世界第一个开源AI视频制作系统:100+工具全自动拍片

用 AI 做过视频的人，多半卡在同一个地方。

模型很能干，成片差一口气。你让 Sora 或者即梦生成一段 5 秒的镜头，效果不错。然后呢？

脚本、分镜、配音、配乐、字幕、剪辑，每一步都是另一个工具，另一种格式，另一次手动搬运。

OpenMontage 的作者把这个落差写得很直白：大多数 AI 视频工具给的是一段提示词换来的单个片段，这个项目给的是一整条端到端的制作流水线。

他还专门划了一条线。文档里说，很多所谓「免费 AI 视频」，只是把几张静图动起来就管它叫视频。这个项目走的是另一条路。

OpenMontage，GitHub 上 76,000 多人点星的开源项目，AGPL 协议，完全免费。定位一句话就能说完：把你的 AI 编程助手变成一间完整的视频制片厂。

用 Claude Code、Cursor 这类工具打开项目目录，用人话说需求，剩下的交给 agent。文档里的自述是：agent 接管调研、脚本、素材生成、剪辑和最终合成。

整条流水线是固定的七步：先研究，再提方案，写脚本，拆场景，备素材，剪辑，最后合成。每一步产出文件，下一步接着用。

10 多条流水线对应不同片型：动画解说、口播、软件演示、电影感宣传片、播客切片、本地化配音、纪录片蒙太奇，还有角色动画。

这个项目最务实的设计，是每个环节都给你两套选择。

配音，云端用 ElevenLabs，本地用 Piper，完全免费离线，文档说它出的是「真人感的旁白」。

视频生成有 20 多家：云端有 Kling、Veo 3.1、Runway Gen-4，本地 GPU 能跑 WAN 2.2、混元、CogVideo。图像生成 15 家以上，从 FLUX 到本地 Stable Diffusion 都有。

素材库更直接：Pexels、Pixabay、Unsplash 的免费图库，加上 Archive.org、NASA、Wikimedia Commons 的开放影像档案。

换供应商也不用改代码。agent 会按 7 个维度自动打分挑人：任务匹配占 30%，画质 20%，可控性 15%，可靠性 15%，成本 10%，延迟 5%，连续性 5%。

我读 README 的时候，这部分是被圈粉最狠的。

agent 花钱之前会先报价。文档原话：不会有意外账单，agent 在花之前会告诉你花多少。单次动作超过 0.5 美元自动暂停，等你批。总预算默认 10 美元封顶，可以调。

渲染之前有一道预检。如果你要求「动效为主」，成品却是 80% 的静图，渲染会被直接拦下，GPU 时间不浪费。还有一项「幻灯片风险评分」，专盯重复画面、装饰性视觉、弱动态、字体滥用这六类 AI 视频通病。

渲染之后还有一道自检：从成片里抽 4 个位置的帧回看。文档写得很硬：自检不过，视频不会交给你。

官方示例里有一条叫 THE LAST BANANA 的片子，生成成本 1.33 美元。

制作过程不是黑盒。

Backlot 是一个实时故事板。文档的对比很妙：聊天窗口告诉你 agent 说了什么，Backlot 让你看到制作正在干什么。阶段进度灯亮着，脚本一页页落成剧本，场景卡在素材生成时刷新，每一笔供应商决策和花费都挂在墙上。

素材生成到一半会停下，摊开一张接触表：每个镜头的备选、提示词、单项成本、质量分，你点头才继续。

做完还有回放键，整场制作按时间轴从头再放一遍。

前置条件要有数：Python 3.10 以上、FFmpeg、Node.js 18 以上，还得有一个 AI 编程助手。

这个项目值得看的点，不在「能生成视频」。

单看生成，Sora 和 Veo 的画质早就够了。真正的瓶颈在编排：几十个工具、十几种格式、一整条流程，谁来串。OpenMontage 把编排这件事做成了开源品，还顺手把预算闸门和质量自检焊在了流程里。

文档末尾有句话，作者说这个项目是晚上和周末做出来的。76,000 个星，大概就是给这种事的。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING