用 AI 做过视频的人都熟这套流程：脚本问 ChatGPT、图给 Midjourney、配音上 ElevenLabs、最后回剪映里一帧帧对时间轴。四个工具、四轮复制粘贴、一次成片半天就没了。
OpenMontage 想干的就是把这一串收进一句话：你在 Claude Code 或 Cursor 里说「做个 60 秒的神经网络讲解视频」，剩下的交给 Agent。
这个项目 3 月底建仓，现在 5.7 万 Star，还挂上了 GitHub Trending 当日第一的徽章。我把它拉进手机里的 Linux 沙盒实测了一遍：一个 ffmpeg、零 API 密钥，121 个注册工具里究竟有几个能真正跑起来——结论比宣传语有意思。
它的核心设计：没有编排器的 Agent 流水线
大多数「AI 做视频」项目本质是一个带 UI 的调用链：Prompt 进、片段出。OpenMontage 反过来——它没有代码编排器，你的 AI 编程助手本身就是编排器。
仓库里被拆成四层，职责很清晰：
tools/—— 121 个 Python 工具，是 Agent 的「手」（生成、配音、剪辑、分析）
pipeline_defs/—— YAML 管线清单，是「剧本」（哪些阶段、用什么工具、什么验收标准）
skills/—— 157 个 Markdown 技能文件，是「怎么做」（每个阶段的导演手册、创作技巧、评审标准）
.agents/skills/—— 90 个技术知识包，是「底层原理」（各家模型 API 怎么用）
每次生产都走同一条流水线：研究 → 提案 → 脚本 → 分镜 → 素材 → 剪辑 → 合成 →（发布）。每个阶段都配一份「导演技能」文件，Agent 读完再动手，做完自查，再停下来等你点头。
比较少见的是它的闸门设计：提案、脚本、分镜、素材生成、发布五个节点默认强制人工确认，官方写明「checkpoint 写入器会拒绝一个没有审批记录的阶段」。素材生成前还会弹一张分镜接触表，把每个镜头的取景、Prompt、预估花费、质量分列出来——钱花在哪儿，先看再批。
配套还有个本地看板 Backlot，管线跑到哪一步、花了多少、哪个 provider 被选中，实时显示在一块板子上，跑完还能按时间戳回放整个生产过程。
内置 12 条管线，覆盖的场景比想象中宽：动画讲解（Animated Explainer）、纯动效（Animation）、数字人播报（Avatar Spokesperson）、电影感预告（Cinematic）、长视频切条（Clip Factory）、纪录片式混剪（Documentary Montage）、实拍+AI 混合（Hybrid）、多语言配音（Localization & Dub）、播客转视频（Podcast Repurpose）、软件录屏（Screen Demo）、口播（Talking Head），以及用 SVG 骨骼做角色动画的 Character Animation。
实测：官方说 100+ 工具，到底几个能跑
实测环境：手机内的 Alpine Linux 沙盒（aarch64，PRoot），Python 3.12，没有配置任何 API 密钥。所有数字来自 sudo 无关的两条命令——工具的注册表发现接口和仓库自带测试套件。
先把官方宣传和实测数字摆一起：
| 官方说法 | 实测结果 |
|---|---|
| 100+ 生产工具 | 注册表实际发现 121 个工具 |
| 60+ provider 集成 | 代码里实际 66 个 provider 标识 |
| 700+ 技能与知识文件 | skills/ 157 个 + .agents/skills/ 577 个 = 734 个 |
| 12 条生产管线 | pipeline_defs/ 下 13 个 YAML（多出的是冒烟测试管线） |
| 零密钥可做真视频 | 装完 ffmpeg 后 121 个工具只有 36 个可用 |
数字对得上，宣传没注水。但最后一行值得展开——因为这决定了你上手第一天的体验。
密钥不是门槛，运行时才是。 装上 ffmpeg 之前，注册表报告 121 个工具全部不可用。装完 ffmpeg（一条 apk add ffmpeg），状态变成：36 个可用、84 个不可用、1 个降级。
拆开看结构更清楚：43 个纯本地工具里 32 个立刻转正，剩下的靠缺失的运行时卡住——Piper 语音要装 piper 二进制、转写要 faster_whisper、语义检索素材要 PyTorch 模型、本地视频生成要 GPU。而 55 个云端 API 工具，零密钥时可用数为 1。
最扎眼的一格是视频生成：27 个视频生成工具，零密钥时可用数量为 0。官方的「零密钥也能出片」指的是另一条路——用 Piper 配音 + 免费素材库/档案馆的现成画面 + Remotion/FFmpeg 做动画合成。这是一条真实存在的路，但它是「拿现成素材剪出视频」，不是「凭空生成画面」。
我挑了几个 ffmpeg 系工具做了实际的端到端调用：
| 工具 | 实测任务 | 结果 |
