OpenMontage transformou um agente de programação em um estúdio de vídeo. A parte interessante é o teto de orçamento.

O repositório número um no GitHub esta semana é um sistema de produção de vídeo que vem sem orquestrador. O orquestrador é o agente de programação que você já paga. Nenhum modelo novo, nenhum wrapper, nenhuma interface de chat.
calesthio/OpenMontage está com 77.991 estrelas, 10.384 forks e ganhou 4.405 estrelas nos últimos sete dias. Ele se apresenta como o primeiro sistema agêntico de produção de vídeo de código aberto: doze pipelines de produção, 100 ou mais ferramentas e cerca de 700 arquivos de skills e de conhecimento de produção. A licença é AGPLv3.
A proposta é direta. Você descreve o que quer em linguagem natural. Claude Code, Cursor, Copilot, Windsurf ou Codex lê o repositório, planeja o trabalho, pesquisa o tema, escreve um roteiro, gera ou busca ativos, edita e compõe. Nada no repositório decide o que fazer em seguida. O agente decide.
Essa escolha de design é o que torna o projeto interessante e também um pouco inquietante.
O que realmente é instalado
Os requisitos são comuns: Python 3.10 ou mais recente, FFmpeg, Node.js 18 ou mais recente e um agente de programação que consiga ler arquivos e executar Python. O Node 22 é necessário para o caminho de renderização do HyperFrames.
```bash git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage make setup ```
Se você não tiver `make`, o README mostra o caminho manual: crie um ambiente virtual, instale `requirements.txt`, execute `npm install` dentro de `remotion-composer`, instale `piper-tts` para fala local e copie `.env.example` para `.env`. No Windows, `npm install` às vezes falha com `ERR_INVALID_ARG_TYPE`; a correção na documentação é `npx --yes npm install`.
Toda chave de API é opcional. fal.ai, Atlas Cloud, Kling, Pexels, Pixabay, Unsplash, Suno, ElevenLabs, OpenAI, xAI, Google, Volcengine Ark, HeyGen e Runway podem todos ser conectados, e cada um que você adiciona disponibiliza mais ferramentas. Há também `make install-gpu`, que libera a geração local via WAN 2.2, WAN 2.1, Hunyuan 1.5, LTX2 e CogVideo-5B. A geração local é gratuita e lenta; a geração hospedada é rápida e cobrada por uso, e o sistema permite misturá-las.
A parte que a maioria das ferramentas de vídeo com IA pula: filmagens reais
A própria forma como o OpenMontage se apresenta inclui uma alfinetada no restante da categoria. A maioria das ferramentas de vídeo com IA anima uma imagem estática e chama isso de vídeo. O OpenMontage tem um pipeline de montagem documental que pesquisa arquivos gratuitos, extrai clipes reais em movimento e os edita conforme um roteiro.
Vale listar os três caminhos sem chaves porque eles mostram onde foi parar a engenharia de verdade:
- Vídeo baseado em imagens: Piper para narração, imagens estáticas e Remotion para animação. - Animação local de personagens: esqueletos SVG, GSAP e HyperFrames para renderização. - Filmagens reais: um corpus pesquisável por CLIP montado a partir de Archive.org, NASA, Wikimedia e Pexels, depois editado.
Esse terceiro caminho é o que ninguém mais entrega. Recuperar filmagens, pontuá-las em relação a um roteiro e ajustá-las ao ritmo é um problema diferente de gerar um clipe de cinco segundos, e é o problema que a maior parte do trabalho documental realmente tem.
Um pipeline com etapas de aprovação, não uma caixa de prompt
O fluxo de trabalho é `research → proposal → script → scene_plan → assets → edit → compose`, e cada etapa tem uma skill de direção com um ponto de aprovação. Antes de escrever um roteiro, o agente faz de 15 a 25 ou mais buscas no YouTube, Reddit, Hacker News, notícias e fontes acadêmicas. Cole um vídeo de referência e ele analisa legendas, ritmo, cenas, keyframes e estilo, depois volta com dois ou três planos diferenciados, as ferramentas que cada um usaria e uma estimativa de custo.
Os doze pipelines cobrem explicativos animados, motion graphics, avatares apresentadores, trailers cinematográficos, fábricas de clipes que picam vídeos longos em shorts ranqueados, montagem documental, trabalhos híbridos de material real mais gerado, localização e dublagem, reaproveitamento de podcasts, demonstrações de tela, talking heads e animação de personagens.
Há também um visualizador local de storyboards:
```bash python -m backlot open python -m backlot open ```
O conhecimento é organizado em três camadas, e a separação é intencional. `tools/` mais `pipeline_defs/` definem quais capacidades existem, como ferramentas executáveis e orquestração em YAML. `skills/` contém as convenções e os padrões de qualidade do próprio OpenMontage. `.agents/skills/` contém pacotes de conhecimento técnico extraídos de projetos externos. O runtime de renderização fica bloqueado durante a etapa de proposta, e trocá-lo silenciosamente conta como violação de governança, o que mostra o quanto os autores já viveram esse modo de falha.
