OpenMontage 完全指南 - 用 AI Agent 打造专业视频制作工作室 - Claude

引言

OpenMontage 是全球首个开源的智能体（Agentic）视频制作系统，能够将你的 AI 编码助手（Claude Code、Cursor、Copilot 等）转变为完整的视频制作工作室。你只需用自然语言描述需求，智能体就会自动完成：

📚 主题研究
📝 脚本撰写
🎨 素材生成
✂️ 剪辑合成
🎬 最终渲染

核心亮点：OpenMontage 不仅能制作基于图片的视频，还能制作真正的「视频级」视频——智能体从免费素材库和开放档案中构建素材库，检索真实动态片段，将其编辑到时间线中，最终渲染出完整成片。

作品展示

SIGNAL FROM TOMORROW

一部电影级科幻预告片，完全通过 OpenMontage 制作：概念、脚本、场景规划、Veo 生成动态片段、配乐、Remotion 合成。

THE LAST BANANA

60 秒皮克斯风格动画短片，讲述一根孤独香蕉与奇异果找到友谊的故事。6 个 Kling v3 生成的动态片段（通过 fal.ai）、Google Chirp3-HD 旁白、免版税钢琴音乐、TikTok 风格逐字字幕。

总成本：$1.33

The Library at Alexandria

70 秒历史挽歌，讲述人类在一夜之间失去了什么。五个手工设计的场景——照明手稿页、瀑布般的卷轴标签、蜡烛火焰中从 70 万归零的「烧毁计数器」、烧焦的羊皮纸碎片上残存的希腊文字、以及空无一物的虚空——配以 OpenAI 'ash' 旁白和免费 Pixabay 弦乐配乐。

总成本：$0.02

VOID — Neural Interface

仅用一个 API 密钥（OpenAI）制作的产品广告。4 张 AI 生成图片（gpt-image-1）、TTS 旁白、自动获取免版税音乐、WhisperX 逐字字幕、Remotion 数据可视化。

总成本：$0.69

Afternoon in Candyland

吉卜力风格动漫，一个小女孩在糖果门、橡皮糖河、棒棒糖花园中的奇幻下午冒险。12 张 FLUX 生成图片配合多图交叉淡入淡出、电影级运镜（缩放、平移、Ken Burns）、闪光/花瓣/萤火虫粒子叠加层、以及自动检测能量偏移的氛围音乐。

总成本：$0.15

Mori no Seishin

吉卜力风格的森林精灵之旅，一个森林精灵穿越古老森林的故事。12 张 FLUX 生成图片配合视差交叉淡入淡出、漂移和平移运镜、萤火虫和花瓣粒子、电影级暗角灯光，以及环境森林配乐。

总成本：$0.15

核心特性

🎬 从参考视频开始

你可以从一个喜欢的视频（YouTube Short、Reel、TikTok 或本地片段）开始，OpenMontage 会将其转化为基于事实的制作方案：

粘贴一个参考视频
智能体分析脚本、节奏、场景、关键帧和风格
获得 2-3 个差异化概念、可行的工具路径、成本估算，以及完整制作前的样片

示例输入：

"这是我喜欢的一个 YouTube Short。给我做个类似的，但主题是量子计算。"

你将获得：

保留的元素：节奏、开场风格、结构、基调
改变的元素：主题、视觉处理、角度、旁白方式
目标时长的成本：在素材生成开始前就能知道
可用工具下的实际效果：用你当前拥有的工具能做出什么样的效果

🎛 Backlot 实时故事板

聊天告诉你智能体「说了什么」，Backlot 展示制作实际在做什么——一个本地面板，随着流水线运行自动填充。阶段点亮、脚本以剧本页形式呈现、场景卡随素材生成而闪烁，每一个供应商决策和花费都一目了然。

故事板成为真正的审批关卡：素材生成在逐场景的联系表上暂停——包含成片、提示词、单素材成本、质量评分——这样你可以在渲染前批准视觉效果，而不是在为时已晚之后。

🔧 工具注册表与决策日志

每一个供应商选择都经过 7 个维度的评分，并附带可审计的决策日志。每一个创意决策都需要你的批准。

快速开始

环境要求

工具	版本要求	说明
Python	3.10+	核心运行环境
FFmpeg	最新	视频编码与后期制作
Node.js	18+	Remotion 渲染引擎
AI 编码助手	-	Claude Code / Cursor / Copilot / Windsurf / Codex

安装步骤

bash
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage

2. 运行安装脚本
make setup

没有 make 命令？

macOS/Linux：

bash
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
cd remotion-composer
npm install
cd ..
python -m pip install piper-tts
cp .env.example .env

Windows PowerShell：

powershell
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

第一次制作

打开项目，在 AI 编码助手中说：

"制作一个 60 秒的动画解释视频，主题是神经网络如何学习"

或者想要真实素材路线：

text
"制作一个 75 秒的城市雨天生活纪录片蒙太奇。只用真实素材，不要旁白，挽歌风格，配音乐。"

