夜雨聆风最近在折腾一个小活儿：把一个 5 分钟的播客剪成 30 秒的短视频，发小红书 + B 站 + YouTube Shorts。
试了一圈工具，光是「AI 写脚本 + AI 出图 + AI 配音 + 找 B-roll + 加字幕 + 调时间线」这一套，要么拆成 6 个 SaaS 订阅、每月 200 刀，要么得自己在剪映里手动拼素材。
然后我在 GitHub Trending 上刷到了一个项目，叫 OpenMontage——它干的事就一句话：把你手头的 AI 编码助手（Claude Code / Cursor / Copilot）变成一个完整的视频生产工作室。你说一句「帮我剪个 60 秒的 Ghibli 风格动画短片」，它就真的能从研究、写剧本、出图、配音、找音乐、烧字幕、渲染成片，全跑完。
发布不到 3 个月，7,115 颗星，1,157 个 fork，单日 +677，GitHub 全语言榜冲进前 50，AGPL-3.0 开源。这是 2026 年到现在为止，我见过的最像「AI Agent 真正落地到内容生产」的项目。
一、项目基本信息
GitHub：https://github.com/calesthio/OpenMontage
Stars：7.1k（单日 +677）｜Forks：1.16k｜Language：Python｜License：AGPL-3.0
首次提交：2026-03-29（约 84 天）｜作者：calesthio（Calesthio AI Labs）
二、它解决什么问题
过去一年，AI 视频工具爆发得很热闹。Sora、可灵、Veo、Pika、Runway，每个都能单点突破，但拼起来就是灾难：
• 研究阶段——你得自己在 YouTube、Reddit、Hacker News 上扒选题方向、收集数据点
• 写脚本阶段——大模型出稿，但视觉分镜、镜头节奏得自己拆
• 素材生成——AI 图像、AI 视频、AI 配音各开一个网页，登录不同的 API、付不同的钱
• 剪辑合成——下载到本地，进剪映/Premiere，手动对时间线、烧字幕、调 BGM 音量
• 质检——格式错位、字幕漂移、音画不同步、还得 ffprobe 验一遍
5 个 SaaS、5 个 API key、3 个本地工具，最后还要在剪映里熬 2 小时。OpenMontage 的切入点就是：把这一整条流水线封进一个 AI Agent 里。
它不是一个新的视频生成模型，也不是一个新的剪辑软件——它是一个「编排层」。你已经有 Claude Code 了？装上 OpenMontage，你就有了一个 7×24 的视频生产助理。底层调用哪家模型、配哪家 TTS、用哪家图床，都由 agent 在 7 个维度上做评分决策，你不用选。
三、架构设计
OpenMontage 不是一个脚本，是一个完整的 Agentic 生产系统。三组数字说明了它的野心：
• 12 套预置流水线——动画讲解、电影感、纪录片蒙太奇、播客复用、本地化、Avatar 主持人、Talking Head、混合剪辑……每套都是端到端
• 52 个工具——图像生成（FLUX/DALL-E/Imagen）、视频生成（Veo/Kling/可灵）、TTS（ElevenLabs/Google Chirp3/OpenAI/Piper 本地）、B-roll 检索（Pexels/Pixabay/Archive.org/NASA/Wikimedia）、FFmpeg 后处理、Remotion 合成、HyperFrames HTML+GSAP 合成
• 500+ agent skills——每个流水线在每个阶段（research / proposal / script / scene_plan / assets / edit / compose）都有独立的 director skill，agent 按 stage 读指令、用工具、自检、checkpoint
核心流程是一根单向七段链：
research → proposal → script → scene_plan → assets → edit → compose每个阶段都有「自检点」——ffprobe 校验、frame 采样、音频电平分析、交付承诺核对、字幕同步检查。任何一个不过，下游不会启动。这种「流水线 + 阶段守门人」的设计，灵感来自工业生产，不是「prompt 写得好就完事」。
还有一个「真纪录片路径」的设计让我眼前一亮：传统 AI 视频工具都是「AI 出几帧图→加运动→假装是视频」，OpenMontage 的 Documentary Montage 流水线会用 CLIP 把 Pexels/Archive.org/NASA/Wikimedia 里的真实素材索引成可检索语料库，真正剪出 motion 视频——不是会动的图，是有推拉摇移的真镜头。1 美元 5 毛钱都不要。
四、快速上手
安装非常友好，零 API key 也能跑。准备好 Python 3.10+、FFmpeg、Node.js 18+，然后：
git clone https://github.com/calesthio/OpenMontage.git<br>cd OpenMontage<br>make setup接着在项目目录里打开你常用的 AI 编码助手（Claude Code / Cursor / Copilot / Windsurf / Codex 都行），对它说一句：
