OpenMontage hat einen Coding-Agenten in ein Videostudio verwandelt. Der interessante Teil ist die Budgetobergrenze.

Das Nummer-eins-Repository auf GitHub ist diese Woche ein Videoproduktionssystem, das ohne Orchestrator ausgeliefert wird. Der Orchestrator ist der Coding-Agent, für den Sie bereits bezahlen. Kein neues Modell, kein Wrapper, keine Chat-Oberfläche.
calesthio/OpenMontage steht bei 77.991 Stars und 10.384 Forks und hat in den letzten sieben Tagen 4.405 Stars dazugewonnen. Es bezeichnet sich selbst als das erste Open-Source-System für agentische Videoproduktion: zwölf Produktionspipelines, 100 oder mehr Tools und ungefähr 700 Skill- und Produktionswissensdateien. Die Lizenz ist AGPLv3.
Der Pitch ist unverblümt. Sie beschreiben in einfacher Sprache, was Sie wollen. Claude Code, Cursor, Copilot, Windsurf oder Codex liest das Repo, plant die Arbeit, recherchiert das Thema, schreibt ein Skript, generiert oder beschafft Assets, schneidet und komponiert. Nichts im Repository entscheidet, was als Nächstes zu tun ist. Der Agent entscheidet.
Diese Designentscheidung ist der Grund, warum das Projekt interessant und auch ein wenig beunruhigend ist.
Was tatsächlich installiert wird
Die Voraussetzungen sind unspektakulär: Python 3.10 oder neuer, FFmpeg, Node.js 18 oder neuer und ein Coding-Agent, der Dateien lesen und Python ausführen kann. Node 22 wird für den HyperFrames-Renderpfad benötigt.
```bash git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage make setup ```
Wenn Sie `make` nicht haben, beschreibt das README den manuellen Weg: eine virtuelle Umgebung anlegen, `requirements.txt` installieren, `npm install` innerhalb von `remotion-composer` ausführen, `piper-tts` für lokale Sprachausgabe installieren und `.env.example` nach `.env` kopieren. Unter Windows schlägt `npm install` manchmal mit `ERR_INVALID_ARG_TYPE` fehl; die Korrektur in der Dokumentation ist `npx --yes npm install`.
Jeder API-Schlüssel ist optional. fal.ai, Atlas Cloud, Kling, Pexels, Pixabay, Unsplash, Suno, ElevenLabs, OpenAI, xAI, Google, Volcengine Ark, HeyGen und Runway können alle verbunden werden, und jeder hinzugefügte Schlüssel macht mehr Tools verfügbar. Außerdem gibt es `make install-gpu`, das die lokale Generierung über WAN 2.2, WAN 2.1, Hunyuan 1.5, LTX2 und CogVideo-5B freischaltet. Lokale Generierung ist kostenlos und langsam; gehostete Generierung ist schnell und wird nach Verbrauch abgerechnet, und das System lässt Sie beides mischen.
Der Teil, den die meisten KI-Videotools überspringen: echtes Filmmaterial
OpenMontages eigene Darstellung enthält einen Seitenhieb auf den Rest der Kategorie. Die meisten KI-Videotools animieren ein Standbild und nennen es Video. OpenMontage hat eine Dokumentar-Montage-Pipeline, die freie Archive durchsucht, echte Bewegtbildclips holt und sie auf ein Skript schneidet.
Die drei Wege ohne API-Schlüssel lohnen eine Aufzählung, weil sie zeigen, wohin die eigentliche Ingenieursarbeit geflossen ist:
- Bildbasiertes Video: Piper für Erzählung, Standbilder und Remotion für Animation. - Lokale Charakteranimation: SVG-Skelette, GSAP und HyperFrames fürs Rendering. - Echtes Filmmaterial: ein CLIP-durchsuchbarer Korpus aus Archive.org, NASA, Wikimedia und Pexels, anschließend geschnitten.
