OpenMontage：首个开源的 Agent 化视频制作系统，用自然语言一键出品影片

把 AI 编程助手变成一个完整的视频制作工作室------只要用大白话描述你的需求，智能体会自动完成研究、脚本、资产生成、剪辑和最终合成。
📦 项目源码备份下载（夸克网盘）

完整项目（73.5 MB）已同步备份到夸克网盘，永久有效、无需提取码 ：

👉 https://pan.quark.cn/s/ed597ec66792

项目简介

OpenMontage （作者 calesthio）宣称自己是首个开源的、代理化（agentic）的视频制作系统 。它不是一个"输入文字出几秒视频"的玩具，而是一整套面向真实制作流程的端到端生产流水线：你的 AI 编程助手本身就是编导和制片人，负责把一句需求拆解成"研究 → 提案 → 脚本 → 场景规划 → 资产生成 → 剪辑 → 合成"七大阶段，并在每个创意决策点等你批准。

关键区别在于：OpenMontage 既能做AI 图像生成的视频 ，也能为免费/开源工作流产出真正的原生视频（video video）------智能体会从免版税素材和开放档案（Archive.org、NASA、Wikimedia Commons、Pexels 等）建立支持 CLIP 检索的语料库，检索真实动态画面、剪辑进时间线并渲染成片。这完全不同于"让静态图片动起来就号称视频"的糊弄。

官方用一条更牛的规格来证明它：用 OpenMontage 完整制作过电影级科幻预告片《Signal from Tomorrow》、60 秒皮克斯风短片《The Last Banana》（成本仅 1.33 美元）、《虚空神经接口》（仅用 1 个 OpenAI API Key，成本 0.69 美元）、以及多部吉卜力/动漫风格短片（成本约 0.15 美元）。

核心特性

12 条生产流水线：覆盖动画解说、口播、屏幕演示、电影预告、动画、播客重制、纪录片蒙太奇、本地化与配音等。
52 种生产工具：视频生成、图像创建、TTS、音乐、音频混合、字幕、画面增强、分析等。
400+ 智能体技能：制作技能、流水线导演、创意技巧、质量检查表以及深厚的技术知识包，教智能体"像专家一样"使用每种工具。
内置实时网络研究：写脚本前，智能体会对 YouTube、Reddit、Hacker News、新闻和学术站点进行 15--25 次检索，确保内容扎根真实信息而非幻觉。
参考驱动创作：粘贴你喜欢的视频/短片，智能体会把它转成脚踏实地的差异化制作计划------保留什么、改变什么、预估成本、实际效果，而不是"盲目乱炖提示词"。
兼顾免费/本地与云端：每一项能力都支持开源本地替代（如 Piper TTS、本地 Wan2.1/Hunyuan/CogVideo 视频生成）或高级 API。
没有供应商锁定：所有提供商按 7 个维度（任务契合度、质量、控制力、可靠性、成本效益、延迟、连续性）自动评分并择优，决策日志可审计。
生产级质量关卡：交付承诺强制机制拦截"PPT 式"渲染；合成前验证避免白烧 GPU；渲染后 ffprobe + 抽帧 + 音频分析自审，绝不产出垃圾。
内置预算管控：执行前预估、花费上限、各行动批准阈值，杜绝意外账单。

快速上手

必备条件：Python 3.10+、FFmpeg、Node.js 18+，以及一款 AI 编程助手（Claude Code、Cursor、Copilot、Windsurf 或 Codex）。

bash 复制代码

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

然后在你喜欢的 AI 编程助手中打开该项目，用大白话下达指令：

text 复制代码

"制作一个 60 秒的动画解说视频，讲解神经网络是如何学习的"

或走真实素材路径：

text 复制代码

"制作一部 75 秒的纪录片蒙太奇，展现雨中的城市生活。只使用真实素材，无旁白，需要一种挽歌般的基调和配乐。"

没有 make？Windows PowerShell 可以这样装：

powershell 复制代码

py -3 -m venv .venv; .\.venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt
cd remotion-composer; npm install; cd ..
python -m pip install piper-tts
Copy-Item .env.example .env

零 API 密钥就能做出真视频

make setup 开箱即给你一条"免费路径"：

能力	免费工具	说明
旁白配音	Piper TTS	免费离线 TTS，真人化发音
开源素材	Archive.org + NASA + Wikimedia Commons	免费/开源档案影像与纪录片素材
额外素材	Pexels + Unsplash + Pixabay	免费库存影像/图片
合成 (React)	Remotion	图片场景、文字卡片、图表、词级字幕、TalkingHead
合成 (HTML/GSAP)	HyperFrames	动态排版、产品宣传、SVG 角色动画
后期制作	FFmpeg	编码、字幕烧录、音频混音、调色
字幕	内置	带词级时间轴的自动字幕

