OpenMontage 把寫程式代理變成影片工作室。真正有意思的是預算上限。

本週 GitHub 上排名第一的儲存庫,是一套出貨時不附編排器的影片製作系統。編排器就是你已經付費使用的寫程式代理。沒有新模型、沒有封裝層、也沒有聊天介面。
calesthio/OpenMontage 目前有 77,991 顆星、10,384 次分支,過去七天新增了 4,405 顆星。它自稱是第一個開源代理式影片製作系統:十二條製作流程、100 多種工具,以及大約 700 個技能與製作知識檔案。授權條款為 AGPLv3。
它的說法很直白。你用白話描述想要什麼。Claude Code、Cursor、Copilot、Windsurf 或 Codex 會讀取這個儲存庫、規劃工作、研究主題、撰寫腳本、生成或取得素材、剪輯並合成。儲存庫裡沒有任何東西會決定下一步做什麼;決定的是代理。
這個設計選擇正是這個專案有趣的原因,也是它有點令人不安的原因。
實際安裝了什麼
需求很普通:Python 3.10 或更新版本、FFmpeg、Node.js 18 或更新版本,以及一個能讀取檔案並執行 Python 的寫程式代理。HyperFrames 渲染路徑需要 Node 22。
```bash git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage make setup ```
如果你沒有 `make`,README 會帶你走手動流程:建立虛擬環境、安裝 `requirements.txt`、在 `remotion-composer` 內執行 `npm install`、安裝 `piper-tts` 以使用本機語音,並將 `.env.example` 複製為 `.env`。在 Windows 上,`npm install` 有時會因 `ERR_INVALID_ARG_TYPE` 失敗;文件中的修正方式是 `npx --yes npm install`。
每個 API 金鑰都是選用的。fal.ai、Atlas Cloud、Kling、Pexels、Pixabay、Unsplash、Suno、ElevenLabs、OpenAI、xAI、Google、Volcengine Ark、HeyGen 和 Runway 都可以連接,每新增一個就能使用更多工具。另外還有 `make install-gpu`,可透過 WAN 2.2、WAN 2.1、Hunyuan 1.5、LTX2 和 CogVideo-5B 解鎖本機生成。本機生成免費但緩慢;託管生成快速且按用量計費,系統允許你混用兩者。
大多數 AI 影片工具跳過的部分:真實素材
OpenMontage 自己的描述也順帶挖苦了同類產品。大多數 AI 影片工具只是讓一張靜態圖片動起來,就稱之為影片。OpenMontage 則有一條紀錄片蒙太奇流程,會搜尋免費典藏庫、抓取真實動態片段,並依照腳本剪輯。
三條零金鑰路徑值得列出來,因為它們顯示了真正的工程投注在哪裡:
- 圖像式影片:以 Piper 做旁白、使用靜態圖片,並用 Remotion 做動畫。 - 本機角色動畫:SVG 骨架、GSAP,以及用 HyperFrames 渲染。 - 真實素材:從 Archive.org、NASA、Wikimedia 和 Pexels 建立可用 CLIP 搜尋的語料庫,再進行剪輯。
第三條路徑是其他人都沒推出的。檢索素材、依據腳本評分,並剪到符合節奏,這和生成五秒片段是完全不同的問題;而這正是大多數紀錄片工作實際面臨的問題。
有審核關卡的流程,不是提示詞輸入框
工作流程是 `research → proposal → script → scene_plan → assets → edit → compose`,每個階段都有一個帶有核准關卡的導演技能。在撰寫腳本之前,代理會跨 YouTube、Reddit、Hacker News、新聞和學術來源執行 15 到 25 次以上搜尋。貼上一段參考影片,它會分析字幕、節奏、場景、關鍵影格和風格,然後回傳兩到三個有差異的方案、各自會使用的工具,以及成本預估。
