每日一个开源项目（第138篇）：OpenMontage - 把 AI 编程助手变成完整的视频制作团队

引言

"12 条生产流水线、52 个工具、500+ Agent Skill——把你的 AI 编程助手变成完整的视频制作工作室。"

这是"每日一个开源项目"系列的第138篇文章。今天的主角是 OpenMontage——一个开源的 Agentic 视频生产系统，用 Claude Code、Cursor 或 Codex 作为驱动引擎，把自然语言提示变成完整制作的视频。

大多数 AI 视频工具的输出是单个片段：输入提示，生成一段 5 秒的视频。OpenMontage 的设计目标不同——它模拟的是一个完整的视频制作团队：研究员、编剧、分镜师、素材制作、剪辑、合成、质量审核，每个阶段都有对应的 Agent Skill 在驱动。

起点是一句自然语言描述，终点是经过质量验证的完整视频文件。全程在你的 AI 编程助手里运行，不需要切换工具。

你将学到什么

• OpenMontage 的三层知识体系架构：Tools / Skills / Pipeline Defs 如何协同
• 12 条制作流水线的覆盖范围：从动画解说到纪录片蒙太奇
• 零付费路径：不花一分钱能做出什么
• 质量治理设计：预合成验证、滑动风险评分、预算控制
• 7 维度提供商评分系统：AI 如何选择用哪个视频生成服务
• 参考视频分析：输入 YouTube 链接后发生了什么

前置知识

• 使用过 Claude Code、Cursor 或类似 AI 编程工具
• 了解视频制作的基本流程（脚本、镜头、配音、剪辑）
• Python 基础使用经验

---

项目背景

项目简介

OpenMontage 是一个 Agentic 视频生产系统，定位是"把 AI 编程助手变成完整的视频制作工作室"。

它解决的不是"用 AI 生成一段视频"的问题，而是"从零到发布的完整视频制作流程"的问题。研究内容、写脚本、规划分镜、生成素材、剪辑、合成、质量检查——这些步骤在传统视频制作里分属不同的人，在 OpenMontage 里对应不同的 Agent Skill，由 AI 编程助手按流水线顺序执行。

另一个设计重点是解决"动态假图"问题：大多数 AI 视频工具生成的是静态图片帧的动画效果，不是真正有运动的视频素材。OpenMontage 可以从 Pexels、Pixabay、Archive.org、NASA、维基共享资源等免费来源获取真实运动素材，再做蒙太奇剪辑。

作者介绍

• 作者: calesthio
• 社区: GitHub Discussions（展示、想法、Q&A 分类）
• License: AGPL-3.0
• 视频频道: @OpenMontage on YouTube

项目数据

• ⭐ GitHub Stars: 9,000+
• 🍴 Forks: 1,300+
• 🛠 制作工具: 52 个
• 🎬 流水线: 12 条
• 📚 Agent Skill: 500+
• 📄 License: AGPL-3.0

---

主要功能

核心作用

传统 AI 视频工具：
提示词 → 生成单个视频片段 → 用户手动拼接

OpenMontage：
"制作一个关于量子计算的 3 分钟科普视频"
           ↓
   [研究] → 收集背景信息和事实
           ↓
   [提案] → 生成制作方案，包含预估费用
           ↓
   [脚本] → 完整旁白文本
           ↓
   [分镜] → 每个场景的视觉规划
           ↓
   [素材] → 生成/获取视频、图片、配音、音乐
           ↓
   [剪辑] → 组装时间线
           ↓
   [合成] → 渲染最终视频
           ↓
   [质量审核] → 帧验证 + 音频分析 + 交付检查
           ↓
   完整视频文件

12 条制作流水线

流水线	输出
Animated Explainer	研究支撑的教育类动画视频
Documentary Montage	真实素材剪辑的纪录片风格视频
Cinematic	预告片、概念片、氛围短片
Clip Factory	把长内容批量切成短视频
Talking Head	主播/主持人视频
Avatar Spokesperson	数字人发言人视频
Localization & Dub	多语言翻译配音版本
Screen Demo	软件操作演示录屏
Podcast Repurpose	播客音频→视频剪辑集锦
Hybrid	现有素材 + AI 生成内容混合
Animation	动态图形、动态排版

零付费路径

不需要任何付费 API，可以完整跑通一个视频：

组件	零付费方案
配音/TTS	Piper（离线，免费）
视频素材	Pexels、Pixabay、Archive.org、NASA、维基共享资源
图像生成	Stable Diffusion（本地运行）
视频生成	WAN 2.1、Hunyuan、LTX-Video（本地 GPU）
合成/渲染	Remotion（React）、HyperFrames（HTML/GSAP）
后期处理	FFmpeg

有付费 API 时的成本参考（来自 README）：

• Ghibli 风格动画（12 张 FLUX 图 + 音乐）：$0.15
• Pixar 风格动画短片（6 段 Kling 视频 + 配音）：$1.33
• 产品广告（仅 OpenAI）：$0.69

