夜雨聆风OpenMontage,GitHub 上最近蹿得最快的项目之一:一句话丢给 Claude Code,它帮你调研、写脚本、配音、找素材、剪辑、渲染,最后交付一条成片。关键是,零 API key 也能跑。
51,708 颗星,6,495 个 fork,平均一天涨一千多星。
这是我在写稿当天从 GitHub API 拉下来的真实数字。一个 3 月底才创建的项目,五个月干到这个体量,我有点好奇它到底做对了什么。
更刺激我的是 README 里的一行小字:他们做了一条 60 秒、皮克斯画风的动画短片,主角是一根孤独的香蕉,配音、配乐、字幕、渲染全套走完,总成本 1.33 美元。
一块三毛五,人民币不到十块钱。
开篇配图:一根香蕉和一颗猕猴桃的手绘场景,GitHub star 数飞涨
● ● ●
它到底是个什么东西
一句话:OpenMontage 是一套开源的"agentic 视频生产系统",把你的 AI 编程助手(Claude Code、Cursor、Copilot、Windsurf、Codex 都行)变成一个完整的视频工作室。
你不需要装什么新软件,也不用学什么新界面。你就跟你的编程助手说一句人话:
"做一个 60 秒的动画科普,讲讲神经网络是怎么学习的"然后它自己开始干活:联网搜资料、写脚本、生成分镜、配音、找背景音乐、烧字幕、渲染成片。
注意,这不是那种"把几张静态图做 Ken Burns 平移然后管这叫视频"的玩法。OpenMontage 有一条专门的 documentary montage 流水线,会从 Archive.org、NASA、Wikimedia Commons 这些免费开放的素材库里检索真实的动态影像,剪辑成正经的时间线。
概念图:一句 prompt 变成一条完整视频流水线的示意
● ● ●
架构上最反直觉的一点
我看了它的架构文档,有个设计让我愣了一下:整个系统里没有编排代码。
Python 只负责提供工具(100 多个,视频生成、配音、字幕、调色、混音都有)和状态持久化。真正的"导演"是谁?是 markdown 文件。
它把每条生产流水线拆成 research → proposal → script → scene_plan → assets → edit → compose 七个阶段,每个阶段配一个 "director skill"——就是一份 markdown 说明书,教 agent 这个阶段该怎么干、质量标准是什么、什么时候必须停下来等人批准。
你: "做一个黑洞怎么形成的科普视频" ↓ Agent 读 pipeline 清单(YAML) ↓ Agent 读阶段导演 skill(Markdown) ↓ Agent 调 Python 工具,7 维打分选 provider ↓ 自检 → 存档 checkpoint → 找你审批 ↓ 渲染(Remotion / FFmpeg) ↓ 渲染后再自检(ffprobe + 抽帧 + 音频分析) ↓ 通过才把成片给你讲真,这种 "agent 本身就是编排器" 的思路,跟今年大家对 agent 架构的理解是同一个方向——代码负责确定性的事,判断留给模型。
架构图:YAML 清单 + Markdown 技能 + Python 工具的三层结构
● ● ●
真正让我想装它的,是这些"工程味"细节
很多 AI 视频工具的问题是:生成一时爽,翻车没人管。OpenMontage 在这上面堆了一堆生产级治理:
- 渲染前校验
:如果方案号称"motion-led"但 80% 是静态图,直接拦住不让烧 GPU - 防 PPT 化评分
:6 个维度给方案打分,防止产出"会动的幻灯片" - 渲染后自检
:ffprobe 验证、4 个位置抽帧查黑屏、音频电平查静音和削波,过不了检就不给你看 - 预算治理
:执行前先估价,默认总额上限 10 美元,单笔超 0.5 美元要审批——不会有惊喜账单
还有一个我觉得特别聪明的:provider 打分选型。它接入了 60 多家服务商(20+ 视频生成、15+ 图像、10+ TTS),每次选哪家,不是写死的,是按任务匹配度、质量、控制力、可靠性、成本、延迟、连续性这 7 个维度现场打分,而且整个决策过程留痕可审计。
换供应商不用改代码,打分层自动重排。没有 vendor lock-in。
细节图:质量门、预算审批、7 维打分选型的仪表盘示意
● ● ●
零成本能玩到什么程度
我知道大家最关心这个。答案是:一个 API key 都不配,也能出片。
- 配音
:Piper TTS,本地离线,免费 - 素材
:Archive.org + NASA + Wikimedia 的开放影像,加上 Pexels / Unsplash / Pixabay 这些免费可商用的 - 渲染
:Remotion(React 写视频)或 HyperFrames(HTML/GSAP),都跑在本地 - 后期
:FFmpeg 编码、烧字幕、混音、调色
当然,想上皮克斯那种质感,还是得花钱。接上 fal.ai 或 Kling 的 key,单个镜头大概 $0.15–$1.50,官方示例里完整片子控制在 $1.33 到 $5 这个区间。
有显卡的话更自由:make install-gpu 之后能跑 WAN 2.1/2.2、Hunyuan、CogVideo 这些本地视频模型,生成一分钱不花。
成本图:从零成本到 $5 的三档方案对比
● ● ●
装一个试试
环境要求就四样:Python 3.10+、FFmpeg、Node 18+、一个 AI 编程助手。
git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage make setup然后在 Claude Code 里打开这个项目,直接说人话就行。官方给的测试 prompt 里我比较喜欢这条:
"做一个 75 秒的纪录片混剪,主题是雨天的城市生活。 只用真实素材,不要旁白,挽歌式的调子,配音乐。"它还有个叫 Backlot 的实时看板,生产跑起来会自动打开:哪个阶段在跑、每个镜头花了多少钱、质量分多少,全在墙上。生成到每个场景还会停下来给你看小样,你点头了它才继续渲染,不会让你事后对着废片叹气。
Backlot 看板:storyboard 实时点亮、逐场景审批的界面示意
● ● ●
泼点冷水
好用的部分说完了,说几句实话。
第一,AGPL-3.0 协议。想拿它做商业产品或者提供 SaaS 服务的,先想清楚这个协议的传染性条款,别到时候被法务找上门。
第二,它是给"用 AI 编程助手的人"设计的。如果你平时不开 Claude Code 或 Cursor,这个东西对你就不是个开箱即用的产品,它更像一套给 agent 用的工作系统。
第三,免费路径能出片,但上限摆在那。Piper 的配音、素材库的影像,质感跟 Veo 3.1、Kling 生成的还是有肉眼可见的差距。想正经出作品,几块美元的成本基本躲不掉。
● ● ●
写在最后
今年看了一圈 AI 视频工具,大多数还是在卷"单镜头生成"。OpenMontage 换了个赛道:它不生内容,它管生产——把调研、脚本、素材、配音、剪辑、审批、预算这一整套真制作团队才走的流程,塞进了 agent 的手里。
5 万人用 star 投票,说明这个方向戳中了什么。
如果你本来就天天开着编程助手,花十分钟 make setup 一下,让它给你剪条片子,这买卖不亏。
项目地址:https://github.com/calesthio/OpenMontage
结尾图:场记板吉祥物 Monty 与成品胶片的手绘场景