想配置更多能力，只需往 .env 里加对应的 API Key（每把钥匙等于多一个工具），例如 FAL_KEY（FLUX 图像 + Veo/Kling/MiniMax 视频）、PEXELS_API_KEY、SUNO_API_KEY（原创音乐）、ELEVENLABS_API_KEY（顶级 TTS）等。

流水线（Pipeline）

每条流水线都是一条完整的制作工作流，从创意到成片：

动画解说：研究 + 旁白 + 可视化 + 音乐
电影级：预告片、情绪化剪辑、品牌宣传
纪录片蒙太奇：从 CLIP 索引的免费影像库中剪辑主题蒙太奇（无需付费视频生成 API）
口播 / 屏录 / 播客重制 / 化身代言 / 本地化配音 / 片段工厂 / 混合......

每条流水线都遵循：研究 → 提案 → 脚本 → 场景规划 → 资产生成 → 剪辑 → 合成。每个阶段由专门的导演技能（一个 Markdown 指令文件）指导智能体如何精确执行，并做检查点、自审、在创意分叉点请求人类批准。

工作原理

OpenMontage 采用智能体优先（agent-first）架构------没有代码编排器，你的 AI 助手就是编排器：

复制代码

你："制作一个关于黑洞是如何形成的解说视频"
  → 智能体读取流水线清单 (YAML)：阶段 / 工具 / 审查标准 / 成功关卡
  → 读取阶段导演技能 (Markdown)：每个阶段怎么做
  → 调用 Python 工具：评分选择器在 7 个维度给每个工具打分
  → 用审阅者技能自审：Schema 校验、剧本依从性、质量检查
  → 保存状态检查点 (JSON)：可恢复 + 决策日志 + 成本快照
  → 提交等待你批准
  → 合成前验证关卡：交付承诺 / 幻灯片风险检测 / 渲染器治理
  → 渲染 (Remotion 或 FFmpeg)
  → 渲染后自审：ffprobe / 抽帧 / 音频分析 / 承诺验证
  → 最终输出：通过自审才放行

Python 负责工具与持久化，所有创意决策、编排逻辑、审查标准都存在于可读取、可自定义的指令文件（YAML 清单 + Markdown 技能）里。每一项决定都会被记录，包括备选方案、置信度和每次选择的推理。

三层知识架构

tools/ + pipeline_defs/ ------ "存在什么"：可执行功能 + 编排。
skills/ ------ "如何使用它"：OpenMontage 的约定与质量门槛。
.agents/skills/ ------ "如何工作"：外部技术知识包。

每个工具都会声明依赖哪些第 3 层技能；智能体按需逐层读取。

支持的提供商（部分）

视频生成（15 家）：Kling、Seedance 2.0（火山方舟）、Runway Gen-4、Google Veo 3、Grok Imagine、MiniMax、HeyGen、WAN 2.1 / Hunyuan / CogVideo / LTX-Video（本地 GPU 免费）、Pexels / Pixabay / Wikimedia（素材库）。
图像生成（10 种）：FLUX、Google Imagen 4、Grok Imagine、GPT Image 2、Recraft、Local Diffusion（本地 SD）、Pexels / Pixabay / Unsplash、ManimCE（数学动画）。
TTS（4 家）：ElevenLabs、Google TTS（700+ 声音）、OpenAI TTS、Piper（本地免费）。
后期制作（免费）：FFmpeg、拼接、裁剪、混音、降噪、LUT 调色、字幕生成。

适合场景

教育/内容创作者：想快速产出科普、教程、短片，但不想啃剪辑。
自媒体/营销团队：批量把长内容重制成短视频、做产品预告。
软件团队：自动生成产品演示、屏幕录制。
开发者/Geek：喜欢 DIY、想用开源+本地模型低成本构建自己的"AI 视频工作室"。

结语

OpenMontage 把"写提示词出视频"这件事升级成了"用一句话驱动一条完整制作流水线"。它最大的价值在于：利用你现有的 AI 编程助手，配合一套可审计、可自定义的指令文件，就能实现近似真实制作团队的协作流程------而且不绑定任何一个供应商，免费本地模型与云 API 按需取用。

如果你是 AI 视频方向的开发者或内容创作者，非常值得 clone 下来跑一跑 make demo，体验一把零密钥出成片的感觉。

资源备份（夸克网盘）

本项目完整源码（73.5 MB 压缩包）已同步备份到夸克网盘，可直接下载：

夸克网盘分享链接：https://pan.quark.cn/s/ed597ec66792（永久有效，无需提取码）

参考链接

仓库地址：https://github.com/calesthio/OpenMontage
夸克网盘备份：https://pan.quark.cn/s/ed597ec66792
许可证：AGPL-3.0（详见仓库 LICENSE）