一句话需求，AI 助手帮你把整条片子做完？开源 OpenMontage 实测

你是不是也这样：想做一个短视频账号，但剪片子太累，AI 视频工具要么只会吐几秒片段，要么贵得离谱？最近我试了个开源项目，直接把自己的 AI 编码助手变成了一个"视频制片厂"——从选题研究、写稿、配音、配乐到字幕、渲染，一条龙走完。关键它是免费开源的，不用 API Key 也能出片。

它到底是什么

OpenMontage 自称全球首个开源智能体视频制作系统，上线当天冲上了 GitHub Trending 第一。它不生产视频，而是给你的 AI 助手（Claude Code、Cursor、Codex 这类）装上一整套"制片能力"：

▪ 12 条生产流水线：动画解说、纪录片蒙太奇、口播分身、电影感预告、播客切片、多语言配音……按需选一条，全流程自动跑

▪ 100+ 生产工具：视频生成、图像、配音、配乐、字幕、调色、画质增强，全都有

▪ 60+ 服务商：云端 API、本地模型、免费素材库，7 个维度自动评分选最优，不锁定任何一家

▪ 700+ 技能文件：相当于给 AI 配了全套"拍摄手册"，告诉它每一步怎么干、质量线在哪

为什么说它是"真视频"，不是"动图"

很多号称"免费 AI 视频"的套路，其实是把几张图做缩放平移（业内叫 Ken Burns 效果）。OpenMontage 不一样：

▪ 它可以从 Archive.org、NASA、Wikimedia Commons、Pexels 这些免费素材库做语义检索，找到真实拍摄的动态镜头

▪ 然后像剪辑师一样把它们编排进时间线、配乐、压字幕，渲染成一条完整成片

▪ 官方有一条 100 秒的纪录片《How Salt Made History》，全部用真实历史影像素材剪出来，你根本看不出是开源的免费管线做的

交付承诺校验也写进了流程：渲染完会用 FFmpeg 抽帧、检测音频电平，防止"看起来像 PPT 的片子"蒙混过关。

实测：我拿它做读书号

我现在正在用 OpenMontage 做自己的读书类视频号「杳然读书」，真实感受是：以前做一条视频要跨五六个工具，现在只需要对 AI 说一句需求，比如：

做一条 60 秒的读书分享，风格安静一点，配上舒缓音乐和字幕 

它就会自己完成：联网研究选题 → 写稿 → 生成画面 → 离线配音（Piper TTS）→ 找配乐 → 逐词字幕 → 渲染出片。整个制作过程还有一个叫 Backlot 的实时故事板，进度、每一镜头的生成结果、花了多少钱，都铺在眼前，每个关键节点会停下来等你审批。

下面是我这几天通过它写出一个skill不断优化的结果。优化了很多版本。

成本到底多少

官方几个演示的账直接公开了，实打实算给你看：

▪ 一条 60 秒 Pixar 风格动画短片《The Last Banana》：总成本 $1.33（约 9 块人民币）

▪ 一条 50 秒竖屏电影感短片：约 $4

▪ 一条 55 秒多模型视觉展示片：约 $5

如果你一个付费 API Key 都不配，也有完整的免费路径：离线配音用 Piper，合成渲染用 Remotion 和 FFmpeg，素材用免费图库，零成本也能出片。系统还内置预算治理——执行前先给成本预估，设支出上限，超过审批阈值会先问你。

上手只要三步

前置条件：Python 3.10+、FFmpeg、Node.js 18+，再加一个 AI 编码助手。

git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage make setup 

然后打开项目对 AI 说需求就行。Windows 用户如果 npm install 报错，用 npx --yes npm install 代替。之后想解锁更多模型，往 .env 里填对应的 API Key（全部可选，填得越多工具越多）。

进阶玩法

▪ 参考视频驱动：贴一个你喜欢的 Reel 或 YouTube 链接，AI 会拆解它的节奏、钩子、风格，给你 2-3 个差异化方案和成本估算，而不是让你从零憋 prompt

▪ 本地 GPU 免费生成：有显卡的话可以启用 WAN、混元、CogVideo 等本地模型，云端费用直接省掉

最后说两句

一句话说需求，剩下的交给 AI 的制片厂。

对普通人来说，视频创作的门槛正在从"会不会剪"变成"会不会表达需求"。你会用它做什么类型的视频？评论区聊聊。