01 · 这件事

74,007 星的视频项目,自己不生成一帧画面

2026 年 3 月 29 日建库,到 11 月 1 日,calesthio/OpenMontage 的数据是 74,007 星、9,702 个 fork、421 个未关闭 issue,Python 写的,AGPL-3.0,仓库体积 77,481 KB。最后一次 push 停在 10 月 28 日,之后四天只有星标在涨。官网是 openmontage.video。

它的 description 写得很满:「World's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files.」——首个开源的、agent 驱动的视频制作系统,12 条制作管线、100 多个工具、700 多份 agent 技能与制作知识文件。

但真正定义这个项目的,是 README 里另一句更短的话:「There is no code orchestrator. Your AI coding assistant IS the orchestrator.」没有代码编排器,你的 AI 编程助手本身就是编排器。Python 在这里只负责提供工具和落盘,所有创作决策、编排顺序、验收标准,全部写在可读的 YAML 清单和 Markdown 技能文件里。

这句话把它和市面上的 AI 视频工具彻底分开了。Veo、Kling、可灵那类东西是「输入提示词、输出一段素材」;OpenMontage 不碰模型,它假设你已经有 Claude Code、Cursor、Copilot、Codex 或者 Windsurf,然后把「做一条完整片子」拆成一串 agent 能读懂、能验收、能被打回的工序。它卖的不是生成能力,是流程。

02 · 核心机制

三层结构:能力、用法、知识,分开存放

仓库的目录划分就是这个项目的世界观。tools/ 和 pipeline_defs/ 回答「有什么能力」——前者是 100 多个注册过的生产工具,按 video / audio / graphics / enhancement / analysis / avatar / subtitle 分目录;后者是一份份 YAML,定义每条管线要经过哪些阶段。skills/ 回答「怎么用」——分 pipelines、creative、core、meta 四类 Markdown,教 agent 在每个阶段该干什么、什么算合格。第三层 .agents/skills/ 放外部技术知识包,回答「原理是什么」。

拿其中一条管线拆开看更清楚。以 documentary-montage 为例,它的 YAML 里只有五个阶段:idea(立意)、scene_plan(分镜)、assets(找素材)、edit(剪辑决策)、compose(合成)。每个阶段挂一个 director 技能文件,比如 pipelines/documentary-montage/idea-director,规定这一阶段必须产出什么、审什么。注意 README 里写的是七段式 research → proposal → script → scene_plan → assets → edit → compose,那是通用描述;具体到某条管线,阶段名和数量由它自己的 YAML 决定,两者并不总是一一对应。

真正有意思的是每个阶段后面的两个字段:checkpoint_required: true 和 human_approval_default: true。前四个阶段全部要求人工签字,只有最后的 compose 默认放行。换句话说,立意、分镜、素材、剪辑这四道关,agent 不能自己说了算,它必须停下来等人点头才能往下走。checkpoint 协议还配了一条硬规矩:没记录审批的「已完成」阶段,会被 checkpoint writer 直接拒绝。

编排层也不让 agent 即兴发挥。YAML 的 orchestration 段写着 mode: executive-producer(执行制片人模式)、max_revisions_per_stage: 3(每阶段最多返工 3 次)、max_send_backs: 2(最多打回 2 次)、max_wall_time_minutes: 60(单条片子上限 60 分钟)。这些数字不是建议,是天花板——超了就得停下来。

03 · 关键细节与数据

「12 条管线」这句话,得往下翻一层

先把 description 里那个 12 对上。pipeline_defs/ 目录下确实有 12 个 YAML 文件,但其中一个是 framework-smoke.yaml,只有 675 字节,看名字和体量就知道是框架自检用的样例,不是给用户做片子的。剩下 11 个才是真管线:animated-explainer、animation、avatar-spokesperson、character-animation、cinematic、clip-factory、documentary-montage、hybrid、localization-dub、podcast-repurpose、screen-demo、talking-head——数出来是 12 个名字,但 README 的表格里只列了 11 行,character animation 是正文里单独提的。

