OpenMontage

把 AI 编程助手变成视频工作室，6.9 万星的 Agent 影视流水线

项目速览

项目 内容
仓库 calesthio/OpenMontage
语言 Python 为主（工具链 + Remotion/Node 渲染）
Stars 约 6.90 万（2026-10-17 GitHub API 口径），Forks 8.9k
协议 AGPL-3.0
规模 12 条生产流水线、100+ 工具、700+ Agent 技能与生产知识文件
出品 2026-03-29 建仓，本周日均涨星约 650

它想解决什么问题

短视频、产品片、纪录片混剪——这些”看起来简单”的片子，背后工序一样不少：调研、剧本、素材、配音、配乐、字幕、剪辑、渲染、质检。普通创作者要在剪辑软件、几个 AI 生成工具、字幕工具之间反复搬运。OpenMontage 的思路是：把这整条流水线交给一个 Agent——你在 Claude Code、Cursor、Copilot、Windsurf 或 Codex 里用自然语言描述想要什么，它自己调研、写剧本、生成素材、剪辑、合成，最后吐出成片。它的定位写得毫不谦虚：”World’s first open-source, agentic video production system”。

核心机制拆解

1. 流水线驱动，而非即兴生成。 整个工作系统由 YAML 流水线清单（pipeline_defs/）、Markdown 导演技能（skills/）和 Python 工具（tools/）构成。Agent 先选一条生产路径，再按阶段推进：调研 → 提案 → 剧本 → 分镜 → 素材 → 剪辑 → 合成。提案、剧本、分镜、素材、发布五道关卡都要人点头——“先出方案、再动手”是它和”一句话生成视频”类工具最本质的区别。

2. 会拆解参考视频。 贴一个 YouTube Short 链接，Agent 先分析它的语速、钩子结构、场景切换和风格，再返回 2–3 个差异化方案，附上诚实的成本预估和样片，确认后才进入正式生产。

3. 真实素材路径。 区别于”AI 生成一切”，它可以做纪录片式混剪：从 Archive.org、NASA、Wikimedia Commons 拉取开放档案影像，剪进时间线。只要说”use real footage only”，就走这条路。

4. 本地故事板 Backlot。 python -m backlot open 打开本地制作库与生产看板——Agent 在聊天窗口里说了什么是一回事，生产到底进行到哪一步、每步的决策记录（渲染器、风格、音乐、配音的选择全部留痕）在 Backlot 里看得清清楚楚。审批发生在渲染之前，这是控制成本的关键设计。

5. 全离线核心路径。 Piper TTS + 开放档案影像 + Remotion/HyperFrames 渲染 + FFmpeg 后期，零付费 API key 也能跑通主流程。需要云能力时再按需配置（FAL、OpenAI、ElevenLabs、Pexels 等），本地 GPU 也可选装 Wan / Hunyuan / CogVideo 做视频生成。

6. 交付前自检。 合成前校验”交付承诺”与幻灯片化风险；渲染后跑 ffprobe 校验、抽帧、音频电平分析、字幕检查。服务商选择按七个维度打分并留下可审计的决策日志。

安装与上手

前置：Python 3.10+、FFmpeg、Node.js 18+，外加一个能读文件、执行代码的 AI 编程助手。

1
2
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage && make setup

然后对助手说：”做一个 60 秒的动画解说，讲神经网络如何学习。” 文档里有真实素材路径与动画路径的完整示例提示词。

点评

亮点在于它是”代码优先、可复现”的视频生产：YAML 清单 + Markdown 技能 + Python 工具，全部可读可改可版本控制；JSON 检查点和决策日志让每一步可回溯。对受够了 SaaS 黑箱的创作者，这是稀缺的开放性。官方演示预算 $0.15–$1.33/条也展示了低成本上限。

局限必须讲明：其一，它是给 Agent 用的系统，不是给人点的 GUI——想要时间线编辑器的用户会失望；其二，AGPL-3.0 对对外提供网络服务的场景义务更重，商用前务必过一遍法务；其三，成片质量强依赖你选的模型与素材，别指望一条提示词替代剪辑师；其四，演示预算依赖特定 API 的免费额度，可能随时变化。

与往期介绍过的 OpenCut（CapCut 的开源替代、给人用的剪辑器）相比，OpenMontage 走的是另一个极端：没有一个按钮属于人类，所有操作经由 Agent 完成。两者不是竞品，而是”人驱动工具”与”Agent 驱动工具”的两个物种。

适合人群：愿意让 Agent 按流水线跑、而非随口生成的短解说/纪录片/产品片创作者；以及研究 Agent 编排与多模态工作流的开发者。