OpenMontage+Claude Code一句话生成了一条60秒科普视频

一、一个"不可能完成"的视频实验

凌晨2点的恶作剧。

我给Claude Code发了一条11字命令："做一条60秒的神经网络科普视频"。然后合上电脑，倒头就睡。

说真的没抱期待。之前试过不下10款AI视频工具，要么画面糊得像打了马赛克，要么配音像机器人念课文，要么剪出来的东西跟描述完全两码事。每次折腾3小时，最后还是得自己打开剪映从头剪。

早上7点被闹钟叫醒。

迷迷糊糊摸过手机，看到Claude Code发过来的消息时，我瞬间清醒了。

它给了我一个mp4文件。

60秒整。有旁白，有字幕，有BGM，有分镜动画。讲神经网络怎么通过反向传播学习，画面配着节点连线的动态演示，配音是很自然的女声，最后还有一句"关注我，每天学点AI"的片尾。

我坐在床上反复看了三遍。

这东西叫 OpenMontage，GitHub 3万星，号称能把AI编程助手变成一整个视频工作室。今天我把从安装到出片的全过程，掰开揉碎讲给你听。

二、做视频到底有多疼

你一定有过这种体验。

刷到别人的视频，觉得"这个我也能做"，兴冲冲打开剪映。三分钟后你就关掉了------找素材找半天，配音念不顺，节奏剪不对，导出还得等半小时。

做视频的门槛从来不是软件。

是全流程的心理摩擦。查资料1小时，写脚本1小时，找配图找BGM1小时，录配音对字幕1小时，剪节奏调画面2小时，导出压缩适配平台30分钟。随便一条5分钟的视频，没一整天搞不定。

外包呢？

一条像样的科普动画，报价3000起，还得等一周。你提修改意见，对方还不一定改得对味。改到第三版，你自己都不好意思再提了。

AI工具倒是出了一堆。

有生成图片的，有生成配音的，有生成片段的。但问题是------它们都是碎片。你还是得自己当导演，把这些碎片一块一块拼起来。拼接的时间，不比你自己做省多少。

你缺的不是更多AI工具。

你缺的是一个能把整条流水线串起来的"AI导演"。

三、OpenMontage 到底是什么

OpenMontage 就是这个"AI导演"。

一句话说清楚：它把你日常用的AI编程助手（Claude Code、Cursor、Copilot都行），变成一只能自动拍片的团队。不是帮你生成一个镜头，而是从选题调研到最终成片，全自动跑完。

我知道你在想什么。

这不就是又一个AI视频工具吗？

真不是。市面上的AI视频工具，本质上都是"生成器"。你给一段文字，它吐一段视频。内容准不准、逻辑顺不顺、画面跟旁白对不对得上，它不管。

OpenMontage 不一样。

它的核心是 agent------智能代理。你给它一个目标，它自己拆解任务：先上网搜资料做调研，然后写脚本、做分镜、生成素材、配旁白、加字幕、剪节奏、选BGM，最后合成导出。每一步它自己做决定，遇到问题还会自己调整。

它内置了12条生产管线、52个工具、500多个Agent技能。

翻译成人话就是------它像一个有经验的视频团队，知道做视频的每一步该干什么、用什么工具干、干到什么标准。

最绝的是不用额外买API。

它可以接本地模型，比如你用Ollama跑在自己电脑上的开源大模型。零月费，数据不出本地，想怎么折腾就怎么折腾。

我的判断是这样的。

这东西不是来替代剪辑师的，它是来让"不会剪辑的人"也能做出像样的视频。门槛直接从"会用PR/剪映"降到了"会打字"。

四、实操demo：从0到1生成一条"神经网络科普视频"

4.1 安装前必看的3个坑

装之前先看这节。

能省你至少2小时。我第一次在Windows上直接折腾了一个多小时，各种报错，最后切到WSL2才搞定。

直接说结论。

Windows用户建议用WSL2，macOS和Linux用户可以直接装。系统要求其实不高，8G显存就能跑，没有显卡用CPU也行，就是慢一点。

我测试用的是MacBook Pro M2，16G内存。

跑完全程大概15分钟。

必备软件有这几个：Git、Node.js 20以上、Python 3.10以上、Docker。少一个都不行。特别是Node.js版本，低于20会直接报错，别问我怎么知道的。

