OpenMontage：把 AI 编程助手变成一套视频制作工作室

OpenMontage：Agent 视频生产流水线

一句话定位

OpenMontage 是一套开源的 Agent 视频生产系统：你用自然语言描述需求，Claude Code、Codex、Cursor 等 AI 编程助手负责组织调研、脚本、素材、配音、剪辑、审核和渲染流程。

它的重点不是“输入提示词生成一个视频片段”，而是把完整的视频生产过程做成可编排、可恢复、可审核的流水线。

基础信息卡片

项目	信息
项目名称	OpenMontage
GitHub	calesthio/OpenMontage
官网	openmontage.video
GitHub Star	约 44.1K
Fork	约 5.3K
许可证	GNU AGPLv3
创建时间	2026 年 3 月
主要技术	Python、FFmpeg、Remotion、React、HyperFrames
运行依赖	Python 3.10+、Node.js 18+、FFmpeg
支持的 Agent	Claude Code、Codex、Cursor、Copilot、Windsurf
当前成熟度	仓库更新活跃，但暂时没有正式 Release 和版本 Tag

解决什么问题

目前很多 AI 视频工具只解决单个环节：

文生视频模型负责生成几秒钟的镜头；
图片模型负责生成画面；
TTS 服务负责配音；
FFmpeg 或剪辑软件负责合成；
用户自己负责脚本、素材管理、字幕、成本控制和质量检查。

真正制作一条完整视频时，仍然需要在多个工具之间反复切换。

OpenMontage 把这些环节整合成统一流程：

调研
  → 制作方案
  → 脚本
  → 分镜
  → 素材生成
  → 剪辑决策
  → 视频合成
  → 成品检查

它没有单独实现一个封闭的 AI 调度服务，而是采用 Agent-first 架构：AI 编程助手直接读取 YAML 流程定义和 Markdown Skills，再调用仓库里的 Python 工具完成任务。

核心功能

1. 11 类视频生产流水线

项目内置了多种制作流程，包括：

动画科普视频
动态图形和文字动画
AI 数字人视频
电影感预告片
长视频切片
纪录片式素材混剪
AI 素材与实拍素材混合
视频翻译与配音
播客转短视频
软件操作演示
口播视频

每条流水线都定义了自己的步骤、工具、审核条件和输出要求。

2. 可以从参考视频开始创作

OpenMontage 支持输入：

YouTube 视频
YouTube Shorts
TikTok
Instagram Reel
本地视频文件

Agent 会分析参考视频的：

文稿和字幕
节奏
场景结构
关键帧
视觉风格
开头钩子

然后生成两到三个差异化方案，并在正式制作前给出工具选择和费用预估。

它提取的是参考视频的节奏与结构，不是简单复制内容。

3. 同时支持真实视频素材和 AI 生成素材

OpenMontage 不只会把静态图片做成幻灯片。

在不使用付费视频生成模型的情况下，它可以从以下来源获取真实动态素材：

Archive.org
NASA
Wikimedia Commons
Pexels
Pixabay
Unsplash

系统会建立素材库，通过 CLIP 做语义检索，再把匹配的视频片段剪入时间线。

配置 API 后，还能使用 Kling、Google Veo、Runway、FLUX、Imagen、OpenAI、ElevenLabs 等服务生成视频、图片、配音和音乐。

4. 支持本地免费制作路径

项目宣称所有 API Key 都是可选的。零付费 Key 时，可以使用：

Piper TTS：本地离线配音
Remotion：React 驱动的视频合成
HyperFrames：HTML、CSS、GSAP 动效视频
FFmpeg：编码、混音、字幕和后期处理
开放素材库：获取真实视频和图片
内置字幕工具：生成逐词字幕

如果本机有合适的 GPU，还可以配置 WAN 2.1、Hunyuan、CogVideo、LTX-Video 等本地模型。

需要注意，“不需要付费 API”不代表完全没有成本，本地视频生成仍会消耗较多显存和计算时间。

5. 把质量检查加入生产流程

OpenMontage 不只是调用模型生成素材，还加入了多层质量门槛：

在脚本、分镜和素材阶段等待人工确认
渲染前检查计划是否满足交付要求
分析视频是否过于接近静态幻灯片
使用 ffprobe 检查成品格式
抽取多个时间点的画面检查黑帧和异常叠层
分析静音、爆音和音量问题
检查字幕是否存在
检查最终视频是否兑现最初的制作方案

如果检查不通过，系统不会直接把视频当作最终成品交付。

6. Backlot 可视化制作看板

OpenMontage 提供一个名为 Backlot 的本地看板，用来展示：

当前制作阶段
脚本和分镜
每个场景的候选素材
使用的生成提示词
单项素材成本
质量评分
等待用户确认的节点
历史制作项目

基本命令：

python -m backlot open
python -m backlot open <project-id>

它还支持回放整个制作过程，方便定位某个素材或决策是在哪个阶段产生的。

7. 成本预算与模型选择

项目会从七个维度选择视频、图片、TTS 和音乐服务：

任务匹配度
输出质量
可控性
稳定性
成本效率
延迟
连续性

正式调用付费 API 前可以估算费用，并设置：

单次操作确认阈值
总预算上限
超预算警告
强制费用上限
实际花费记录

README 给出的默认总预算上限是 10 美元，单项超过 0.50 美元时可以暂停确认。

适合谁

OpenMontage 比较适合：

想用 Codex、Claude Code 制作视频的开发者
需要批量制作技术科普或产品演示视频的团队
想把播客、长视频转成短视频的内容创作者
需要在多个视频、图片和语音模型之间切换的用户
希望自托管并保留完整项目文件的团队
想研究 Agent 流水线、质量门槛和预算治理的开发者

它尤其适合“有一定开发能力，但不想手工拼接十几个视频工具”的用户。

快速上手

环境要求

先准备：

Python 3.10+
Node.js 18+
FFmpeg
Claude Code、Codex、Cursor 等能够读写文件并执行命令的 Agent

安装

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

安装完成后，在 AI 编程助手中打开项目，直接描述想制作的视频：

制作一条 60 秒的动画科普视频，介绍神经网络是如何学习的。

如果希望使用真实素材，可以明确要求：

制作一条 75 秒的雨中城市纪录片式混剪。
只使用真实视频素材，不要旁白，整体保持克制、怀旧的氛围。

需要 AI 图片、视频、付费配音或音乐时，再按需配置 .env 中的服务密钥。

结论

OpenMontage 真正值得关注的地方，不是又接入了多少个视频模型，而是它把视频制作拆成了可阅读、可修改、可恢复、可审核的 Agent 流水线。

它把 YAML 用作流程定义、Markdown Skills 用作制作知识、Python 工具用作执行能力，再让 AI 编程助手承担调度角色。这种架构让视频制作过程不再局限于一次提示词调用，也更容易检查成本、替换服务商和复现结果。

不过该项目创建时间较短，目前虽然已有约 44K Star，但还没有正式 Release 或版本 Tag。现阶段更适合把它看作一个快速演进中的开源视频生产框架，正式用于长期生产前，建议先用一条短视频验证安装、素材来源、渲染速度和实际费用。