Der dritte Weg ist der, den sonst niemand anbietet. Filmmaterial zu finden, es gegen ein Skript zu bewerten und auf einen Takt zu kürzen, ist ein anderes Problem als das Generieren eines Fünf-Sekunden-Clips – und es ist das Problem, das die meiste Dokumentararbeit tatsächlich hat.
Eine Pipeline mit Gates, keine Prompt-Box
Der Workflow ist `research → proposal → script → scene_plan → assets → edit → compose`, und jede Phase hat einen Director-Skill mit einem Freigabe-Gate. Vor dem Schreiben eines Skripts führt der Agent 15 bis 25 oder mehr Suchen über YouTube, Reddit, Hacker News, Nachrichten- und akademische Quellen durch. Fügen Sie ein Referenzvideo ein, und es analysiert Untertitel, Tempo, Szenen, Keyframes und Stil und kommt dann mit zwei oder drei differenzierten Plänen zurück, samt den Tools, die jeweils zum Einsatz kämen, und einer Kostenschätzung.
Die zwölf Pipelines decken animierte Erklärvideos, Motion Graphics, Avatar-Sprecher, filmische Trailer, Clip-Factories, die lange Videos in gerankte Shorts zerlegen, Dokumentar-Montage, hybride Arbeit aus echtem und generiertem Material, Lokalisierung und Synchronisierung, Podcast-Wiederverwertung, Screen-Demos, Talking Heads und Charakteranimation ab.
Außerdem gibt es einen lokalen Storyboard-Viewer:
```bash python -m backlot open python -m backlot open ```
Das Wissen ist in drei Schichten organisiert, und die Trennung ist bewusst. `tools/` plus `pipeline_defs/` definiert, welche Fähigkeiten existieren – als ausführbare Tools und YAML-Orchestrierung. `skills/` enthält OpenMontages eigene Konventionen und Qualitätsstandards. `.agents/skills/` enthält technische Wissenspakete, die aus externen Projekten übernommen wurden. Die Render-Runtime wird während der Proposal-Phase gesperrt, und sie stillschweigend zu wechseln gilt als Governance-Verstoß – was zeigt, wie viel von diesem Fehlermodus die Autoren bereits durchlitten haben.
`make demo` rendert ein Beispiel ganz ohne API-Schlüssel – der günstigste Weg herauszufinden, ob die Pipeline zu Ihrem Rechner passt.
Das Budgetsystem ist die eigentliche Innovation
Hier hebt sich OpenMontage von der Masse der Agenten-Video-Demos ab. Es behandelt Kosten als zentrale Nebenbedingung.
Vor der Ausführung schätzt es Ausgaben, reserviert sie und gleicht sie ab. Standard: Jede einzelne Aktion über 0,50 US-Dollar braucht eine Bestätigung, und das Gesamtbudget für einen Lauf ist auf 10 US-Dollar begrenzt. Der Governance-Modus kann `observe`, `warn` oder `cap` sein. Das README nennt Beispielkosten von etwa 1,33 US-Dollar für einen Kurzfilm namens The Last Banana, etwa 4 US-Dollar für Reimagine Your Universe und rund 5 US-Dollar für einen Clip, der Modellausgaben demonstriert.

Die Modellauswahl wird anhand von sieben Dimensionen bewertet: Aufgabenpassung mit 30 %, Ausgabequalität mit 20 %, Kontrolle mit 15 %, Zuverlässigkeit mit 15 %, Kosten mit 10 %, Latenz mit 5 % und Kontinuität mit 5 %. Jede Routing-Entscheidung wird schriftlich festgehalten und ist auditierbar.
Nach dem Rendern folgt eine Verifizierungsrunde: `ffprobe`-Prüfungen, Frame-Extraktion, Audiopegelprüfungen, eine Prüfung der Einhaltung des Briefings und Untertitelvalidierung. Wenn etwas durchfällt, wird es nicht ausgeliefert.
Wer schon einmal einen Agenten mit einer offenen kreativen Aufgabe laufen lassen hat, weiß, warum das wichtig ist. Der Fehlermodus ist ein 40-Dollar-Nachmittag, der mit dem Generieren von Variationen einer Einstellung verbracht wird, die das Skript nie gebraucht hat – teurer als ein schlechter Frame und schwerer zu bemerken.