检查环境的命令很简单。

终端里依次输入这几个就行：

bash 复制代码

git --version

node --version

python3 --version

docker --version

都有版本号输出，就说明ok了。

4.2 安装：一条命令搞定

安装比你想的简单。

打开终端，找个你想放项目的文件夹，然后：

bash 复制代码

git clone https://github.com/calesthio/openmontage.git
cd openmontage
./install.sh

就这三行。

install.sh脚本会自动装所有依赖，包括Python包、Node模块、必要的系统工具。

我第一次跑的时候卡在了下载模型那一步。

要下一个语音合成模型和一个图像生成模型，加起来差不多5个G。网络不好的话可能会断，断了就重跑install.sh，它支持断点续传。

整个安装过程大概10-20分钟。

取决于你的网速。

装完之后，运行这个命令验证：

bash 复制代码

openmontage --version

看到版本号输出，就说明安装成功了。

4.3 配置你的AI编程助手

这一步是关键。

你得告诉OpenMontage用哪个AI模型干活。

我推荐用Claude Code，效果最好。有Claude API Key直接填进去就行。没有的话，用本地模型也可以，就是质量会差一些。

配置文件在项目根目录下的 config.yaml。

打开它，找到 llm 这一段：

bash 复制代码

llm:
  provider: "anthropic"# 可选: anthropic, openai, ollama, openrouter
  model: "claude-sonnet-4-5"
  api_key: "你的API_KEY"
  base_url: ""# 本地模型才需要填

如果你用Ollama本地模型，改成这样：

bash 复制代码

llm:
  provider: "ollama"
  model: "qwen2.5:14b"
  api_key: ""
  base_url: "http://localhost:11434"

我的实操体感是这样的。

Claude Sonnet做出来的视频，脚本逻辑和画面匹配度明显比本地模型好一个档次。但如果你只是玩玩、不想花钱，Ollama接Qwen2.5 14B也够用，就是有时候会犯点傻。

省钱方案放这了。

自己选。

4.4 写一个有效prompt

prompt写得好不好。

直接决定成片质量。

我第一次写的prompt是："做一个神经网络的视频"。结果出来的东西，逻辑混乱，画面跟旁白完全不搭，像个半成品。

后来改了一版，效果完全不一样。

差的prompt和好的prompt，区别就在这几个细节：

差的："做一个神经网络的视频" 好的："做一条60秒的科普视频，主题是神经网络怎么学习。目标观众是完全不懂技术的小白，用生活化的比喻，别讲公式。风格要轻松活泼，配音用女声，最后加一句'关注我，每天学点AI'的片尾。"

发现没？

好的prompt必须包含5个要素：

主题：讲什么
时长：多长
目标人群：讲给谁听
风格：什么调性
输出要求：特殊需求

你把这五个要素写全了。

agent就知道该怎么干活。缺一个，它就会自己瞎猜，猜出来的大概率不是你想要的。

我这次demo用的就是上面那个好的prompt。

你可以直接抄。

4.5 启动agent：让它自己干活

一切准备就绪。

启动命令只有一行：

bash 复制代码

openmontage run "做一条60秒的科普视频，主题是神经网络怎么学习。目标观众是完全不懂技术的小白，用生活化的比喻，别讲公式。风格要轻松活泼，配音用女声，最后加一句'关注我，每天学点AI'的片尾。"

敲下回车的那一刻。

终端开始疯狂滚动。

它先做调研------去网上搜神经网络的科普资料，整理出核心知识点。大概3分钟。然后写脚本------把资料组织成60秒的旁白文案，控制字数在150字左右。大概2分钟。然后做分镜------把脚本拆成8-10个镜头，每个镜头配什么画面、用什么动画效果。大概2分钟。然后生成素材------每个镜头的画面、配音、字幕，一个一个生成。这一步最久，大概5-8分钟。然后剪辑合成------把所有素材按顺序拼起来，加转场，加BGM，调音量。大概2分钟。最后导出------生成mp4文件。大概1分钟。

