别再收藏第 68 个 AI 视频工具:67 个开源项目,已经拼出一套“AI 成片生产操作系统”别再收藏第 68 个 AI 视频工具：67 个开源项目，已经拼出一套“AI 成片生产操作系统”
栏目：AI 开源项目推荐题图：原创概念封面；正文技术图均依据本文核验的公开仓库资料整理。
导语：真正值得看的，不是第 68 个工具
最近看到一篇 X 帖子把 GitHub 上的 AI 成片项目划成了“视频 Skill”“一站式成片平台”“分镜/导演画布”和配套底座四类，并给出了大量仓库链接。如果把这些名字当成“又一份工具清单”，很容易得出一个错误结论：AI 视频赛道已经拥挤到只剩模型、功能和 Star 数的比较。但逐一核验帖子中可直接提取到的 67 个 GitHub 仓库后，结论恰好相反：它们多数不在训练新的生成模型，而是在填补同一件更难的事——把剧本、资产、分镜、模型调用、任务状态、剪辑、质检和导出，组织成一条能由 Agent 执行、被人类接管、并可重复运行的生产线。这篇文章不再重复“哪个项目有多少 Star”。它想回答三个更实际的问题：这 67 个工具分别在生产链上负责什么？它们为什么会同时出现？如果你真要部署，应该从哪一层开始，而不是把 67 个仓库全装一遍？
一、先把数字说清楚：67 个项目都在干嘛
原帖将“视频 Skill / Agent 扩展”列为 28 个、将“一站式成片平台”列为 27 个，两者相加正好是其口中的 55 个。按照层级进行划分，分为4个部分，一站式成片平台是当前的agent视频能力趋势。 | | | |
|---|
| | 把镜头、提示词、旁白、剪辑、审查、导出方法写成 Agent 可读的操作规程。 | video-shotcraft、drama-skills、h3lite |
| | 将脚本、资产、分镜、任务、模型调用、合成与导出放进一个项目工作台。 | OpenMontage、Toonflow、Jellyfish、ArcReel、LumenX |
| | 把创作关系可视化，让人和 Agent 在同一画布上协作、审核和修改。 | open-ai-canvas、open-storyboard-canvas、aimangastudio |
| | 提供生成运行时、模型控制、程序化合成、视频理解与自动质检。 | comfyui-mcp、HyperFrames、watch-skill |
| | 说明需求仍在，但不宜按“近期活跃项目”与前四层混为一谈。 | video-use、video-production-skills |
注意：GitHub Star 是关注度，不是生成质量、稳定性、商业可用性或模型能力的 benchmark。本文不把 Star 排名写成产品效果排名。
二、把 67 个项目放在一张图里：它们共同在补“编排层”
本文根据 67 个仓库的公开描述、代表性 README 和链接清单整理。图中是工作流分层，不是任何单一项目的官方架构。绝大多数工具都依赖既有的视频、图像、音频或大语言模型。它们的差异，不在“谁发明了更强的视频模型”，而在谁把模型变成一个可控的生产步骤。第一层是创作规格层。它负责把“做一个短片”变成剧本、人物、场景、镜头、提示词、音乐和交付目标。drama-skills 的官方 README 甚至把这些拆成十个独立 Skill：原著分析、故事开发、剧本、资产、图片提示词、分镜、视频提示词、确认后生产和审查。第二层是Agent 编排层。它决定何时调用什么工具、先做什么、何时暂停等待人工确认。OpenMontage 的公开资料将生产过程描述为“研究→提案→剧本→场景计划→资产→剪辑→合成”，并为阶段定义 Skill、检查点、审批和渲染前后的质量门。第三层是生成与素材层。这里才是图像、视频、音频、库存素材和 TTS 的所在。它可以是云端 API、本地模型、ComfyUI 工作流、视频素材检索，或它们的混合。第四层是合成与交付层。生成若不能进入时间线、字幕、配乐、横竖版规格、可编辑草稿和最终文件，就只是一堆片段。video-shotcraft 以 Remotion 为主，并公开提供镜头卡、动作预览和剪映草稿导出路径；其 README 还提醒产品截图和客户数据需要替换或匿名化。第五层是治理与可追溯层。这才是成熟产线与“抽卡工具”的差别：谁批准了这张图？用了哪套提示词？花了多少钱？任务失败能否恢复？产物是否能回到剪映或工作台继续修改？ArcReel、OpenMontage 等项目都把审批、成本、任务状态或可编辑导出写进官方说明。本文的分析判断：AI 成片的竞争，已经从“提示词够不够炫”进入“生产状态能不能被管理”。模型是发动机，编排层才更像变速箱、仪表盘和刹车系统。
三、第一类：28 个视频 Skill，为什么会成为最近最活跃的增量？
