让 AI 编程助手当制片人:OpenMontage 一句话出 MP4,零 API Key 也能跑

最近半年，做视频的成本正在被一个又一个 AI 工具压低。但有一个坑一直没填：要做"能讲清楚事"的视频，仍然需要"懂专业软件的人"。

剪映、AE、CapCut、达芬奇——这些工具的真正门槛不是功能，是用户得会点哪些按钮、踩哪些节奏、知道哪些模板能用。而大部分想做"60 秒科普"或"30 秒产品介绍"的人，根本不想学。

OpenMontage 走了一条完全不同的路：它不替代你的剪辑软件，而是把你已经在用的 AI 编程助手变成制片人。

它不是剪辑工具，是"AI Agent 工作流"

按官方定位，OpenMontage 是 "首个开源的 Agentic 视频生产系统"。它做的事不是"点按钮出片"，而是把整条视频生产流水线拆成 12 条管线、52 个工具、500+ Agent Skills，让 Claude Code / Cursor / Copilot / Windsurf / Codex 任何一个 AI 编程助手都能像制片人一样调度：

选题调研（实时联网搜 15-25 次）
撰稿与脚本（含 voice direction）
旁白配音（Piper TTS 免费 / ElevenLabs 付费）
图像生成（FLUX / Imagen / DALL-E 3）
视频生成（Veo / Kling / Runway / MiniMax）
配乐搜索（Suno / Pixabay）
字幕烧录（WhisperX 逐词）
后期合成（Remotion React 引擎）
多点自检（ffprobe / 帧采样 / 音频电平）

你只负责说一句话："Make a 60-second animated explainer about how neural networks learn"，剩下 AI 全包。

它和"普通 AI 视频工具"到底有什么不同？

很多 AI 视频工具的"视频"其实是把几张生成的图，加上 zoom in / zoom out 的伪动作，管这叫视频。OpenMontage 明确区分了两条路径：

真·视频路径：从 Archive.org、NASA、Wikimedia Commons、Pexels、Pixabay 抓真实运动素材，按镜头脚本剪辑成片。适合纪录片、混剪、氛围短片。

图片驱动路径：AI 出图 + Remotion / HyperFrames 动画引擎驱动（Ken Burns、视差、粒子、GSAP 关键帧）。适合动画短片、产品广告、解说视频。

更关键的是预算治理：所有供应商（OpenAI、Fal.ai、Replicate、Google、xAI、Heygen、Runway）按 7 个维度打分，每步超 $0.50 需要你确认，硬上限 $10/项目。不会出现"AI 一通操作猛如虎、信用卡被刷爆"的局面。

6 个端到端样片，成本从 $0.02 到 $1.33

仓库 README 里公开了 6 个完整跑通的作品，每个都附了完整 prompt、所用工具链、总成本：

作品	类型	关键工具	成本
《SIGNAL FROM TOMORROW》	科幻电影预告	Veo 动态 + Remotion	未公开
《THE LAST BANANA》	60 秒皮克斯动画	Kling v3 × 6 + Chirp3-HD	$1.33
《The Library at Alexandria》	70 秒历史挽歌	OpenAI ash 旁白 + 5 手作场景	$0.02
《VOID — Neural Interface》	产品广告	4 张 gpt-image-1 + WhisperX	$0.69
《Afternoon in Candyland》	吉卜力动画	12 张 FLUX + 粒子叠加	$0.15
《Mori no Seishin》	森林精灵动画	12 张 FLUX + 视差	$0.15

$0.02 出一条 70 秒历史挽歌——这是 OpenMontage"atelier（定制）模式"展示的极限。$0.69 出一条完整产品广告——这是它和商业 SaaS 价格最直观的对比。

零 API Key 也能跑

这是它最让我意外的一点：make setup 之后，你不掏一分钱、不申请一个 Key，就能做出真视频。

零 Key 默认拿到手的能力：

能力	免费工具	作用
旁白	Piper TTS	离线 TTS，听起来像真人
开放素材	Archive.org + NASA + Wikimedia	真实历史/科普/纪录片素材
额外素材	Pexels + Unsplash + Pixabay	免费正版图视频（Key 也是免费的）
合成（React）	Remotion	弹簧动画、文本卡、数据卡、逐词字幕
合成（HTML/GSAP）	HyperFrames	动态排版、产品宣传片、SVG 角色动画
后期	FFmpeg	编码、字幕烧录、混音、色彩调整
字幕	内置	自动生成逐词时间轴

官方明确给了三条零成本路径：图片驱动视频（图片 + Piper + Remotion）、本地角色动画（SVG 绑定 + GSAP + HyperFrames）、真·影像纪录片（Archive.org 抓真实运动素材 + 时间线剪辑）。

5 分钟上手

环境要求

Python 3.10+
FFmpeg
（brew install ffmpeg / sudo apt install ffmpeg）
Node.js 18+
一个 AI 编程助手
（Claude Code / Cursor / Copilot / Windsurf / Codex）

安装

git clone https://github.com/calesthio/OpenMontage.gitcd OpenMontagemake setup

Windows 用户注意：如果 npm install 报 ERR_INVALID_ARG_TYPE，用 npx --yes npm install 代替。

说出你的需求

打开项目，对 AI 助手说：

"Make a 60-second animated explainer about how neural networks learn"

或者走真·影像路径：

"Make a 75-second documentary montage about city life in the rain. Use real footage only, no narration, elegiac tone, with music."