整个过程我测了三次。

平均15分钟左右。

中间有一次卡在了素材生成那一步，终端一直没反应。我按Ctrl+C停掉，重跑了一次就好了。遇到卡住别慌，重跑大概率能解决。

4.6 检查与微调

生成完别着急发。

先看一遍。

AI做的东西，大概率会有几个小问题：脚本里可能有事实错误，画面和旁白可能不同步，某个镜头的效果可能很奇怪。这些都得你自己把关。

我那条视频，脚本里说"神经网络就像人脑的神经元"。

这个比喻其实不太准确。我就打开生成的脚本文件，手动改了一句话，然后重新生成配音和对应镜头。

改的方法也简单。

项目目录下有个 output/你的项目名/ 文件夹，里面的结构是这样的：

bash 复制代码

output/neural-network-video/
├── script.md          # 脚本，改这个
├── storyboard.json    # 分镜，高级玩家改
├── assets/            # 所有素材
│   ├── audio/         # 配音
│   ├── images/        # 画面
│   └── subtitles/     # 字幕
└── final.mp4          # 成片

你改完script.md。

运行这个命令就能只重新生成受影响的部分：

bash 复制代码

openmontage regenerate --script

不用从头跑。

省时间。

我的建议是这样的。

脚本一定要自己过一遍，AI写的文案有时候会瞎编。画面差一点就算了，内容错了可不行。

4.7 导出成片

一切调整满意之后。

导出就是最后一步了。

bash 复制代码

openmontage export --format mp4 --quality high

high质量导出的话。

文件大概在50-100M，1080p分辨率，发视频号、B站、抖音都够用。

如果你要发不同平台，还可以加参数调整比例：

bash 复制代码

# 竖屏 9:16，适合抖音/视频号
openmontage export --format mp4 --aspect 9:16

# 横屏 16:9，适合B站/YouTube
openmontage export --format mp4 --aspect 16:9

# 方形 1:1，适合小红书
openmontage export --format mp4 --aspect 1:1

这个功能我觉得特别贴心。

不用自己再去剪映里裁一遍。

我最后那条60秒的神经网络科普视频。

横屏版本导出大概80M，画质还不错，发出去没人看得出来是AI做的------当然，你别告诉他们就行。

五、总结与我的判断

OpenMontage 最适合这三类人。

第一类是做内容的人。

不管你是写公众号的、做小红书的、还是搞知识付费的，偶尔需要做条视频但又不想学剪辑，这个工具刚好。花15分钟生成一条，微调一下就能发，每周至少省下5小时剪视频的时间。

第二类是创业者和独立开发者。

你做了个产品，想做个演示视频，找外包太贵，自己又不会剪。用OpenMontage，一条prompt的事，省下来的3000块外包费能买好几个月咖啡。

第三类是纯好奇的人。

就是想看看AI现在能做到什么程度，图个新鲜。那也值得装一个玩一玩，保证让你"哇"一下。

但它不是万能的。

别指望它做电影级特效，别指望它能生成真人出镜的视频，别指望它能完美理解非常复杂的专业内容。它的定位是"快速产出可用的科普/解说类短视频"，超出这个范围，效果就会打折扣。

我的实操体感是这样的。

它省的不是剪辑时间，是"心理摩擦"。以前你想做条视频，一想到要打开剪映、找素材、配音、对字幕，可能就放弃了。现在你打一行字，15分钟后拿到一条能看的片子。

门槛从"我得会剪辑"降到了"我有个想法"。

想法到成品之间的距离，被缩短到了15分钟。这才是最可怕的地方。

今晚就装一个试试。

拿你手头任何一个主题，做一条30秒的短视频。做完你就知道------

视频创作的游戏规则，真的要变了。