这个差异不大,但它说明一件事:这个项目的宣传口径比实现略快半步。星标数、fork 数这些是硬数据,管线数量这种自述值,最好自己数一遍。

技能文件的体量倒是实打实的。skills/meta/ 下 10 个 Markdown,最厚的 reviewer.md 有 25,407 字节,video-reference-analyst.md 21,189 字节,checkpoint-protocol.md 11,379 字节。reviewer 是那个负责打回的角色,checkpoint-protocol 是审批流程,taste-direction 管审美方向——这套东西不是「让 AI 随便剪」,是把人的判断标准写成文件,让 agent 照着执行。

质量闸门是具体的。assets 阶段的验收要求写死了两条:corpus size >= 8x slot count(素材库规模至少是镜头槽位的 8 倍)、scores >= 0.22(CLIP 检索相似度门槛 0.22)。edit 阶段要求成片时长与立意里的 duration_seconds 误差在 10% 以内,compose 阶段收紧到 1 秒。另外 render_runtime 在立意阶段选定后就被锁死,YAML 原文把「静默切换到 hyperframes 或 ffmpeg」写成 CRITICAL governance violation——静默换渲染器算严重违规。

钱的部分最实用。README 的 Budget Controls 一节写着:执行前先估算成本,调用前先预留预算,执行后对账;三种模式 observe(只记录)、warn(超额告警)、cap(硬上限);单次动作超过阈值要停下来确认,默认阈值 $0.50;单个项目总预算上限默认 $10,可改。具体到管线,documentary-montage.yaml 里 budget_default_usd 是 1.00。README 还给了一条真实成本:60 秒皮克斯风短片《THE LAST BANANA》,用了 6 个 Kling v3 生成片段加 Google Chirp3-HD 旁白,总成本 $1.33。

数据核对:2026-11-01 经 api.github.com 读取,full_name = calesthio/OpenMontage,stargazers_count 74007,forks_count 9702,open_issues_count 421,subscribers_count 368,created_at 2026-03-29T15:23:22Z,pushed_at 2026-10-28T21:46:02Z,language Python,license AGPL-3.0,size 77481KB,homepage openmontage.video。管线与阈值取自 raw.githubusercontent.com 上的 pipeline_defs/documentary-montage.yaml 与 README.md。易误解点有两个:一是「12 条管线」对应 12 个 YAML,其中 framework-smoke 是自检样例,实际内容管线 11 条;二是「$0.50 / $10」是治理层的默认阈值,不是每条管线的预算,documentary-montage 自己的默认预算是 $1.00。星标实时变化,引用请以仓库当前数据为准。
04 · 怎么用

先装依赖,再把它当「会剪片的同事」用

门槛不高,但也不是双击即用。前置要求:Python 3.10 以上、FFmpeg、Node.js 18 以上(如果要用 HyperFrames 合成,需要 22 以上),以及一个能读文件、能执行 Python 的 AI 编程助手。仓库为各家助手分别放了配置文件——Claude Code 读 CLAUDE.md,Cursor 读 CURSOR.md 加 .cursor/rules/,Copilot 读 COPILOT.md,Codex 读 CODEX.md,Windsurf 读 .windsurfrules,最终都指向同一份 AGENT_GUIDE.md。

标准装法是两条命令:

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

没有 make 就手动来,macOS / Linux 一行搞定:建 venv、装 requirements.txt、进 remotion-composer 跑 npm install、装 piper-tts、把 .env.example 复制成 .env。Windows 上如果 npm install 报 ERR_INVALID_ARG_TYPE,README 给的绕法是 npx --yes npm install。

装完就在助手对话框里下指令,不需要记命令。比如:「Make a 60-second animated explainer about how neural networks learn」。想要真实素材路线,措辞要更明确——必须点出 documentary montage / stock-footage collage 这类词,并显式写上 use real footage only,否则 agent 会默认走生成路线。README 把这当作已知的触发条件,不是 bug。

