OpenMontage 把一个编程智能体变成了视频工作室。有意思的是预算上限。

本周 GitHub 上排名第一的仓库是一个不带编排器的视频制作系统。编排器就是你已经在付费的那个编程智能体。没有新模型,没有封装层,也没有聊天界面。
calesthio/OpenMontage 目前有 77,991 个 star、10,384 个 fork,过去七天新增 4,405 个 star。它自称是首个开源智能体视频制作系统:12 条制作流水线、100 多个工具,以及大约 700 个技能与制作知识文件。许可证为 AGPLv3。
卖点很直接。你用自然语言描述想要什么。Claude Code、Cursor、Copilot、Windsurf 或 Codex 会读取仓库、规划工作、调研主题、撰写脚本、生成或检索素材、剪辑并合成。仓库里没有任何东西会决定下一步做什么。是智能体在决定。
这个设计选择既是这个项目有趣的原因,也是它让人有点不安的原因。
实际安装的是什么
依赖很普通:Python 3.10 或更高版本、FFmpeg、Node.js 18 或更高版本,以及一个能读取文件并运行 Python 的编程智能体。HyperFrames 渲染路径需要 Node 22。
```bash git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage make setup ```
如果你没有 `make`,README 也给出了手动路径:创建一个虚拟环境、安装 `requirements.txt`、在 `remotion-composer` 里运行 `npm install`、为本地语音安装 `piper-tts`,再把 `.env.example` 复制为 `.env`。在 Windows 上,`npm install` 有时会因 `ERR_INVALID_ARG_TYPE` 失败;文档里的修复办法是 `npx --yes npm install`。
所有 API 密钥都是可选的。fal.ai、Atlas Cloud、Kling、Pexels、Pixabay、Unsplash、Suno、ElevenLabs、OpenAI、xAI、Google、火山引擎方舟、HeyGen 和 Runway 都可以接入,每增加一个就能解锁更多工具。还有 `make install-gpu`,它通过 WAN 2.2、WAN 2.1、Hunyuan 1.5、LTX2 和 CogVideo-5B 解锁本地生成。本地生成免费但慢;托管生成快但按量计费,而系统允许你混合使用两者。
大多数 AI 视频工具跳过的那部分:真实素材
OpenMontage 自己的定位里也顺带刺了一下这个赛道的其他玩家。大多数 AI 视频工具让一张静态图片动起来,就把它称作视频。OpenMontage 有一条纪录片蒙太奇流水线,会搜索免费档案库、抓取真实的动态片段,并按脚本来剪辑。
三条零密钥路径值得列出来,因为它们展示了真正的工程投入在哪里:
- 基于图像的视频:用 Piper 做旁白、用静帧、用 Remotion 做动画。- 本地角色动画:用 SVG 骨架、GSAP 和 HyperFrames 渲染。- 真实素材:用 Archive.org、NASA、Wikimedia 和 Pexels 构建可 CLIP 检索的语料库,再进行剪辑。
第三条路径是其他人都没有提供的。检索素材、按脚本对其打分、再按节拍裁剪,这跟生成一段五秒短片是完全不同的问题,而这恰恰是大多数纪录片工作真正面临的问题。
一条带关卡、而非提示框的流水线
工作流是 `research → proposal → script → scene_plan → assets → edit → compose`,每个阶段都有一个带审批关卡的导演技能。在写脚本之前,智能体会在 YouTube、Reddit、Hacker News、新闻和学术来源上执行 15 到 25 次甚至更多搜索。粘贴一个参考视频,它会分析字幕、节奏、场景、关键帧和风格,然后带回两到三个有差异的方案、各自会用的工具,以及成本估算。
这 12 条流水线覆盖动画讲解、动态图形、虚拟人主讲、电影感预告片、把长视频切成排名短片的切片工厂、纪录片蒙太奇、真实加生成的混合制作、本地化与配音、播客再利用、屏幕演示、口播和角色动画。
还有一个本地分镜查看器:
```bash python -m backlot open python -m backlot open ```
知识被组织成三层,这种分离是刻意的。`tools/` 加上 `pipeline_defs/` 定义存在哪些能力,即可执行工具和 YAML 编排。`skills/` 存放 OpenMontage 自己的约定和质量标准。`.agents/skills/` 存放从外部项目提取的技术知识包。渲染运行时在提案阶段就被锁定,悄悄切换它会被计为一次治理违规,这能看出作者们已经亲历过多少这类失败模式。
`make demo` 可以在完全不需要 API 密钥的情况下渲染一个样本,这是判断这条流水线是否适合你机器的最便宜方式。
预算系统才是真正的创新
这里才是 OpenMontage 从一堆智能体视频演示中脱颖而出的地方。它把成本当作一等约束。
执行前它会估算、预留并核对花费。默认值:任何单次操作超过 0.50 美元都需要确认,单次运行的总预算上限为 10 美元。治理模式可以是 `observe`、`warn` 或 `cap`。README 列出的示例成本是:名为 The Last Banana 的短片约 1.33 美元,Reimagine Your Universe 约 4 美元,一个展示模型输出的片段大约 5 美元。

模型选择按七个维度打分:任务匹配度 30%、输出质量 20%、可控性 15%、可靠性 15%、成本 10%、延迟 5%、连续性 5%。每一个路由决策都会被记录下来,可供审计。
渲染之后还有一道验证:`ffprobe` 检查、帧提取、音频电平检查、对照简报的承诺核对,以及字幕校验。如果不通过,就不交付。
任何在开放式创意任务上跑过智能体的人都明白这为什么重要。典型的失败模式是花 40 美元的一个下午去生成脚本根本不需要的某个镜头的各种变体,这比一个糟糕的帧更贵,也更难被察觉。
它不是什么
这个项目还很年轻,AGPLv3 许可证会把一些商业团队排除在外,而质量上限就是底层模型能做到的水平。12 条流水线并不意味着 12 条好用的流水线。纪录片路径依赖档案素材,而你的主题可能根本没有这样的素材。本地生成路线需要一块显存充足的 GPU,而 README 自己说的“免费”指的是不花钱,不是不花时间。
智能体也必须守纪律。README 要求智能体先阅读 `AGENT_GUIDE.md` 和 `PROJECT_CONTEXT.md`,并指出所有常见的入口文件(CLAUDE.md、AGENTS.md 之类)都会硬性重定向到那里。不按 `pipeline_defs/` 走、自己发挥的智能体也能产出点什么,但那不会是这套系统被设计出来要产出的东西。
为什么这个仓库比又一次模型发布更重要
两年来,AI 视频的讨论一直围绕片段质量。十五秒对十秒。720p 草稿对 4K。本周谁登顶竞技场排行榜。
OpenMontage 把问题重新放回制作层面:谁做调研,谁掌握预算,谁检查输出,谁决定一个镜头已经完成。这些都是项目管理问题,而正是这些问题决定了一个小团队能不能在周二交付一支 60 秒的讲解片。
那些成本数字就是线索。一支成片短片 1.33 美元,这是一个价签而不是一个基准,而它落进的正是库存素材、自由剪辑师和模板工具目前共同占据的地盘。如果一个编程智能体加一个仓库就能以可接受的产出打到这个数字,那么视频制作的约束就不再是钱,而是品味。