|---|---|---|
| auto_reframe | 1280×720 横屏转竖屏 | 4.4 秒输出 1080×1920，帧数一致 |
| frame_sampler | 均匀抽 4 帧 | 1.2 秒，4 张 JPG |
| video_trimmer | 裁 1–3 秒片段 | 0.3 秒 |
| silence_cutter | 静音段处理 | 0.5 秒 |
| audio_probe | 音频流探测 | 0.3 秒 |
手机沙盒里跑竖屏重构，4.4 秒——这类活它干得干净。
然后是翻车点，这两个才是真正该看的。
第一个是硬编码的 Windows 字体。showcase_card（给视频加标题卡）的默认字体写死成 segoeuib.ttf——Segoe UI Bold，Windows 专有。在 Linux/macOS 上 ffmpeg 直接退出码 254，报错信息只有一行 FFmpeg failed。有意思的是它的参数说明写着「Uses system font lookup」（使用系统字体查找），但源码里根本没有查找逻辑，三处字体位置全是 segoeui*.ttf 字面量。我显式传入 title_font=/usr/share/fonts/dejavu/DejaVuSerifCondensed-BoldItalic.ttf 后，4.0 秒正常出片。
第二个更值得警惕：注册表的状态字段会撒谎。仓库里一个 9 月 6 日新开的 issue（#637）由踩坑者提出：diagram_gen 在没装 mermaid-cli 的情况下依然报告 AVAILABLE，然后把 mermaid 源码原样渲染成一张文字卡片，还返回 success: True。提问者写道：「一个信任注册表状态和 success 标志的 Agent，会把代码图片当成图表交付出去。」根因是源码里用 or 判定可用性——只要装了 Pillow 就报可用。
我在自己的沙盒里撞上了同一类问题：face_tracker 的工具契约声明依赖只有 cmd:ffmpeg，实际 get_status 检查的却是 mediapipe + opencv。照着契约装 ffmpeg 永远也变不成可用。
最后是仓库自己的测试套件。我没有挑测试，直接跑 pytest tests/contracts tests/tools：1730 项通过、18 项失败、7 项跳过，耗时 32 分钟。18 个失败全部集中在 Google 系后端（Vertex、Imagen、Lyria），原因是我沙盒里没装 google-genai 包——属于环境缺依赖，不是代码缺陷。一个视频项目把契约测试做到 1700+ 项，说明工程纪律是真的。
谁该用、谁等等：三条现实约束
第一条是许可证。OpenMontage 用的是 AGPL-3.0，不是 MIT。你自己用、内部用都没问题，但如果你打算把它集成进一个对外提供服务的 SaaS 产品，AGPL 的传染性会咬人——这一点官方在 README 里没有专门提示，选型时必须自己过一遍。
第二条是单人项目的风险。仓库 52 位贡献者，作者 calesthio 一个人贡献了 311 次提交，其余贡献者都在 30 次以下；当前 317 个 issue 挂在那里（历史总量 152 个已关闭）。项目背后有一个官网和云服务「OpenMontage Studio」的等候名单，也就是说这是「开源核心 + 云产品」的商业结构，长期维护有动力，但节奏完全取决于一个人和一家新公司。
第三条是要选对参照物。同类的视频自动化项目里：MoneyPrinterTurbo 12.2 万 Star、MIT 许可、昨天还在提交，胜在简单直接但只覆盖「素材拼接 + 配音字幕」这一条链路；Open-Sora 2.97 万 Star、Apache-2.0，做的是模型本身不是生产管线；ShortGPT 已经一年多没提交，可以划掉了；Remotion 5.9 万 Star，是 OpenMontage 底层实际使用的合成引擎，属于互补而非竞争。
顺带提醒一句：官方在 9 月 4 日专门开了 issue 声明有假冒的「OpenMontage-app」安装包仓库在传播，这个项目本身不发布任何安装程序。搜索时别装错了。
如果你已经有 Claude Code / Cursor 的订阅，想批量化生产讲解类视频又不想按月付视频生成 API 的钱，它值得放进工具箱第一格——装好 ffmpeg 和 Node，第一天就能跑通素材类管线。如果你期待的是「打开网页、输入主题、十分钟出片」，或者你要把它塞进商业 SaaS，那先放观察清单，等云版本和许可证策略明朗再说。
一句实话：这次实测我没有注册账号、没有购买任何 API 密钥，官方云产品的报价（官网演示账单约 $2.09 一条 60 秒视频）来自官方页面而非我的账单；沙盒环境是 Alpine Linux，与官方推荐的 Ubuntu/macOS 有差异，少数工具的表现可能受环境限制。上面每一个数字都可以复现——仓库是公开的。
关注 AI商业快讯，每天一篇 AI 热点深度解读。
相关阅读：