Was es nicht ist
Das Projekt ist jung, die AGPLv3-Lizenz wird es für einige kommerzielle Teams ausschließen, und die Qualitätsobergrenze ist das, was die zugrunde liegenden Modelle leisten können. Zwölf Pipelines bedeuten nicht zwölf gute Pipelines. Der Dokumentarfilm-Pfad hängt von Archivmaterial ab, das für Ihr Thema möglicherweise nicht existiert. Der lokale Generierungsweg braucht eine GPU mit echtem Speicher, und die Formulierung „kostenlos“ im README bedeutet kostenlos in Dollar, nicht in Stunden.
Der Agent muss außerdem diszipliniert sein. Das README weist Agenten an, zuerst `AGENT_GUIDE.md` und `PROJECT_CONTEXT.md` zu lesen, und merkt an, dass alle üblichen Einstiegsdateien (CLAUDE.md, AGENTS.md und Verwandte) hart dorthin weiterleiten. Agenten, die eigenmächtig improvisieren, statt `pipeline_defs/` zu folgen, werden etwas produzieren, aber es wird nicht das sein, wofür das System gebaut wurde.
Warum dieses Repo mehr zählt als eine weitere Modellveröffentlichung
Seit zwei Jahren dreht sich die KI-Video-Diskussion um Clip-Qualität. Fünfzehn Sekunden gegen zehn. 720p-Entwürfe gegen 4K. Wer diese Woche die Arena-Bestenliste anführt.
OpenMontage rahmt die Frage neu um die Produktion: Wer recherchiert, wer hält das Budget, wer prüft die Ausgabe und wer entscheidet, dass eine Einstellung fertig ist. Das sind Projektmanagement-Fragen, und sie entscheiden darüber, ob ein kleines Team an einem Dienstag ein 60-Sekunden-Erklärvideo ausliefern kann.
Die Kostenangaben sind der Hinweis. 1,33 Dollar für einen fertigen Kurzfilm ist ein Preispunkt, kein Benchmark, und er landet in einem Bereich, den Stockmaterial, freiberufliche Editoren und Template-Tools derzeit alle besetzen. Wenn ein Coding-Agent plus ein Repo diese Zahl mit akzeptabler Ausgabe erreichen kann, hört Geld auf, die Begrenzung der Videoproduktion zu sein, und der Geschmack wird zur neuen Begrenzung.
Verwandte Artikel
Eine community-gepflegte Tabelle von Taps, die Werbung in chinesischen Android-Builds abschaltet
Es fasst das System nicht an, entsperrt nichts, flasht nichts. Es legt nur die Schalter um, die die Hersteller ohnehin vorgesehen haben. Der Preis ist eine Liste, die jemand weiterführen muss.
GPT Image 2.6 hielt den Tokenpreis und erhöhte die Rechnung
GPT Image 2.6 übernimmt jeden Tokenpreis von 2.5 und kostet pro Bild dennoch mehr, weil ein größerer Teil der Arbeit in Ausgabe-Token landet. Elf Tage nach dem Start sagt die Preisstruktur mehr als jede Rangliste.
Jemand hat IDM von außen nachgebaut und aufgeschrieben, was er nicht angefasst hat
Eine Rust-Neuimplementierung von Internet Download Manager verspricht 5x Tempo und 86 Sprachen. Das interessantere Dokument ist der Absatz, der erklärt, wie sie ohne jede Kopie entstanden ist.
Rune ist ein Rust-UI-Framework, das gebaut wurde, damit ein Agent seine eigene Arbeit prüfen kann
Rune rendert headless, gibt seinen Elementbaum aus und nimmt geskriptete Eingaben an. Damit bekommt ein Coding-Agent ein Signal zum Diffen, das ein Screenshot nie liefert. Das Framework ist Pre-Release und nimmt keine Pull Requests an.