73.6K stars、零 API key:一个装进编程 agent 的视频工作室

OpenMontage 有 73.6K stars、AGPL-3.0 许可,README 开头那句承诺,是多数「免费 AI 视频」项目悄悄躲开的:它能拿真实拍摄素材剪成片,而不只是把一堆静帧动起来。
这个区别听着像营销,直到你用过另一种。常见的免费流水线生成六张图,用 Ken Burns 效果平移,铺一层合成语音,然后管它叫视频。它看着像幻灯片,因为它就是幻灯片。OpenMontage 的做法是从 Archive.org、NASA、Wikimedia Commons 建一个素材库,按剧本做语义排序,再用 FFmpeg 把片段剪到真实时间线上。
两种模式都在盒子里。第二种的存在,才是认真对待这个项目的理由。
它没有调度器
后面所有东西都从这个架构决定长出来:OpenMontage 不发布一个会思考的程序。没有 Python 调度器在决定下一步干什么。你在 Claude Code、Cursor、Copilot、Windsurf 或 Codex 里打开这个仓库文件夹,助手自己读 YAML 流水线清单和 Markdown 版「导演技能」,自己拿主意。
管这个叫产品有点怪,管它叫仓库就很自然。这意味着它不是在跟剪辑软件竞争,而是在跟每个 agent 会话开始时那块空白的 README 竞争——它是一套非常大、非常有主见的指令,加上一百来个指令知道怎么调用的小 Python 工具。
README 里的数字在项目的几份文档里一直没变:12 条生产流水线、100 多个已注册工具、60 多个供应商集成、700 多个 agent 技能与制作知识文件。
流水线具体到能用:动画解说、动画、虚拟主播口播、电影感、片段工厂、纪录片蒙太奇、混合、本地化配音、播客再利用、屏幕演示、口播头像、角色动画。每一条都是 YAML 清单,把阶段排好。比如动画解说走的是调研、剧本、图像、配音、合成、渲染。
安装三行,加一句老实话
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup
前置条件:Python 3.10+、FFmpeg、Node.js 18+,还要一个编程 agent。就这些。README 里还有一条 Windows 专用提示,光是有这句就该记一功——如果 npm install 报 ERR_INVALID_ARG_TYPE,用 npx --yes npm install。多数仓库让你自己在凌晨一点踩出来。
然后提要求:
Make a 75-second documentary montage about city life in the rain.
Use real footage only, no narration, elegiac tone, with music.
agent 就开始跑阶段,在每个闸口停一下。
零 key 这条路才是重点
每一项能力旁边都放着一个本地或开源替代品。这句话写在 README 里当设计原则,项目还真的照做了:
旁白跑 Piper TTS,离线。素材来自 Archive.org、NASA、Wikimedia Commons——免费,更重要的是,那是存在过的素材,不是被凭空造出来的素材。合成跑 Remotion(React)或 HyperFrames(HTML/CSS/GSAP);README 说 agent 在提案阶段二选一,并把它锁成 render_runtime。后期是 FFmpeg,免费,已经免费了二十年。字幕用内置的词级时间轴。
所以一次付费 API 都不调,也能出一条完整的片子。它不会像 Veo 的广告片。它会像一条合格的纪录片蒙太奇,而这个类型从来不靠奇观。
我觉得这是项目里最被低估的部分。AI 视频这个话题卡在「哪个模型最好」上已经两年,而对很多场景,老实的答案是「你不需要模型,你需要一个能找到素材的剪辑」。OpenMontage 是第一个把这句话写成流水线的热门仓库。

Backlot:看的是制作过程,不是提示词
演示里出现最多的是 Backlot,一块本地分镜板,跑的时候自己往里填。阶段亮起来。剧本落成一页剧本格式。素材在生成时场景卡片在闪。供应商选择和金额出现在墙上。回放能让你从头到尾拖动一条已完成的制作。
它看着像视觉糖,有一部分确实是。但它解决的是 agent 创作的真问题:延迟很长,而且看不见。一次跑十一分钟没有输出,和一次在第二分钟就死掉的运行,你分不出区别。Backlot 是一件穿了好看外套的观测工具。
python -m backlot open # the library, every project on disk
python scripts/backlot_simulate_run.py # watch a simulated run
预算闸门是不性感但必要的功能
README 里的两个数字:默认总花费上限 10 美元,单个动作 0.5 美元的审批阈值。
就这些。成本控制的全套故事就这些,已经比多数 agent 工具给得多。模式是:agent 先估再花,超过 50 美分的动作停下来问。
对比一下把 agent 接到视频模型的默认体验——你写个循环,循环调生成接口四十次,然后你在发票上知道结果。50 美分是个粗糙的工具。它也是「可以放着去泡咖啡的工具」和「不行的工具」之间的差别。
每个创作步骤也都有审批闸口:提案、剧本、场景规划、生成素材、发布。素材会停在一张逐场的样片联系表上,带候选 take、提示词、单件成本、质量分。你在渲染前批画面,不是渲染后。
从参考视频开始
我真会用的流程:贴一个 YouTube 链接、一条 Short、一条 Reel、一条 TikTok,或者本地片段。agent 分析文字稿、节奏、场景、关键帧、风格,然后带着两三个有差异的概念、一条老实的工具路径和一份成本估算回来——在生成任何东西之前。
对任何接过「照着这个做一条」需求的人来说,这是正确的顺序。它也让工具对写不出提示词的人有用,而那是大多数人。
调研也是一等阶段。在写第一个字的剧本之前,先在 YouTube、Reddit、Hacker News、新闻和学术来源里做 15 到 25 次搜索,结构化地引用进一份简报。agent 搜得好不好,和这个阶段存不存在,是两个问题。阶段存在才是有意思的地方——它决定了剧本是「关于某个话题」,还是「知道点某个话题」。
该怀疑的地方
几个月 73,000 stars 是个信号,但它说明的是注意力,不是质量。agent 类仓库尤其容易攒星,很多人只读了 README,从没跑过 make setup。
如果你是一家公司,AGPL-3.0 是实际的堵点。你分发的修改版必须按同样条款开源。内部用没问题;把基于 fork 的产品发出去,就是一场和法务的对话。
还有每个「agent + 技能」项目都有的结构性风险:技能是 Markdown,质量取决于模型读得认不认真。强模型会照着导演技能做。弱模型扫一眼就开始自由发挥,你会得到一条技术上满足流水线、但没抓住需求的片子。
结论
OpenMontage 不是视频生成器。它是被写下来的制作纪律——十二种做视频的方法,每种切成阶段,每个阶段有工具、有成本、有审批点。由编程 agent 来执行这件事几乎是附带的。这些流水线你手工也能跑大半。
这才是零 key 路径比模型集成更重要的原因。项目真正的主张是:视频难的那部分从来不是生成。是知道下一步该做什么,以及在把钱花错东西之前停下来。
相关文章
十份降级报告,没有一份改了订单数字
十份降级报告都在讲不确定性,没有一份改动订单。真正的变量是 158 美元的恐慌低点和 5.1% 的十年期收益率。
三十三年来第一次,黄仁勋不在电话会上
数字几乎无悬念,真正要看的是克雷斯如何在首次独自主持的电话会上回答指引、Rubin 与毛利率三个问题。
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。