`make demo` renderiza uma amostra sem nenhuma chave de API, que é a maneira mais barata de descobrir se o pipeline se adequa à sua máquina.
O sistema de orçamento é a inovação de verdade
É aqui que o OpenMontage se separa da pilha de demos de vídeo com agentes. Ele trata o custo como uma restrição de primeira classe.
Antes da execução, ele estima, reserva e concilia os gastos. Padrões: qualquer ação individual acima de US$ 0,50 precisa de confirmação, e o orçamento total de uma execução é limitado a US$ 10. O modo de governança pode ser `observe`, `warn` ou `cap`. O README lista custos de exemplo de cerca de US$ 1,33 para um curta chamado The Last Banana, cerca de US$ 4 para Reimagine Your Universe e em torno de US$ 5 para um clipe que demonstra saídas de modelos.

A seleção de modelo é pontuada em sete dimensões: adequação à tarefa com 30%, qualidade da saída com 20%, controle com 15%, confiabilidade com 15%, custo com 10%, latência com 5% e continuidade com 5%. Toda decisão de roteamento é registrada e auditável.
Depois da renderização, há uma etapa de verificação: checagens com `ffprobe`, extração de quadros, verificações de nível de áudio, uma verificação das promessas em relação ao briefing e validação de legendas. Se falhar, não é entregue.
Quem já executou um agente em uma tarefa criativa aberta sabe por que isso importa. O modo de falha é uma tarde de US$ 40 gasta gerando variações de um plano que o roteiro nunca precisou, o que é mais caro do que um quadro ruim e mais difícil de perceber.
O que ele não é
O projeto é jovem, a licença AGPLv3 vai torná-lo inviável para algumas equipes comerciais, e o teto de qualidade é aquilo que os modelos subjacentes conseguem fazer. Os doze pipelines não significam doze pipelines bons. O caminho documental depende de filmagens de arquivo que podem não existir para o seu tema. A rota de geração local exige uma GPU com memória de verdade, e a própria definição de "grátis" no README significa grátis em dólares, não em horas.
O agente também precisa ser disciplinado. O README instrui os agentes a ler `AGENT_GUIDE.md` e `PROJECT_CONTEXT.md` primeiro, e observa que todos os arquivos de entrada habituais (CLAUDE.md, AGENTS.md e companhia) redirecionam à força para lá. Agentes que improvisam em vez de seguir `pipeline_defs/` vão produzir alguma coisa, mas não será o que o sistema foi criado para produzir.
Por que este repositório importa mais do que outro lançamento de modelo
Há dois anos, a conversa sobre vídeo com IA gira em torno da qualidade dos clipes. Quinze segundos contra dez. Rascunhos em 720p contra 4K. Quem lidera o ranking da arena esta semana.
O OpenMontage reformula a questão em torno da produção: quem faz a pesquisa, quem controla o orçamento, quem verifica a saída e quem decide que um plano está pronto. Essas são questões de gestão de projeto, e são elas que determinam se uma equipe pequena consegue entregar um explicativo de 60 segundos numa terça-feira.
Os números de custo são reveladores. Um dólar e trinta e três por um curta finalizado é mais um ponto de preço do que um benchmark, e cai em um território que filmagens de banco, editores freelancers e ferramentas de template já ocupam atualmente. Se um agente de programação mais um repositório conseguem chegar a esse número com uma saída aceitável, a restrição da produção de vídeo deixa de ser dinheiro e passa a ser gosto.
Artigos relacionados
Uma planilha comunitária de toques que desliga os anúncios dos Android chineses
Não mexe no sistema, não desbloqueia nada, não faz flash de nada. Só vira os botões que os fabricantes já deixaram à mostra. O preço é uma lista que alguém precisa continuar escrevendo.
GPT Image 2.6 manteve o preço por token e elevou a fatura
O GPT Image 2.6 mantém cada tarifa por token do 2.5 e mesmo assim custa mais por imagem, porque boa parte do trabalho acontece agora nos tokens de saída. Onze dias após o lançamento, a estrutura de preços diz mais que o ranking.
Alguém reconstruiu o IDM por fora e anotou o que não tocou
Uma reimplementação em Rust do Internet Download Manager promete 5 vezes a velocidade e 86 idiomas. O documento mais interessante é o parágrafo que explica como ela foi feita sem copiar nada.
Rune é um framework de UI em Rust feito para que um agente possa verificar o próprio trabalho
Rune renderiza sem interface, despeja sua árvore de elementos e aceita entrada roteirizada, o que dá a um agente de código um sinal diffável que um screenshot nunca oferece. O framework está em pré-lançamento e não aceita pull requests.