零密钥也能跑。make setup 自带的免费组合是:Piper TTS 做离线旁白,Archive.org、NASA、Wikimedia Commons 提供开放素材,Remotion 做 React 合成,FFmpeg 做后期,字幕用内置词级时间戳。Pexels、Unsplash、Pixabay 的 key 免费申请。想接商业模型再往 .env 里加,FLUX、Veo、Kling、Seedance、ElevenLabs、Suno 这些都有对应变量,README 的原话是 every key is optional。想白嫖本地算力就跑 make install-gpu,之后把 VIDEO_GEN_LOCAL_ENABLED 打开,模型可选 wan2.2-ti2v-5b、hunyuan-1.5 之类。

还有两个不装 key 也能用的自检命令,值得先跑一遍看看它认得出多少能力:python -c "from tools.tool_registry import registry; registry.discover(); print(registry.provider_menu())"。以及 make demo 渲染一条零密钥的演示片,make test-contracts 跑不需要 API key 的契约测试。

05 · 冷思考

74,007 星里,有多少是投给「流程」的

第一个数字对比值得盯住:74,007 个星标,订阅者(watch)只有 368 个,占比 0.5%。同时 fork 有 9,702 个,占星标 13.1%——这个比例在开源项目里偏高。星标是收藏,fork 是要真跑。两者一起看,更像是「很多人想拿它改自己的流水线」,而不是「很多人天天在用它做片子」。热度真实,但用法可能和标题给人的印象不一样。

第二个质疑是维护节奏。421 个未关闭 issue,最后一次 push 在 10 月 28 日。一个 7.4 万星的项目,四天没有代码提交,issue 堆到四百多——这不一定是作者跑路,但至少说明吞吐跟不上流入。AGPL-3.0 也是道坎:你要是拿它改一改,做成给别人用的网络服务,按协议得把改动开源。想做商业化剪辑 SaaS 的,这条得先想清楚,它不是 MIT。

第三个是最实际的:预算闸门的摩擦成本。单次动作超 $0.50 就要停下来等人确认,总预算默认 $10 封顶。对个人玩一玩够用,但一条 60 秒的片子如果涉及几十次素材生成,你会被反复打断,最后大概率把阈值调高——而调高之后,这套治理机制就等于没有。它设计得很认真,但认真和好用之间隔着一段。治理的价值取决于你愿不愿意一直守在旁边点确认。

第四个是隐性成本:上下文。700 多份技能与知识文件,每个阶段都要加载对应的 director skill,加上 reviewer、checkpoint-protocol 这些 meta 层。这意味着每次跑管线,模型都要先吃进一大堆指令。README 承认目前还不支持本地 LLM,Ollama 和 LM Studio 在「coming soon」里——也就是说,你依然得为这套流程付云模型的 token 钱,而这笔钱不显示在 $10 的预算表里。

最后说一句它没解决的问题。「把视频制作拆成工序」这件事,对熟手是加分——它把经验固化成可复用的检查项;对新手是负担——你得先知道自己要什么,才能批准分镜、才能判断素材选得对不对。项目把「人的判断」放在了流程的正中央,四个阶段都要你签字。这既是它比一键生成靠谱的原因,也是它没法真正「自动」的原因。

我的判断是:OpenMontage 值得装,但别指望它替你做决定。它真正的价值不在那 11 条管线,而在 skills/meta/reviewer.md 那 25KB 的验收标准——那是一份可以抄的「什么叫剪得还行」的清单。哪怕你不用它的工具链,把那几个文件读一遍,也比再看十个 AI 视频工具测评有用。想省事、想一键出片的人,用 Veo 或可灵更直接;想把做片子的标准沉淀下来、反复复用的人,才用得上它。

去看原始仓库

calesthio/OpenMontage,2026-03-29 创建,写作时 74,007 星 / 9,702 fork,AGPL-3.0,Python

前往 GitHub

相关平台

#OpenMontage #Agent #视频制作 #Skill #AGPL #开源