Skill 并不等于“一个更长的提示词”。真正有价值的 Skill，通常把三类资产装进了编码 Agent 的工作上下文：创作规则、可复用模板、执行/检查接口。以 video-shotcraft 为例，它公开列出 152 个镜头 recipe card、209 个动作预览、Remotion 实现和一套产品片模板；Agent 不只接到“做得高级一点”的模糊要求，而是能从镜头卡中获得时长、参数、实现方式和已知问题。以 drama-skills 为例，它的关键并不在于“能直接生成短剧”。官方说明明确将真正的图像、视频、TTS 和时间线音乐执行交给外部 adapter；其核心设计是让提示词先落文件、先预览、再经用户确认后投产。2这是一种非常重要的产品取舍：先固化决策，再调用昂贵且不可逆的生成资源。h3lite 展示了 Skill 的另一面：它不是再包一层云 API，而是让 Agent 根据 Windows + NVIDIA + ComfyUI 的硬件条件选择路线、准备组件、保存锚点和任务清单，再对首/中/尾帧做检查。这说明 Skill 也可以承载部署知识、显存约束和故障排查，而不仅是创作知识。Skill 层的核心创新点
| | |
|---|
| | 将镜头、节奏、审查、导出规则变成可版本管理的文件。 |
| | Agent 读取 Skill、调用工具、写入项目文件并按阶段推进。 |
| | |
| | 把供应商接入放在 adapter / provider 层，尽量让项目规格保持稳定。 |
适用场景：你已经有 Claude Code、Codex 或类似 Agent；团队真正缺的是固定的镜头语言、内容模板或短剧制作规范，而不是再买一个“AI 视频网页”。不适用场景：你没有工程环境，也不愿承担依赖安装、模型账号或命令行操作成本。Skill 不是零学习成本的 SaaS。
四、第二类：27 个一站式平台，短剧为什么成了最密集的试验田？
短剧/漫剧是最容易暴露 AI 成片系统短板的场景。因为它不是“生成一段 5 秒视频”就结束了；它要求角色连续、场景连续、道具连续、镜头连续、声音连续，并且还要能返工。本文根据代表性项目公开 README 整理的组合路径。实际项目不必包含所有节点；重点是明确项目主账本、执行边界和人工确认位置。Jellyfish、Toonflow、LumenX、ArcReel、ViMax、huobao-drama 等项目都在不同程度上覆盖“剧本→资产→分镜→视频→成片”的长链条。它们并不等价：有些更像桌面创作工具，有些偏 Agent 框架，有些偏自托管工作台，有些则由研究团队提供统一生成范式。这里最值得关注的不是它们是否都声称“一句话出片”，而是它们怎样处理以下四个中间状态。 | | |
|---|
| 角色、场景、道具如果没有稳定引用，跨镜头一致性很难管理。 | ArcReel 明确将角色、场景、道具、分镜和视频片段组织为可审核、可重做的生产链。[5] |
| 文字剧本到视频之间缺少镜头层，会让模型各自“理解剧情”。 | 多个短剧平台将结构化分镜作为中间产物；它也是人工确认最有效的位置。 |
| 图像、视频、音频生成常常慢且不稳定，需要状态、重试和回写。 | open-ai-canvas 的公开能力包含后端异步队列、任务日志、取消/重试和素材引用校验。[7] |
| | ArcReel 与 video-shotcraft 都公开提到剪映草稿或可继续编辑的交付路径。[4] [5] |
本文的分析判断：短剧之所以“最卷”，不是因为短剧天然更适合视频模型，而是因为它恰好迫使所有中间层出现。只做生成模型，解决不了项目一致性；只做剪辑器，解决不了剧情到镜头的拆解；只做画布，也解决不了长任务执行。短剧让这些断层同时暴露出来。
五、第三类：导演画布和配套底座，不是配角，而是“控制权”的两端
三类导演画布项目的数量不多，但它们回答了一个重要问题：当 Agent 真的参与创作时，人类到底在哪个界面上做导演？open-ai-canvas 的官方 README 将自由画布、结构化分镜、角色/风格资产、多媒体生成、异步任务、本地 Agent、MCP 工具和 Codex 插件放入同一链路。它自己也清楚提示：项目仍在快速开发，默认更适合个人、本地或可信环境，未经安全配置不宜直接作为公网多人服务。7另一端的配套底座则更“硬”。comfyui-mcp 的公开定位是面向 ComfyUI 的本地优先、Agent 原生控制面：它不仅转发 prompt，还声称能编辑运行中的图、管理模型/节点、执行和迭代工作流、查看资源并支持本地与远程部署。HyperFrames、vargHQ/sdk、watch-skill、claude-video-vision 等，则分别代表程序化合成、视频 SDK、看片质检和视频理解等支撑能力。导演画布解决的是“项目如何被人看见、修改和协作”；控制面/运行时解决的是“模型、节点、GPU、工作流如何被 Agent 可靠调用”；合成引擎解决的是“片段如何成为满足平台规格的成片”；审查工具解决的是“系统如何知道自己没有交付黑帧、静音、字幕丢失或一堆不连贯片段”。
