现在用 AI 做视频，常见流程是输入一句 prompt，拿回一段五秒左右的画面。画面可以用，但它只是一条素材，旁白、配乐、字幕、转场和成片节奏还得自己处理。很多号称免费的方案则是另一回事：生成几张静态图，加上推拉摇移和转场，包装成视频交付。

OpenMontage 是一套开源的视频制作系统，使用 Python 编写，采用 AGPLv3 协议。它本身不做编排，而是把你已有的 AI 编程助手当作制片人：Claude Code、Cursor、Copilot、Windsurf、Codex 都可以接入。你用自然语言说明需求，它负责调研、写脚本、排分镜、生成素材、剪辑、合成，最后交付一条成片。

本文适合已经在用 AI 编程助手、又经常要做解说视频、产品短片或播客切片的读者，内容包括：流水线结构、无 API key 的免费出片方式、Backlot 制作看板、provider 选择与预算控制、安装步骤，以及上手前需要权衡的限制。

OpenMontage 的流水线结构

OpenMontage 提供十多条制作流水线，每条对应一种成片类型：动画讲解、纪录片蒙太奇、电影预告、口播、屏幕演示、播客切片、多语言配音、头像播报等。

每条流水线都走同一条主线：

research -> proposal -> script -> scene_plan -> assets -> edit -> compose

每个阶段配有一份 director skill，用 Markdown 写成，专门告诉 agent 这一步该怎么做。整套系统没有代码编排器，agent 本身就是编排器，Python 只负责提供工具和保存状态。按官方 README 的统计，这套结构下挂着 100 多个工具、60 多个 provider 集成，以及 700 多份技能和制作知识文件。

写脚本之前还有一个调研阶段：agent 会搜索 YouTube、Reddit、新闻和学术来源，收集数据点、观众关心的问题和视觉参考，整理成一份带出处的调研简报。脚本依据这份简报来写，而不是由模型凭空编造。

不填 API key 也能出片：免费链路与真实素材

make setup 完成后，不填任何 key 也能开始制作。免费链路包括：

环节	默认工具	说明
旁白	Piper	本地离线 TTS
素材	Archive.org、NASA、Wikimedia Commons	开放档案中的影像资料
合成	Remotion（React）或 HyperFrames（HTML + GSAP）	两套引擎按需求选择
后期	FFmpeg	编码、字幕烧录、混音，字幕带词级时间轴

拉开差距的是纪录片蒙太奇这条流水线。它先用 CLIP 把免费素材建成可语义检索的语料库，再按镜头意图检索出真实的运动画面，排进时间线后渲染成片，而不是拿几张静态图来回推拉。

想走这条路，prompt 里要明确要求只用真实素材：

Make a 90-second documentary montage about what a city feels like at 4am.
Use real footage only, no narration, elegiac tone.

Backlot 制作看板：查看进度、审批分镜与重放

聊天窗口只能告诉你 agent 说了什么，Backlot 则是一块本地看板，显示制作本身进行到哪一步。

各阶段依次亮起，脚本以剧本页的形式呈现，素材生成时场景卡片会有动态提示，选了哪个 provider、花了多少钱都显示在看板上。开始制作时它会自动打开，不需要额外配置。

分镜这一关是真正的审批节点。素材生成会停在逐场景的联络表上，每个场景展示试拍结果、prompt、单条成本和质量分，你在渲染之前审批，而不是渲染完才发现方向不对。

python -m backlot open                  # 库，机器上所有项目
python -m backlot open <project-id>     # 某条产线的实时看板
python scripts/backlot_simulate_run.py  # 还没开工，先看一场模拟

制作结束后点击 REPLAY RUN，整个过程会按时间戳重放一遍，可以来回拖动查看。

provider 选择、预算控制与质量检查

provider 怎么选

OpenMontage 用七个维度给 provider 打分：任务匹配 30%、输出质量 20%、控制能力 15%、可靠性 15%、成本效率 10%、延迟 5%、连贯性 5%。胜出的 provider 连同落选项一起写进决策日志，事后可以查到选择依据。

预算怎么控

预算分三步：先估算，再锁定额度，跑完后对账。有三种模式：

observe：只记录；
warn：记录超支；
cap：硬性封顶。

单次操作超过阈值时会暂停并询问你，默认阈值是 0.5 美元；总预算默认上限是 10 美元，均可配置。

质量检查

合成前有一道校验：承诺做动态视频却塞了八成静态图的方案会被拦下；另有一套六维幻灯片风险评分，防止产出“会动的 PPT”。

渲染后自动自查：用 ffprobe 验证文件，在四个位置抽帧检查黑帧和字幕错位，分析音量是否有静音或爆音，并核对是否兑现交付承诺。自查不通过的视频不会交给你。

样片成本参考

项目给每条样片都标了花费。一条 60 秒的 Pixar 风格动画短片，包含六段生成镜头、旁白、免版税钢琴曲和词级字幕，花费 1.33 美元；一条 50 秒的竖版变形短片，大约 4 美元。这些是单条样片的实际花销，换题材或换模型，数字会有变化。

安装与运行步骤

环境要求：

Python 3.10 及以上；
Node.js 18 及以上；
FFmpeg；
一个 AI 编程助手（Claude Code、Cursor、Copilot、Windsurf 或 Codex）。

安装：

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

然后在 AI 编程助手中打开项目，用自然语言描述需求即可。所有 API key 都是可选的，填得越多，可用的工具越多。有 GPU 的话，运行 make install-gpu 可以解锁本地视频生成，WAN、Hunyuan、CogVideo、LTX 等模型都能运行。

还有一个更省事的入口：给它一个你喜欢的 YouTube Short 或 Reel，它会分析转录、节奏、分镜和风格，给出两三个差异化方案、一条如实说明的工具路径、目标时长下的成本估算，以及一段样片。看完再决定是否完整制作。

上手前需要考虑的限制

协议：AGPLv3。如果要做商业闭源集成，最好先咨询法务。
门槛：环境变量、多媒体依赖、FFmpeg 转码都需要一定基础，完全没有经验的用户很可能卡在第一步。
provider 与画质：支持的 provider 很多，但不填 key 就用不上；免费链路能出片，画面质量和付费模型仍有差距。

如果你已经在用 Claude Code 或 Cursor，又经常要做解说视频、产品短片、播客切片，可以安排一个下午部署一遍：先跑通免费链路验证环境，再按需接入 provider，成本始终由你控制。

参考链接

GitHub 项目地址：github.com/calesthio/OpenMontage
官网：openmontage.video
Provider 配置说明：docs/PROVIDERS.md