项目概览

OpenMontage 今日以 2,938 ⭐ 的单日新增星数登顶 GitHub Trending，总星数已达 13,499，Fork 数 1,650。它是全球首个开源、Agent 驱动的视频制作系统。

核心理念极具颠覆性：把你的 AI 编程助手变成一个完整的视频制作工作室。 用自然语言描述你想要的内容 —— Agent 自动处理研究、剧本编写、素材生成、剪辑和最终合成。

重要区别：OpenMontage 制作的不是"几张静态图动起来"的假视频，而是真正的视频 —— Agent 从免费素材和开放档案中构建动态剪辑语料库，检索实际镜头，编辑到时间轴中，并渲染出成品。

核心数据

Agent 优先架构

OpenMontage 的架构设计独树一帜：没有代码编排器，你的 AI 编程助手就是编排器。

工作流程如下：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

你: "制作一个关于黑洞如何形成的讲解视频"
 ↓
Agent 读取管线清单 (YAML)  -- 阶段、工具、审查标准、成功门禁
 ↓
Agent 读取阶段导演技能 (Markdown)  -- 如何执行每个阶段
 ↓
Agent 调用 Python 工具  -- 评分选择器跨 7 个维度排名每个工具
 ↓
Agent 使用审查者技能自我审查  -- 模式验证、规范合规、质量检查
 ↓
Agent 检查点状态 (JSON)  -- 可恢复，带决策日志和成本快照
 ↓
Agent 提交审批  -- 你在每个创意决策中保持控制
 ↓
合成前验证门禁  -- 交付承诺、幻灯片风险、渲染器治理
 ↓
渲染 (Remotion 或 FFmpeg)
 ↓
渲染后自我审查  -- ffprobe、帧提取、音频分析、承诺验证
 ↓
最终视频输出

每条管线遵循统一的结构化流程：研究 → 提案 → 剧本 → 场景计划 → 素材 → 剪辑 → 合成。每个阶段都有专门的导演技能 —— 一个 Markdown 指令文件，教导 Agent 如何执行该阶段。

三层知识架构

1
2
3

Layer 1: tools/ + pipeline_defs/     "存在什么" — 可执行能力 + 编排
Layer 2: skills/                     "如何使用" — 约定和质量标准
Layer 3: .agents/skills/             "如何工作" — 外部技术知识包

12 条制作管线

支持 8 种输出平台：YouTube 横屏 (1920×1080)、YouTube 4K (3840×2160)、YouTube Shorts (1080×1920)、Instagram Reels、TikTok、LinkedIn、电影级 (2560×1080) 等。

零 API 密钥的免费能力

这是 OpenMontage 最吸引人的特点之一 —— 无需任何 API 密钥即可开始制作视频：

三条免费路径：

1. 基于图像的视频：Piper 叙述 + 图像视觉 + Remotion 动画
2. 本地角色动画：SVG 骨骼 + 姿势库 + GSAP 时间轴
3. 真实素材视频：纪录片蒙太奇管线从开放档案构建 CLIP 可搜索语料库

供应商生态：14 个视频 + 10 个图像 + 4 个 TTS

视频生成（14 个提供商）

Kling / Runway Gen-4 / Google Veo 3 / Grok Imagine Video / Higgsfield / MiniMax / HeyGen / WAN 2.1 (本地GPU) / Hunyuan (本地GPU) / CogVideo (本地GPU) / LTX-Video (本地GPU) / Pexels / Pixabay / Wikimedia Commons

图像生成（10 个工具）

FLUX / Google Imagen / Grok Imagine Image / DALL-E 3 / Recraft / 本地扩散模型 / Pexels / Pixabay / Unsplash / ManimCE

语音（4 个提供商）

ElevenLabs / Google TTS (700+ 声音) / OpenAI TTS / Piper (本地离线)

音乐和后期

Suno AI / ElevenLabs Music / FFmpeg 全套后期能力

评分供应商选择器

每次选择工具时，Agent 跨 7 个维度 自动评分：

每个重大决策都记录备选方案、置信度分数和推理，形成完整的决策审计追踪。

预算管理

OpenMontage 内置了企业级的成本管控：

• 估算：执行前查看成本
• 预留：调用前锁定资金
• 对账：记录实际支出
• 可配置模式：observe（仅跟踪）/ warn（超支记录）/ cap（硬性限制）
• 每项操作审批：超阈值暂停确认（默认 $0.50）
• 总预算上限：默认 $10，完全可配置

实际成本参考

质量门禁体系

OpenMontage 不满足于"能出视频就行"，而是建立了生产级的质量管控：

1. 合成前验证：交付承诺被违反则阻止渲染
2. 渲染后自我审查：ffprobe 验证、帧提取（检查黑帧和破损叠加）、音频分析
3. 幻灯片风险评分：6 维度分析防止"动画 PowerPoint"输出
4. 源媒体检查：探测每个文件（分辨率、编解码器、音频通道、时长）

Agent 兼容性

即将支持通过 Ollama 和 LM Studio 的本地 LLM。

安装与使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

# 克隆并安装
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup

# 如果没有 make：
pip install -r requirements.txt && cd remotion-composer && npm install && cd .. && pip install piper-tts && cp .env.example .env

# 可选：GPU 本地视频生成
make install-gpu

前提条件：Python 3.10+、FFmpeg、Node.js 18+、一个 AI 编程助手。

使用示例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

# 零密钥，纯免费
"制作一个 45 秒的动画讲解视频，解释为什么天空是蓝色的"

# 免费真实素材纪录片
"制作一个 90 秒的纪录片蒙太奇，关于凌晨 4 点城市的感觉。只用真实素材，无旁白，哀歌基调。"

# 配置 API 后 (~$0.15-$1.50)
"创建一个 30 秒吉卜力风格的动画，关于黄金时刻云端中的魔法漂浮图书馆"

# 从参考视频开始
"这是我喜欢的 YouTube Short。帮我做一个类似的，但关于量子计算。"

项目亮点总结

1. Agent 优先设计：不依赖代码编排器，AI 编程助手本身就是编排器，Agent 自主完成研究、剧本、素材、剪辑、合成全流程
2. 真正的视频制作：不是图片幻灯片加旁白，而是从实际动态素材剪辑、编辑到时间轴、渲染输出的完整视频
3. 零成本入门：Piper TTS + 开放档案素材 + Remotion/FFmpeg 全免费路径
4. 无供应商锁定：14 个视频提供商、10 个图像工具、4 个 TTS 引擎，自由切换
5. 生产级质量管控：合成前验证、渲染后自审、幻灯片风险评分 —— 不只是"能用"，要"够好"
6. 完整的决策审计：每个工具选择跨 7 维度评分，每个创意决策留有置信度和推理记录
7. 多平台输出：8 种预设分辨率/宽高比配置，覆盖主流社交平台

OpenMontage 代表了 AI 智能体在创意内容生产领域的一个重要突破 —— 将代码辅助从传统软件开发延伸到视频制作这一全新领域，让任何人只需用自然语言描述想法，就能获得一支完整的 AI 视频制作团队。

项目地址：https://github.com/calesthio/OpenMontage