就是这么简单。智能体会：

用实时网络搜索研究你的主题
生成 AI 图片
撰写脚本并配上有语气指导的旁白
自动找到免版税背景音乐
烧录逐字字幕
渲染最终视频

在你看到任何成果之前，系统会运行多点自我审查：ffprobe 验证、帧采样、音频电平分析、交付承诺验证和字幕检查。

零 API 密钥能做什么

你不需要付费 API 密钥就能制作真正的视频。开箱即用，make setup 为你提供：

能力	免费工具	说明
旁白	Piper TTS	完全离线的文本转语音，真人般的旁白
开放素材	Archive.org + NASA + Wikimedia Commons	免费/开放档案素材、教育媒体和纪录片质感
额外素材库	Pexels + Unsplash + Pixabay	免费素材/图片（开发者密钥免费获取）
合成 (React)	Remotion	基于 React 的渲染——弹性动画图片场景、文字卡片、统计卡片、图表、TikTok 风格逐字字幕、TalkingHead
合成 (HTML/GSAP)	HyperFrames	HTML/CSS/GSAP 渲染——动态排版、产品宣传片、发布预告、注册表块、网站转视频、SVG 角色动画绑定
后期制作	FFmpeg	编码、字幕烧录、音频混合、调色
字幕	内置	自动生成带逐字时间码的字幕

三种免费视频路径

图片动画视频：Piper 朗读你的脚本，图片提供视觉，Remotion 将其动画化为精致的剪辑。
本地角色动画：SVG 绑定、姿势库、GSAP 时间线，HyperFrames 将卡通角色表演渲染为视频。
真实素材视频：纪录片蒙太奇流水线从 Archive.org、NASA、Wikimedia Commons 和可选的免费密钥来源（如 Pexels 和 Unsplash）构建可 CLIP 搜索的素材库，然后将真实动态片段剪辑成完整视频。

如果你想要第三个，用提示词说纪录片蒙太奇、音诗或素材拼贴，并明确说只用真实素材。

API 密钥配置

在 .env 文件中添加你的密钥，每一个都是可选的：

bash
============== 图片 + 视频网关 ==============
FAL_KEY=your-key
FLUX 图片 + Google Veo, Kling, MiniMax 视频 + Recraft 图片

============== 免费素材库 ==============
PEXELS_API_KEY=your-key
PIXABAY_API_KEY=your-key
UNSPLASH_ACCESS_KEY=your-key

============== 音乐 ==============
SUNO_API_KEY=your-key
完整歌曲、器乐、任何风格

============== 语音 & 图片 ==============
ELEVENLABS_API_KEY=your-key
OPENAI_API_KEY=your-key
XAI_API_KEY=your-key
GOOGLE_API_KEY=your-key

============== 更多视频供应商 ==============
HEYGEN_API_KEY=your-key
RUNWAY_API_KEY=your-key

有 GPU？解锁免费本地视频生成

bash
make install-gpu

然后在 .env 中添加：

bash
VIDEO_GEN_LOCAL_ENABLED=true
VIDEO_GEN_LOCAL_MODEL=wan2.1-1.3b
可选：wan2.1-14b, hunyuan-1.5, ltx2-local, cogvideo-5b

供应商指南

步骤	成本	要设置什么	解锁内容
1	$0	Pexels + Pixabay	素材照片和视频——足够制作基础视频
2	$0	Google API key	700+ 种语音的 TTS（每月 100 万字符免费）+ 新账户 300 美元赠金
3	$0	ElevenLabs	优质 TTS + 音乐 + SFX（每月 1 万字符免费）
4	$0	Piper (本地安装)	完全离线 TTS——无需密钥、无需费用、无需网络
5	约 $0.03/图	fal.ai	FLUX 图片 + Kling/Veo/MiniMax 视频 + Recraft——单密钥覆盖广
6	约 $0.04/图	OpenAI	DALL-E 3 图片 + OpenAI TTS
7	$12/月起	Runway	Gen-4 视频——最高质量 AI 视频
8	按量付费	Suno	带人声和歌词的完整歌曲生成

fal.ai — 多模型网关

单密钥广泛覆盖。一个 API 密钥解锁跨多个模型的图片和视频供应商。

价格：

FLUX Pro v1.1：$0.05/图
FLUX Dev：$0.03/图
Kling 2.5 Turbo Pro：$0.07/秒
Veo 3：$0.40/秒
MiniMax：约 $0.05/秒

ElevenLabs — 语音、音乐、音效

最高语音质量。旁白密集型视频的最佳 TTS。也生成音乐和音效。

价格：

免费：$0，每月 10,000 字符
Starter：$5/月，30,000 字符
Creator：$22/月，100,000 字符
Pro：$99/月，500,000 字符

Google — TTS + Imagen（共享密钥）

一个密钥，两个工具。Google Cloud TTS 拥有 700+ 种语音、50+ 种语言——最强的本地化选项。Imagen 4 生成高质量图片。

TTS 价格：

Standard：$4.00 / 100 万字符（每月 100 万免费）
WaveNet：$16.00 / 100 万字符（每月 100 万免费）
Neural2：$16.00 / 100 万字符（每月 100 万免费）
Chirp 3 HD：$4.00 / 100 万字符

