夜雨聆风OpenMontage做了一件别的AI视频工具没做过的事：它没有自己做视频，而是教你的AI编程助手怎么拍视频。这个3个月冲到近3万Star的Python开源项目，把12条完整的视频生产线塞进了Claude Code、Cursor这些你日常写代码的工具里。
不只是"AI生成视频"，是Agent在跑整套制作流程
市面上大部分AI视频工具的逻辑是：你输入一段文字，它返回一个视频片段。Runway、Kling、Sora都是这个模式——单次输入，单次输出，你要想做一个完整的带旁白、字幕、背景音乐的60秒视频，得自己把各环节串起来。
这就像你只买了一个烤箱，却想开一家面包房。烤箱当然好用，但原料采购、配方设计、烘焙控温、包装出餐，这些流程它不管。
OpenMontage换了一个思路。它不提供视频生成能力，而是提供一整套制作流程的编排能力。你用自然语言告诉你的AI编程助手"做一个60秒的量子计算科普动画"，剩下的全交给Agent：查资料、写脚本、生成图片、录制旁白、找背景音乐、加字幕、渲染最终视频——每一步都有对应的工具和导演技能指导。
流程是流水线式的：research（调研）→ proposal（方案）→ script（脚本）→ scene_plan（分镜）→ assets（素材）→ edit（剪辑）→ compose（合成）。每一步Agent会读对应的技能文件，知道该怎么做、做到什么标准算合格，做完后自检，关键决策点才来问你要不要拍板。这套流程不是OpenMontage自己发明的——它模仿的是真实影视制作团队的工作方式，只不过每个岗位都换成了一个能读文件、能写代码、能调API的Agent。
零API Key也能出片，成本最低2分钱
OpenMontage最实际的亮点是它的零配置起点。git clone下来跑一个make setup，不用填任何API Key就能开始干活。
默认免费的工具链很完整：Piper TTS做旁白（离线运行，声音还过得去），Archive.org、NASA、维基共享资源提供免费的真实视频素材，Pexels和Unsplash提供免费图片，Remotion负责React动画合成，FFmpeg负责后处理和字幕烧录。
如果你想走"真实纪录片"路线——不是拿几张图做Ken Burns推拉，而是从真实视频素材库里检索镜头、按语义排序、剪辑成完整的时间线——OpenMontage有专门的Documentary Montage管线。它会从免费素材源建立CLIP可搜索的语料库，然后像真正的剪辑师一样选镜头、排节奏、切画面。
加上API Key后玩法更多。项目展示了几个实测案例：一部吉卜力风格的森林精灵动画，12张FLUX生成的图片加粒子特效和配乐，成本0.15美元；一部70秒的亚历山大图书馆纪录片，纯手工构图加OpenAI语音旁白加免费配乐，成本0.02美元；一部60秒的皮克斯风格3D短片，6段Kling视频生成加语音旁白加字幕，成本1.33美元。
12条管线覆盖了你可能需要的所有视频类型
OpenMontage的12条管线不是花架子，每一条都对应一个真实场景：
- • Animated Explainer——知识科普、教程解说，自动调研选题再写脚本
- • Animation——动态图形、动态文字、抽象概念可视化
- • Cinematic——品牌预告片、情绪驱动类短片的完整制作
- • Documentary Montage——从免费素材库里切出纪录片风格的作品
- • Talking Head——真人出镜演讲的后期处理和增强
- • Screen Demo——产品操作录屏的精剪和包装
- • Podcast Repurpose——把长音频切成短视频片段
- • Localization & Dub——视频字幕和配音的多语言翻译
- • Avatar Spokesperson——数字人主持人视频
- • Hybrid——真实素材加AI生成画面的混合剪辑
- • Clip Factory——从一个长视频里批量裁出多条短视频
还有一个很实用的功能：参考视频驱动。你贴一个YouTube链接或本地视频文件，Agent会分析它的转录文本、节奏、分镜、关键帧和视觉风格，然后给你2到3个差异化方案，附上工具路径建议和成本估算。你确认后才开始制作。这不是简单的"照搬这个视频"，而是先拆解参考视频的结构和优点，再基于你自己的主题重新创作。从产品宣传片到教育短视频，这个功能大幅降低了"从零开始构思视频结构"的门槛。
Agent架构才是真正的技术壁垒
OpenMontage底层没有传统意义上的编排器——没有Airflow那样的DAG调度，也没有Prefect那样的工作流引擎。Python提供了52个工具函数（视频生成、图片创建、语音合成、音乐、音频混合、字幕、增强、分析），管线定义放在YAML文件里，每个阶段的执行指导放在Markdown技能文件里。Agent自己读YAML知道流程怎么走，读Markdown知道每一步该怎么做，调Python工具把活干了，做完自检，把状态存到JSON文件里——可以随时中断、随时恢复。
这套架构的优势在于可审计性。Agent的每一个决策——选了哪个供应商、为什么选它、备选方案是什么、置信度多少——都记录在决策日志里。成本估算在执行前完成，有预算上限和单次操作审批阈值，不会出现"跑了一晚上醒来发现烧了几百美元"的情况。
渲染完成后还有一套质量门禁：ffprobe验证视频参数、帧提取检查画面质量、音频分析检查音量水平、字幕检查。自检通过才输出最终视频，不通过就回去修。
质量门禁里有一步叫"delivery promise enforcement"——专门拦截看起来像PPT幻灯片的成品。如果Agent发现自己生成的东西说到底就是一堆静态图片轮播，它会拒绝交付，回去重新做。
谁适合用，什么时候别急着上
OpenMontage目前还很年轻——2026年3月底创建，至今不到4个月。137个open issues说明社区活跃且在快速迭代，但也意味着API稳定性、文档完整度和错误处理都还有打磨空间。
它最适合这几类人：内容创作者想批量生产短视频素材（用Clip Factory从长视频里裁短视频特别高效），教育工作者需要快速制作科普视频（调研环节会自动搜YouTube、Reddit、Hacker News），产品团队要出demo宣传片但预算有限，或者你本身就在用Claude Code或Cursor写代码，想顺便让它们帮你出视频。
不太适合的场景：对画质有苛刻要求的商业项目（AI生成视频的分辨率和一致性还不够稳定），需要精确控制每一帧的专业影视制作，或者你完全不想碰命令行和终端环境。虽然OpenMontage号称"用自然语言驱动"，但你还是需要有一定的Python和Node.js环境配置能力，遇到依赖冲突时还得自己排查。
OpenMontage的野心不是做又一个AI视频工具——它想让AI编程助手直接变成你的制作团队。从"写代码"到"拍视频"，Agent的能力边界正在被一个个具体的项目撑开。