快速开始

安装：

git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup

在 Claude Code 中使用：

cd OpenMontage
claude  # 打开 Claude Code

然后直接用自然语言描述：

制作一个 2 分钟的视频，介绍阿尔茨海默症的早期预警信号，
面向 40-60 岁的普通观众，科学严谨但不生硬，
使用真实医疗素材，不需要任何 AI 生成的人脸。

Agent 会先生成制作方案和费用估算，确认后才开始执行。

---

项目详细剖析

三层知识体系

OpenMontage 的架构把能力和知识分成三层：

Layer 1: 执行层
  tools/          ← 52 个 Python 工具
  pipeline_defs/  ← 12 条 YAML 流水线定义
  schemas/        ← 15 个 JSON Schema（输入输出验证）
  └── 作用：定义"可以做什么"和"按什么顺序做"

Layer 2: 使用规范层
  skills/         ← OpenMontage 自身的使用约定
  └── 作用：告诉 Agent 如何正确使用这套工具

Layer 3: 外部技术知识层
  .agents/skills/ ← 深度的外部技术知识
  └── 作用：关于 FFmpeg、Remotion、各提供商 API 的专业知识

500+ Agent Skill 分布在后两层，相当于把视频制作领域的专家知识打包给了 AI 编程助手。每个 Skill 是一个 Markdown 文件，包含这个步骤的专业知识、常见错误和判断标准。

渲染引擎：Remotion vs HyperFrames

OpenMontage 支持两种合成渲染引擎，各有适用场景：

Remotion（React 渲染）：

• 用 React 组件描述视频帧
• 适合需要精确时间控制的内容：字幕、标题、数据可视化
• 输出质量稳定，开发者可以用 React 语法定制

HyperFrames（HTML/GSAP 渲染）：

• 用 HTML + GSAP 动画描述视频
• 适合动态排版、品牌内容、Web 风格的视觉设计
• 自定义灵活度高

两者都通过 Node.js 在本地渲染，不依赖外部服务。

质量治理机制

这是 OpenMontage 里工程设计含量最高的部分：

预合成验证门禁：在开始渲染之前，系统检查生产承诺是否满足。如果检测到以下情况，拒绝继续执行：

• 计划输出与脚本内容不匹配
• 场景覆盖率低于阈值
• 素材质量不满足目标规格

幻灯片风险评分（Slideshow Risk Score）： 6 个维度评估视频是否过于"静态化"——把一堆图片拼一起假装是视频：

• 场景平均时长
• 运动素材占比
• 摄像机运动检测
• 场景切换频率
• 音频动态范围
• 视觉变化密度

评分超过阈值，Agent 会主动寻找更多动态素材或重新规划场景方案，而不是直接输出一个幻灯片。

预算控制：

默认配置：
  - 单次操作超过 $0.50 需要确认
  - 总预算上限 $10
  - 任何执行前先给出费用估算

调整方式：
  在对话中说 "set budget cap to $5"
  或者修改配置文件

渲染后自审：

• FFprobe 验证：分辨率、帧率、码率是否符合规格
• 关键帧提取：人工抽检视觉质量
• 音频分析：音量、静音检测、同步验证

7 维度提供商评分系统

当同一个任务有多个可选的视频/图像生成提供商时，系统用 7 个维度打分选择：

维度	权重	说明
任务匹配度	30%	这个提供商对当前类型任务的专长
输出质量	20%	历史评测的质量分数
可控性	15%	支持多少参数精细控制
可靠性	15%	API 稳定性和成功率
成本效率	10%	单位输出的费用
延迟	5%	生成速度
连续性	5%	跨场景风格一致性能力

所有选择都写入决策审计日志，包含推理过程。出了问题可以回溯"AI 为什么选了这个提供商"。

参考视频分析功能

一个很实用的功能：提供一个 YouTube / TikTok / Reels 链接作为参考：

帮我做一个类似这个风格的视频：https://youtube.com/watch?v=xxx
主题换成量子计算，时长 2 分钟，但是面向中国观众

Agent 会分析参考视频的：

• 旁白文本和节奏
• 场景切换频率和节拍
• 视觉风格类型
• 钩子结构（前 5 秒的设计）

然后生成差异化的制作方案（不复制原视频，而是学习风格），并附上费用估算，等待确认后才开始执行。

---

项目地址与资源

官方资源

• 🌟 GitHub: calesthio/OpenMontage
• 📺 YouTube 频道: @OpenMontage（示例视频）
• 💬 GitHub Discussions: 展示作品、提问、提想法

技术栈参考

• Remotion: remotion.dev
• GSAP: greensock.com/gsap
• Piper TTS: 开源离线 TTS

---

总结

OpenMontage 把视频制作这件事从"要会用十几个专业软件"变成了"在 AI 编程助手里描述你想要什么"。

12 条流水线覆盖了从科普动画到产品广告的主要视频类型；52 个工具对接了视频/图像/TTS/音乐/素材的完整供应链；质量治理机制在防止 AI 交付一个幻灯片风格的劣质输出；预算控制机制让成本可预期。

零付费路径意义在于：即使完全没有 API 预算，也能跑通整个流程理解系统是怎么工作的，再按需接入付费服务。

9k Stars 对于一个功能如此复杂的项目来说增长速度很快，说明"AI 辅助视频制作"这个方向有真实需求。

---

探索 PrimeSkills —— 精选 AI Agent 与技能的市场，每一个都经过真实企业工作流验证，去掉浮夸，留下真正有用的。

欢迎访问我的个人主页，发现更多有价值的见解和有趣的产品。