六、不要装 67 个：不同团队的正确起点完全不同
| | |
|---|
| 从 video-shotcraft、剪辑 Skill 或单一内容配方开始。 | |
| 选择一个以资产和分镜为主账本的工作台，如 Toonflow、Jellyfish、ArcReel、LumenX 或 ViMax。 | |
| 已有 Windows/NVIDIA/ComfyUI 运维能力 | 再考虑 h3lite、comfyui-mcp 与本地工作流。 | |
| 从 MoneyPrinterTurbo、OpenMontage、short-video-factory、video-podcast-maker 等更贴近已有内容资产的方向试点。 | |
| | |
一个实用原则：选择工具时，优先找团队当前最短的那块板。没有稳定分镜，就先补分镜；没有资产主账本，就先补资产；没有可恢复任务，就先补任务；不是为了“全栈”而全栈。
本文编辑框架，帮助团队按当前缺口选择试点起点；不构成工具排名、采购或部署建议。
七、风险边界：开源成片产线离“开箱即用”还有多远？
第一，模型和供应商仍是外部依赖。即使项目本身开源，生成能力可能仍需要付费 API、模型权重、GPU、对象存储或媒体服务。以项目 README 中出现的成本案例，不应外推为所有团队、所有时长或所有模型的实际成本。第二，多供应商不等于自动省钱。更多模型意味着更多路由、密钥、失败处理、配额和输出差异。能在多个模型间切换，是韧性；能在生产中稳定切换，才是工程能力。第三，本地优先不等于没有运维。h3lite 和 comfyui-mcp 的公开文档都把 GPU、显存、节点、组件完整性、远程/本地部署作为核心问题。这恰恰说明运行时控制面很重要，但也意味着团队需要承担更多基础设施责任。第四，许可证和素材权利必须逐仓核验。这 67 个仓库中同时存在 MIT、Apache-2.0、AGPL-3.0、未声明许可证等不同状态。开源仓库可访问，不代表其中的模型、素材、第三方节点或商业分发条件完全相同；在自部署、闭源集成、白标或对外分发前，应以具体仓库和依赖的许可证为准。第五，Agent 自动化不等于无人值守。真正值得信赖的项目通常把人工确认、预算门、质量门、重试与可编辑导出当作系统的一部分，而不是把它们视作“自动化不够彻底”的缺陷。
八、完整工具地图： 67 个仓库，分别在哪一层？
以下索引覆盖直接提取的全部 GitHub 仓库名称。1）视频 Skill / Agent 扩展（28 个）
| |
|---|
| |
| |
| chengfeng-videocut-skills | |
| |
| |
| |
| 本地 MiniMax H3 / ComfyUI 路由 |
| |
| |
| claude-code-video-toolkit | |
| lanshu-create-ai-presenter-video | |
| |
| |
| |
| chatgpt-video-editing-skills | |
| |
| |
| higgsfield-ai-prompt-skill | |
| |
| ai-video-generator-claude | |
| |
| hbg-classical-poem-silk-video | |
| |
| |
| |
| |
| |
| erduo-broll-loop-engineering | |
2）一站式成片平台（27 个）
| |
|---|
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| Script→Asset→Keyframe 导演流程 |
| |
| |
| |
| |
| |
| |
| |
| |
| Open-AI-Micro-Drama-Generator | |
| |
| |
| |
| |
3）分镜 / 导演画布（3 个）
4）配套底座（7 个）
结语：AI 成片不是“模型拼图”，而是“生产控制系统”
这 67 个项目最值得关注的地方，不是让你一次性多了 67 个选择，而是让我们看清了一个趋势：Agent 正在接管视频生产中最碎、最难复用、最需要协作的中间环节。未来真正会被长期留下的，不一定是名字最响的项目，而是能把三件事同时做好的一类系统：让创作规格被保存，让执行状态被追踪，让人类能在关键节点重新接管控制权。如果你现在只能选一个方向开始：你会先把团队的镜头方法做成 Skill，还是先把短剧资产和分镜放进一个可控工作台？欢迎在评论区告诉我们，你最想深挖这张工具地图里的哪一个仓库。
如果喜欢这篇文章，不妨顺手给我们 点赞｜在看｜转发｜评论 📣如果你有更有趣的玩法，欢迎在评论区聊聊🤝更多的内容正在不断填坑中……
夜雨聆风