每月免费额度独立计算——你每月免费获得 100 万 Standard + 100 万 WaveNet + 100 万 Neural2 字符，约 250+ 分钟旁白零成本。

Runway — Gen-4 视频

评分最高的 AI 视频质量。专业级视频生成。

价格：

Standard：$12/月，625 积分（约 25 秒 Gen-4）
Pro：$28/月，2,250 积分
Unlimited：$76/月，无限制（探索模式）

Backlot 控制面板

启动 Backlot 查看你的制作库：

bash
python -m backlot open
资料库——磁盘上的每个项目

python -m backlot open 
一个制作的实时面板

python scripts/backlot_simulate_run.py
还没有制作？观看一个模拟运行

核心功能

🎬 实时制作面板：阶段点亮、脚本呈现、场景卡闪烁
📋 逐场景审批：联系表 + 成本 + 质量评分，渲染前批准
📚 制作库：机器上所有制作项目一览无余
⏪ 运行回放：完成后可从头到尾回放整个制作过程，可拖拽

工作原理

OpenMontage 采用流水线驱动的架构：

提案阶段：分析需求，选择合适的流水线
研究阶段：网络搜索，收集素材和参考
脚本阶段：撰写脚本，设定旁白风格
素材阶段：生成或检索图片/视频素材
合成阶段：Remotion 或 HyperFrames 渲染
后期阶段：字幕、音频混合、编码
审查阶段：多点质量检查

最佳实践

✅ 推荐做法

从简短提示开始：让智能体提出详细方案，你再调整
使用审批关卡：在脚本和素材阶段都进行人工审核
从免费路径开始：先用 Piper + Pexels 试试水
逐步添加密钥：需要更高质量时再添加付费供应商

❌ 避免的陷阱

不要期望第一次就完美：AI 视频制作需要迭代
不要忽略成本估算：在生成大量素材前先看报价
不要用图片路径做精确文本：图片中的文字识别可能不准确
不要跳过 Backlot：它是你的质量控制中心

常见问题

Q: OpenMontage 需要编程基础吗？ A: 不需要。你只需要会用 AI 编码助手（如 Claude Code），用自然语言描述你想要的视频即可。

Q: 我能免费使用吗？ A: 可以。零 API 密钥即可使用 Piper TTS + Archive.org 素材 + Remotion 合成，制作完整视频。

Q: 制作一个视频需要多长时间？ A: 取决于复杂度和供应商。简单的解释视频 5-15 分钟，复杂的 AI 视频生成可能需要更长时间。

Q: 支持哪些 AI 编码助手？ A: 支持 Claude Code、Cursor、Copilot、Windsurf、Codex——任何能读取文件和运行代码的 AI 编码助手。

Q: 视频输出在哪里？ A: 渲染输出在 projects/<项目名>/renders/final.mp4。

总结

OpenMontage 代表了 AI 视频制作的全新范式：

🔥 零门槛：用自然语言描述即可
💰 成本可控：从免费到按需付费
🎯 质量可控：多级审批关卡
🛠 高度可扩展：20+ 供应商，本地/云端自由选择
📖 完全开源：AGPLv3 协议

对于内容创作者、教育工作者、营销人员和开发者来说，OpenMontage 打开了一扇门——让专业级视频制作变得像聊天一样简单。

一句话总结：你的下一个视频，可能不是你剪的，而是你的 AI 助手做的。

参考资料

[1] OpenMontage GitHub 仓库：https://github.com/calesthio/OpenMontage

[2] OpenMontage YouTube 频道：https://www.youtube.com/@OpenMontage

[3] 供应商完整文档：https://github.com/calesthio/OpenMontage/blob/main/docs/PROVIDERS.md

[4] 智能体指南：https://github.com/calesthio/OpenMontage/blob/main/AGENT_GUIDE.md

OpenMontage 完全指南 - 用 AI Agent 打造专业视频制作工作室

引言

作品展示

SIGNAL FROM TOMORROW

THE LAST BANANA

The Library at Alexandria

VOID — Neural Interface

Afternoon in Candyland

Mori no Seishin

核心特性

🎬 从参考视频开始

🎛 Backlot 实时故事板

🔧 工具注册表与决策日志

快速开始

环境要求

安装步骤

2. 运行安装脚本

第一次制作

零 API 密钥能做什么

三种免费视频路径

API 密钥配置

============== 图片 + 视频网关 ==============

FLUX 图片 + Google Veo, Kling, MiniMax 视频 + Recraft 图片

============== 免费素材库 ==============

============== 音乐 ==============

完整歌曲、器乐、任何风格

============== 语音 & 图片 ==============

============== 更多视频供应商 ==============

有 GPU？解锁免费本地视频生成

可选：wan2.1-14b, hunyuan-1.5, ltx2-local, cogvideo-5b

供应商指南

推荐设置顺序

fal.ai — 多模型网关

ElevenLabs — 语音、音乐、音效

Google — TTS + Imagen（共享密钥）

Runway — Gen-4 视频

推荐提示词

从零开始

从参考视频开始

真实素材纪录片

角色动画