 账号自带的额度。

⚠️ 自动化操作 Gemini 网页版违反 Google 服务条款，多账号在同一出口 IP 上更容易触发风控。 这是本项目唯一无法消除的风险，请自己评估，别把唯一主号放进来。

---

它能做什么

能力	说明
出图	gemini_image：设定图、场景、道具、首帧，可给参考图
出视频	gemini_video：文生视频 / 图生视频，多账号轮换，额度冷却
账号管理	gemini_accounts：添加（弹独立 Chrome 由本人登录）、体检、解冷却、移除
配音	tts_generate：MiMo TTS，预置音色 / 文字设计音色 / 样本复刻，支持风格标签
分镜直出	short_compose：读分镜和验收记录，自动配转场、配音时间轴、字幕，输出 MP4
手工合成	video_compose（manifest）、video_assemble（无声快剪）
静图运镜	image_to_video：ffmpeg zoompan，不耗 Gemini 额度
成片核验	media_verify：分窗能量、音频版本比对、白屏检测
剪点重排	retime_shots：按人声收尾把剪入点落到自然停顿上
工作台面板	侧栏「Gemini 工作室」：账号状态、出图出片、作品墙、MiMo key

插件还内置了一份短剧制作规范（技能 video-production），装完即可用。

---

安装

1. 前置

• macOS + Google Chrome（桥用独立 profile 驱动 Chrome，必须有界面）
• Node.js 22+
• Python 3.12+ 与 Pillow（DSH 自带运行时已包含，插件会自动优先使用它）
• 系统权限：只需要可选的「辅助功能」+「自动化」，用于自动往文件框里填首帧路径； 不需要屏幕录制、不需要完全磁盘访问。完整清单见 docs/PERMISSIONS.md

2. 装进 DSH

# 把本目录放到任意位置，然后（在 DSH 里让 agent 执行，或用带 plugin_manager 的界面）
# 目标填这个目录的绝对路径
plugin_manager install_bundle /绝对路径/dsh-gemini-studio

装完 DSH 会把它加进 ~/.dsh/profiles/<profile>/package.json 的 bundles，并挂载 gemini-studio 这一行。 侧栏会出现「Gemini 工作室」图标，技能目录里会出现 video-production。

3. 绑定 Gemini 账号

打开「Gemini 工作室」面板 → 输入账号名 → 添加账号 → 会弹出一个独立的 Chrome 窗口， 由你本人登录 Google 并打开 gemini.google.com。登录完可以关掉那个窗口，登录态存在：

~/.gemini-video-bridge/profiles/<账号id>/

想加多个号就重复这一步。桥默认在可用账号里挑「最久没用过」的那个。

4.（可选）配音 key

面板「配音（MiMo）」卡片里粘贴 key，或设环境变量 MIMO_API_KEY。 没有 key 时配音功能不可用，其余功能正常。

---

用法

装好后直接在对话里说：

用 gemini 生成一张图：茶室里的五色手串，柔光，竖屏
用 gemini 生成一条 8 秒视频：雨后的青石板路，镜头低角度前推，9:16
看看我的 gemini 账号状态

全流程制作（剧本 → 分镜 → 设定图 → 镜头 → 成片）由技能 video-production 驱动， 直接说「用 video-production 做一个 30 秒的短剧」即可。

关键约定：

<项目>/
├── project.json       画幅 / fps / 声音模式（native 或 post）/ 字幕开关
├── storyboard.json    场次 + 镜头（十列分镜表的数据源）
├── tasks.json         生成任务、验收记录、媒介
├── assets/voices/     后配 TTS：<镜号>.wav
├── assets/videos/     生成的镜头
├── assets/edits/      字幕与回执
└── exports/           成片

• studio.mjs render 输出十列分镜表和逐镜执行卡
• short_compose(project=...) 一条命令出片；有镜头没通过验收会直接报镜号
• 原生语音（Gemini 自己念台词）时，字幕按真实人声区间生成

---

面板

侧栏「Gemini 工作室」：

• 账号：空闲 / 生成中 / 冷却到几点，可体检、解冷却
• 生成：视频 / 图片，画幅、账号、半自动（停在发送前由人点）
• 配音：MiMo key 配置
• 作品墙：gemini-out/ 里的成片，直接预览

---

已知限制

• 只能跑在有界面的机器上，Chrome 必须真实打开；无头模式更容易被判机器人
• 依赖 Gemini 网页结构：改版就会失效（本项目已经因此重写过两次入口）
• 多账号只是轮换额度，不解决「同一出口 IP」的关联风险
• 原生语音跨镜音色可能漂移（每次生成独立推理），要绝对一致就一条镜头一条镜头地听
• 首帧挂图依赖 Gemini 的拖放/文件框，偶尔会失效，详见 故障排查
• 没给「辅助功能/自动化」时，带首帧的生成会退化成纯文生视频（人物一致性会掉）

---

目录结构

dsh-gemini-studio/
├── index.js                  Host 插件：工具注册、桥生命周期、面板 API、py 脚本调用
├── client.js                 工作室面板（侧栏图标 + 主区页面）
├── bridge/                   Gemini 网页桥（CDP 驱动 Chrome，自带，可替换）
├── py/                       合成 / 运镜 / 核验 / TTS 脚本（含第三方 MIT 代码，见 THIRD-PARTY.md）
├── skills-video-production/  内置的短剧制作规范（安装时自动注册成技能）
├── docs/PERMISSIONS.md       需要哪些系统权限
├── docs/TROUBLESHOOTING.md   踩过的坑与处置
└── cordis.patch.yml          Loader 行

---

配置

在 profile 的 cordis.patch.yml 里覆盖这一行的 config：

- id: gemini-studio
  name: dsh-gemini-studio
  config:
    bridgePort: 8787
    bridgeDir: ""        # 空 = 用包内 bridge/；填绝对路径可复用外部桥
    autoStart: true

桥的环境变量（对自带桥同样生效）：

变量	默认	作用
BRIDGE_PORT	8787	桥的 HTTP 端口
MIN_GAP_SECONDS	90	两次提交最小间隔
DAILY_CAP	8	每账号每日上限
COOLDOWN_HOURS	5	额度冷却基准（再加 10–40 分钟随机）
CHROME_BIN	系统 Chrome	自定义 Chrome 路径

---

许可

MIT。py/ 下三个脚本来自 dsh-video-pipeline（MIT）， 详见 THIRD-PARTY.md。

参与

• 有问题请开 Issue
• 想改代码请先看 CONTRIBUTING.md，走 Fork + PR
• 提 Issue 前先翻 docs/TROUBLESHOOTING.md

免责

本项目只做「把你自己的账号、你自己的内容变成视频」这一件事，不含任何绕过付费或共享账号的功能。 使用自动化操作网页版服务可能违反服务条款，后果自负。