這十二條流程涵蓋動畫解說、動態圖像、虛擬人代言、電影感預告片、把長影片切成排行短片的短片工廠、紀錄片蒙太奇、真實加生成的混合作品、在地化與配音、播客再利用、螢幕示範、真人講談,以及角色動畫。
另外還有一個本機分鏡檢視器:
```bash python -m backlot open python -m backlot open ```
知識以三層組織,這種分離是刻意設計的。`tools/` 加上 `pipeline_defs/` 定義了有哪些能力,形式是可執行工具與 YAML 編排。`skills/` 保存 OpenMontage 自己的慣例與品質標準。`.agents/skills/` 保存從外部專案汲取的技術知識包。渲染執行環境會在提案階段鎖定,若悄悄切換就會被視為治理違規;這告訴你作者已經親身經歷過多少這類失敗模式。
`make demo` 會在不使用任何 API 金鑰的情況下渲染一個範例,這是判斷這條流程是否適合你機器的最便宜方式。
預算系統才是真正的創新
OpenMontage 就是在這裡與一堆代理影片展示區隔開來。它把成本視為核心限制條件。
執行之前,它會估算、預留並核對支出。預設值:任何單一動作超過 0.50 美元就需要確認,單次執行的總預算上限為 10 美元。治理模式可以是 `observe`、`warn` 或 `cap`。README 列出範例成本:一支名為 The Last Banana 的短片約 1.33 美元,Reimagine Your Universe 約 4 美元,而一支展示模型輸出的片段約 5 美元。

模型選擇會依七個維度評分:任務契合度 30%、輸出品質 20%、可控性 15%、可靠性 15%、成本 10%、延遲 5%、連續性 5%。每個路由決策都會記錄下來,可供稽核。
渲染之後會有一道驗證流程:`ffprobe` 檢查、影格擷取、音訊音量檢查、依需求簡報核對承諾,以及字幕驗證。如果驗證失敗,就不會出貨。
任何曾在開放式創意任務上執行代理的人,都知道這為什麼重要。失敗模式是花掉 40 美元的一個下午,生成腳本從來不需要的鏡頭變體;這比一個壞影格更貴,也更難察覺。
它不是什麼
這個專案還很年輕,AGPLv3 授權會讓某些商業團隊無法採用,而品質上限取決於底層模型能做到什麼。十二條流程不代表十二條好流程。紀錄片路徑依賴檔案素材,而你的主題可能根本沒有這類素材。本機生成路線需要具備足夠記憶體的 GPU,而 README 自己對「免費」的定義是金錢上免費,不是時間上免費。
代理也必須守紀律。README 要求代理先閱讀 `AGENT_GUIDE.md` 和 `PROJECT_CONTEXT.md`,並指出所有常見的入口檔案(CLAUDE.md、AGENTS.md 等)都會強制重新導向到那裡。不遵循 `pipeline_defs/` 而自行發揮的代理,還是會產出東西,但不會是這套系統原本要產出的結果。
為什麼這個儲存庫比又一次模型發布更重要
兩年來,AI 影片的討論一直圍繞著片段品質。十五秒對上十秒。720p 草稿對上 4K。本週誰站上競技場排行榜頂端。
OpenMontage 把問題重新框定在製作上:誰做研究、誰掌握預算、誰檢查輸出,以及誰決定一個鏡頭完成了。這些是專案管理問題,而正是這些問題決定一個小團隊能不能在星期二交出一支 60 秒解說影片。
成本數字透露了端倪。一支完成短片 1.33 美元,這是一個價格點,而不是基準分數,而且它落在圖庫素材、自由接案剪輯師和範本工具目前共同占據的領域。如果一個寫程式代理加上一個儲存庫,就能以可接受的輸出達到那個數字,那麼影片製作的限制就不再是錢,而是品味。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
GPT Image 2.6 守住 token 價格,帳單卻變貴了
GPT Image 2.6 沿用 2.5 的全部 token 費率,每張圖卻更貴,因為更多工作現在花在輸出 token 上。上線十一天,定價結構說得比排行榜更多。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。