OpenMontage 拿 73.6K 星:把製片紀律寫成 12 條 pipeline

OpenMontage 有 73.6K 星、AGPL-3.0 授權,README 開頭就承諾一件大多數「免費 AI 影片」專案悄悄避開的事:它能用真實動態素材剪出一支完成的影片,不只是把一堆靜態圖做成動畫。
這個差別聽起來像行銷話術,直到你用過另一種。常見的免費流程是生成六張圖,用 Ken Burns 效果平移過去,配上一段合成語音,然後稱它為影片。它看起來像簡報,因為它就是簡報。OpenMontage 的做法是從 Archive.org、NASA 和 Wikimedia Commons 建一個素材庫,依腳本做語義排序,再用 FFmpeg 剪上真正的時間軸。
兩種模式都在盒子裡。第二種存在,才是這個專案值得認真看的理由。
它沒有 orchestrator
後面所有設計都從這個架構決定長出來:OpenMontage 沒有附一個會思考的程式。沒有 Python 排程器在決定下一步做什麼。你在 Claude Code、Cursor、Copilot、Windsurf 或 Codex 裡打開這個 repo 資料夾,助理會讀 YAML 的 pipeline manifest 和 Markdown 的「導演技能」,自己決定。
把這種東西叫產品有點怪,叫 repo 就很合理。意思是它不是在跟剪輯軟體競爭,而是在跟每個 agent session 開頭那片空白 README 競爭——它是一套很大、很有主見的指令,加上一百個小型 Python 工具,而那些指令知道怎麼呼叫這些工具。
README 裡的數字在各版文件中一直沒變:12 條正式製作 pipeline、100+ 個註冊工具、60+ 個供應商整合、700+ 個 agent 技能與製作知識檔案。
這些 pipeline 具體到有用:動畫解說、動畫、虛擬主播代言、電影感、短片工廠、紀錄片蒙太奇、混合、在地化與配音、podcast 再利用、螢幕示範、對嘴講述、角色動畫。每一條都是一份列出階段的 YAML manifest。以動畫解說為例,流程是研究、腳本、圖像、配音、合成、算圖。
安裝三行,外加一句誠實的警告
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup
前置需求:Python 3.10+、FFmpeg、Node.js 18+,還有一個 coding agent。就這樣。README 還帶了一段 Windows 專屬說明,光是有寫就值得肯定——如果 npm install 失敗並出現 ERR_INVALID_ARG_TYPE,改用 npx --yes npm install。大多數 repo 會讓你自己在凌晨一點發現這件事。
然後你提出要求:
Make a 75-second documentary montage about city life in the rain.
Use real footage only, no narration, elegiac tone, with music.
agent 就開始跑階段,在關卡處停下來。
零 key 路徑才是真故事
每一項能力旁邊都有一個本地或開源的替代品。這句話在 README 裡是設計原則,而這個專案真的照做:
旁白跑在離線的 Piper TTS 上。素材來自 Archive.org、NASA 和 Wikimedia Commons——免費,而且更重要的是,那是存在的素材,不是被發明出來的素材。合成跑在 Remotion(React)或 HyperFrames(HTML/CSS/GSAP)上;README 說 agent 在提案時選擇,並把選擇鎖成 render_runtime。後製是 FFmpeg,免費,而且已經免費二十年。字幕用內建的逐字時間軸。
所以一支完整的影片可以在完全沒有付費 API 呼叫的情況下完成。它不會長得像 Veo 廣告,但會像一支夠水準的紀錄片蒙太奇,而這種類型從來不靠奇觀。
我認為這是整個專案最被低估的部分。AI 影片的討論卡在「哪個模型最好」兩年了,而對很多使用場景來說,誠實的答案是「你不需要模型,你需要一個找得到素材的剪接師」。OpenMontage 是第一個把這個答案寫成 pipeline 的熱門 repo。

Backlot:看製作過程,而不是看提示詞
最常被示範的功能是 Backlot,一個本地分鏡看板,會在執行過程中自己填滿。階段會亮起來。腳本變成一頁劇本。素材生成時場次卡片會閃動。供應商選擇和美元金額出現在牆上。你可以重播,把一支完成的製作從頭拖到尾。
它看起來像炫技,有一部分也真的是。但它解決了 agentic 創作工作的一個真問題:延遲很長,而且看不見。跑十一分鐘沒有任何輸出,跟跑到第二分鐘就死掉,看起來一模一樣。Backlot 是一套穿著漂亮外衣的可觀測性工具。
python -m backlot open # the library, every project on disk
python scripts/backlot_simulate_run.py # watch a simulated run
預算關卡是最不起眼卻最要緊的功能
README 裡有兩個數字:預設總支出上限十美元,以及每個動作 50 美分的核准門檻。
就這樣。整段成本控制的故事只有這些,但已經比大多數 agentic 工具給的還多。模式是:agent 在花錢前先估算,超過 50 美分就停下來問。
拿這個跟「把 agent 接到影片模型」的預設體驗比——你寫一個迴圈,迴圈呼叫生成端點四十次,然後你在帳單上才知道發生什麼事。50 美分門檻是很粗糙的工具。它也是「可以放著跑,去泡杯咖啡」和「不能」之間的差別。
每個創意步驟也都有核准關卡:提案、腳本、場次規劃、生成素材、發布。素材會在逐場的 contact sheet 上暫停,上面有 take、提示詞、每個素材的成本與品質分數。你在算圖前核准畫面,而不是之後。
從一支參考影片開始
我真正會用的工作流:貼一個 YouTube 連結、一支 Short、一支 Reel、一支 TikTok,或一段本地影片。agent 會分析逐字稿、節奏、場次、關鍵影格和風格,然後在生成任何東西之前,先回來給你兩三個有差異的概念、一條誠實的工具路徑,和一份成本估算。
對任何接過「照這支做」這種 brief 的人來說,這是正確的作業順序。它也讓這個工具對寫不出提示詞的人有用,而那是大多數人。
研究也是一個正式階段。在寫下第一個字之前,先做十五到二十五次搜尋,涵蓋 YouTube、Reddit、Hacker News、新聞和學術來源,並在結構化的 brief 裡引用。agent 搜得好不好,跟這個階段存不存在是兩件事。階段存在才是有意思的部分——那是一份「關於某個主題的腳本」和一份「對那個主題知道些什麼的腳本」之間的差別。
該懷疑的地方
幾個月 73,000 星是個訊號,但它反映的是注意力,不是品質。agentic 類的 repo 特別容易累積星星,來自那些讀了 README、從沒跑過 make setup 的人。
如果你是一家公司,AGPL-3.0 就是實際的阻礙。你散布的修改版本必須以相同條款開源。內部使用沒問題;把建在 fork 上的東西做成產品,那是一場跟法務的對話。
還有一個所有「agent + 技能」專案共有的結構性風險:技能是 Markdown,意思是品質取決於模型有沒有仔細讀。強的模型會照導演技能做;弱的模型掃一眼就即興,於是你得到一支技術上符合 pipeline、卻沒抓到 brief 的影片。
結論
OpenMontage 不是影片生成器。它是一套寫下來的製作紀律——十二種做影片的方法,每一種拆成階段,每個階段有工具、有成本、有核准點。coding agent 負責執行,幾乎只是順帶的事。這些 pipeline 你大部分用手也能跑。
這就是為什麼零 key 路徑比模型整合更重要。這個專案真正的主張是:影片難的部分從來不是生成,而是知道下一步該做什麼,以及在把錢花在錯的東西之前停下來。
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。