"Make a 60-second animated explainer about how neural networks learn"或者想走真纪录片路径：
"Make a 90-second documentary montage about what a city feels like at 4am.<br>Use real footage only, no narration, elegiac tone, with music."零 key 模式默认用 Piper TTS（离线真人感语音）、Archive.org/NASA/Wikimedia 开放档案、Remotion React 合成。配齐 API key 之后，agent 会按 7 维度评分自动选最好的 provider：
• FAL_KEY：FLUX 图像 + Veo/Kling/可灵视频 + Recraft 图像
• PEXELS / PIXABAY / UNSPLASH：免费 stock 素材（开发者 key 免费申请）
• SUNO：BGM 生成
• ELEVENLABS / OPENAI / GOOGLE / XAI：TTS + 图像
• HEYGEN / RUNWAY：更多视频生成通道
有 GPU 的话跑 make install-gpu，还能解锁 Wan2.1、Hunyuan-1.5、LTX2 等本地视频生成模型——完全免费。
五、实战场景
作者在 README 里放了 6 个真实 demo 视频，每一个都标了总成本。这是 AI 视频工具圈子里少见的诚实：
第一次尝试（$1.33，60 秒皮克斯短片）：「The Last Banana」——一只孤独香蕉遇到猕猴桃的友情故事。用 6 段 Kling v3 生成的运动镜头（走 fal.ai）、Google Chirp3-HD 旁白、免费钢琴 BGM、TikTok 风格逐词烧字幕、Remotion 合成。成本 1 块 3 毛 3。
第二次尝试（$0.69，产品广告）：「VOID — Neural Interface」——一个未来感硬件广告。只用了一个 OpenAI key：gpt-image-1 出 4 张图、OpenAI TTS 旁白、自动匹配的免版税音乐、WhisperX 逐词字幕、Remotion 数据可视化。6 毛 9 分，零手动素材工作。
第三次尝试（$0.15，宫崎骏风格动画）：「Afternoon in Candyland」——12 张 FLUX 生成的图、多图交叉淡化、电影感镜头运动（zoom/pan/Ken Burns）、闪光/花瓣/萤火虫粒子层、能量值自动检测的 BGM。没用任何视频生成 API，靠 Remotion 动画引擎把静态图变活，1 毛 5。「Mori no Seishin」「Into the Abyss」也是同一档，1 毛 5 各做出一部完整动画。
第四次尝试（真纪录片蒙太奇）：用户 prompt「90 秒城市凌晨 4 点的纪录片蒙太奇，真实素材，无旁白，哀乐」——agent 走 Documentary Montage 流水线，从 Pexels/Archive.org 里 CLIP 检索城市夜景的镜头，按情绪递进剪辑，零 AI 生成成本，只有免费 stock 素材的下载时间。
关键观察：每一次的成本都是用户可预测、可控的。在动笔之前，agent 会先给你 2-3 个差异化方案、明示每个方案的工具路径、估算总价、生成一段 sample 给你看。不是「开盲盒式」按 token 烧钱——是 7 维度评分 + 审计日志 + 用户审批制。
还有一个我特别想提的设计：从参考视频反推方案。你贴一个 YouTube Short / Reel / TikTok 链接，OpenMontage 会分析它的转录文本、节奏、场景、关键帧、风格，然后给你 2-3 个差异化方案——保留什么、改变什么、用什么工具、什么成本、长什么样。在你确认之前，不会动一分钱 API。
· · ·
这个项目我看完之后最大的感受是：AI 视频生产这事儿，不是模型不够强，是没人把流水线搭对。过去一年，所有「AI 视频神器」都在比参数、比 demo 长度、比单点惊艳度——但真要做一条 60 秒的发出去能用的视频，真正难的是 5 个模型怎么串、6 个 API 怎么排错、3 个守门人怎么不卡壳。
OpenMontage 给出了一个特别扎实的答案：不要重新发明视频生成模型，去把已有模型组织成一个有人 review 的生产线。12 套预置流水线覆盖了 80% 的常见需求；剩下的 20%，你有 Claude Code 的脑子来兜底。
如果你是一个用 AI 编码助手写代码的开发者，这个项目值得 clone 下来跑一遍 demo——make demo 一行命令就能渲出零 key 的示例视频。看完之后你会知道，AI Agent 不只是会写代码——它也能剪视频。
如果 OpenMontage 这种「Agentic 流水线」范式跑通了，未来 12 个月最值得期待的事情是：每一个垂直领域，都会出现一个自己的「OpenMontage」——把那个领域里散落的工具，按流水线 + 守门人 + 用户审批的方式重新组织一遍。
如果你觉得这个项目有意思，欢迎 Star 支持开源 🧬
📌 数据来源：GitHub Trending，2026-06-21 | 项目：calesthio/OpenMontage | 模型：minimax/MiniMax-M3