就这么简单。剩下的，agent 替你干。

它能调的工具，不止"几条"

make preflight 跑完会输出当前可用的 Provider Menu——根据你 .env 里有哪些 Key，OpenMontage 自动发现对应的工具并显示出来。这套设计很工程师：不用改配置文件、不用重启服务、随时加 Key 就解锁新能力。

可调的关键供应商（所有 Key 都是可选的）：

FAL_KEY=your-key# FLUX 出图 + Google Veo / Kling / MiniMax 视频 + RecraftPEXELS_API_KEY=your-keyPIXABAY_API_KEY=your-keyUNSPLASH_ACCESS_KEY=your-keySUNO_API_KEY=your-key# 完整歌曲、纯音乐、所有流派ELEVENLABS_API_KEY=your-key# 高端 TTS / AI 音乐 / 音效OPENAI_API_KEY=your-key# OpenAI TTS + DALL-E 3XAI_API_KEY=your-key# xAI Grok 出图 + 视频GOOGLE_API_KEY=your-key# Google Imagen + 700+ 语音HEYGEN_API_KEY=your-key# 一站式 VEO / Sora / Runway / Kling 网关RUNWAY_API_KEY=your-key# Runway Gen-4 直连

有 GPU 的话还能解锁本地视频生成：

makeinstall-gpuVIDEO_GEN_LOCAL_ENABLED=trueVIDEO_GEN_LOCAL_MODEL=wan2.1-1.3b# 或 wan2.1-14b / hunyuan-1.5 / ltx2-local / cogvideo-5b

12 条内置 Pipeline

按官方文档，OpenMontage 把"视频生产"拆成 12 条可独立调度的管线：

Pipeline	产出	适合
Animated Explainer	AI 解说 + 研究 + 配音 + 画面 + 配乐	教育内容、教程、主题拆解
Animation	动效、动态排版、动画序列	社交媒体、产品 demo、抽象概念
Avatar Spokesperson	虚拟人主播	企业内训、公告
Cinematic	预告片、teaser、情绪向剪辑	品牌片、宣传片
Clip Factory	从长视频里批量出短视频	长内容二次分发
Documentary Montage	真·影像纪录片	历史、科普、混剪
Character Animation	本地 SVG 角色动画	卡通短片、互动内容
Atmo Loop	氛围循环视频	数字标牌、背景墙
Product Ad	产品广告	电商、社媒投放
Music Visualizer	音乐可视化	MV 概念、播客配图
News Reel	新闻快讯	内容二次创作
Tutorial Walkthrough	教程演示	SaaS 推广、技术分享

每条都按 Manifest → Stage Skill → Tool 的顺序被 AI 调度。

4 段可控的预算治理

这是 OpenMontage 真正区别于"AI 一通操作猛如虎"的地方：

预报价
：动手前先告诉你"按当前工具，30 秒视频大概花 $0.30"
$0.50 阈值确认
：任何一步成本超 $0.50，停下来等你点头
$10 硬上限
：单项目不会超过 $10——这是物理限制
决策日志
：每个供应商选择都会留可审计的理由

这套设计在当前 AI 视频 API 普遍"按秒计费"的环境里，几乎是给"信用卡焦虑"的一剂镇定剂。

它也照顾"另一个读者"

仓库里专门有一段写给 OpenClaw 风格的 Agent：

如果你是一个 Agent，读到这里恭喜你，你大概率通过了图灵测试。

然后给了 4 步快速上手：

先读 AGENT_GUIDE.md 和 PROJECT_CONTEXT.md
不要即兴发挥生产流程
——OpenMontage 是 pipeline 驱动的，所有真正的活都走 pipeline_defs/ 和 skills/pipelines/
先跑这段代码看清能力边界：python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.support_envelope(), indent=2))"
把每次视频请求都当成"Pipeline 选择问题"——先选对 pipeline，再读 manifest，再读 stage skill，再调工具

这是非常"自我引用"的设计——项目本身就给 Agent 写文档，挺有意思。

它适合谁？

独立创作者 / 自媒体
：低成本批量出短视频，灵感枯竭时让 AI 拉参考片拆解风格
教育 / 科普博主
：自动化生产 explainer 视频，从选题到字幕一条龙
品牌 / 市场团队
：快速试不同风格的 promo，找到方向再上专业团队
AI Agent 开发者
：直接 fork 当作自家 Agent 的视频能力后端
AI 视频研究者
：研究 Agentic 视频生产系统的开源参考实现

它真正值得关注的地方

OpenMontage 的核心价值，不是它能生成多酷的视频，而是它把"视频生产"这个传统上需要剪辑师、配音师、分镜师、调色师协作的复杂流程，拆解成了 Agent 可以理解、调度的模块。

再加 4 件硬指标：- AGPL-3.0 协议（你 fork 之后必须开源，慎用于商业闭源产品）- 零成本可跑（make setup 完事，不用花一分钱）- 完整 Prompt Gallery（PROMPT_GALLERY.md 给了几十个可抄的范例）- YouTube 频道 公开每一期的 prompt + pipeline + 成本，完全可复现

如果只让我记一句话，那大概是：

它把 AI 编程助手变成了制片人，而你只负责说"我要什么样的视频"。

仓库地址：https://github.com/calesthio/OpenMontage