零 API 密钥就能出片？OpenMontage：为什么 100 多个工具、0 行编排代码却能 $1.33 拍完一整支视频-平芜编程栈

零 API 密钥就能出片？OpenMontage：为什么 100 多个工具、0 行编排代码却能 $1.33 拍完一整支视频

【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage

如果你只见过"提示词进、视频片段出"的 AI 视频工具，那 OpenMontage 可能反直觉：这个开源智能体视频流水线仓库里，一行编排代码都找不到，却能产出一支 60 秒、总成本 1.33 美元的皮克斯风格动画短片——而且不配任何 API 密钥，它也能交付真实成片。它把 AI 编程助手（Claude Code、Cursor、Copilot、Codex 均可）变成一整间视频工作室，智能不藏在模型黑盒里，而是写在 12 条 YAML 流水线和 700 多份 Markdown 技能文件中：改文档，就能改它的工作方式。

它到底在做什么

OpenMontage 把「调研 → 提案 → 脚本 → 分镜 → 素材 → 剪辑 → 合成」七阶段视频生产流水线，变成了 AI 编程助手可以直接执行的指令系统：每个阶段产出一份 JSON 工件和一个检查点，你随时可以停下、审查、改方向。仓库里躺着 12 条生产流水线、100 多个 tools/ 下的 Python 工具、60 多个提供方集成，外加 700 多份 skills/ 技能与生产知识文件。最核心的一个设计：整个系统没有编排器，决策逻辑全部住在可读、可改的 YAML 清单与 Markdown 技能文件里——想调整它的审查标准或加一个新环节，改文档即生效，不用碰代码。

能力阶梯——从零配置到满配

第一层：零配置。什么都不填，先验证它真的能出片：

git clone https://gitcode.com/GitHub_Trending/op/OpenMontage cd OpenMontage make setup && make demo

make demo用内置 Props 直接渲染三支零密钥演示视频，走的是 Piper 离线配音、Remotion 渲染、FFmpeg 后处理加 Archive.org、NASA、Wikimedia 这类免费开放素材源——不花一分钱，成片落在projects/demos/renders/。零密钥跑完整流水线也行：解说视频走"图像生成 + 动画"或真实素材蒙太奇路径，智能体会自动绕开需要付费密钥的镜头。

第二层：轻量配置。往.env里加几个密钥，一行一个能力：

FAL_KEY：解锁 FLUX 图像 + Google Veo、Kling、MiniMax 视频生成
PEXELS_API_KEY/PIXABAY_API_KEY/UNSPLASH_ACCESS_KEY（都是免费注册）：解锁免费真实素材库，喂给纪录片蒙太奇流水线
SUNO_API_KEY：解锁整曲音乐生成

到这一层，一条正式视频的成本大约落在 $0.15–$1.50。

第三层：满配。RUNWAY_API_KEY、HEYGEN_API_KEY、ELEVENLABS_API_KEY（高级配音与音效）、GOOGLE_API_KEY（700+ 音色）全部就位；有 NVIDIA GPU 的话再跑make install-gpu，本地白跑 WAN 2.2、Hunyuan、LTX-2 视频模型，生成镜头的边际成本归零。这一层能吃到云模型里的天花板级画质，仓库公开案例里 $1–3 一条的影片就停在这一档。

判断标准：只用内置能力出片，是为了验证想法；配一个网关密钥 + 免费 stock 密钥，够你做正式内容；全部配齐再加本地 GPU，才值得——那意味着你打算把整条产线搬回家。

拆开看它怎么做到

能力发现：它为什么不会规划你用不起的镜头

问题：一个能调 60 多家供应商的系统，怎么保证不规划出你根本没配的能力？

它怎么做：每次开工前强制"预检"——智能体从 tools/tool_registry.py 扫描本机真实可用的工具，把能力菜单按 "X of Y configured" 的口径汇报给你。你没配 Kling 密钥，任何需要 Kling 的镜头根本不会出现在提案里，方案自动落到免费路径上。

证据：registry.provider_menu_summary()返回四个字段——composition_runtimes（三个渲染引擎各自是否可用）、capabilities[]（每个能力族已配数/总数）、setup_offers[]（差一个环境变量就能解锁的工具）、runtime_warnings[]（静默失败信号），预检报告长这样：

Video Generation: 0/13 configured Image Generation: 1/7 configured You can produce videos now with images + TTS + FFmpeg.

七维评分：每次选供应商都留下算分过程

问题：视频有 Kling、Veo、Seedance、本地 WAN 2.1，图像有 FLUX、Imagen、GPT Image，配音有 ElevenLabs、Google TTS、免费 Piper——到底用谁？

它怎么做：lib/scoring.py 里的评分引擎对每个候选做加权打分，而不是"取第一个可用的"：任务适配度 30%、输出质量 20%、可控性 15%、可靠性 15%、成本效率 10%、延迟 5%、连续性 5%。

return ( self.task_fit * 0.30 + self.output_quality * 0.20 + self.control * 0.15 + self.reliability * 0.15 + self.cost_efficiency * 0.10

每次选择连同所有备选方案、分数和理由，一起写进只追加的决策日志——"为什么用它"永远有答案。

质量门禁：自检不过关，成片根本不给你看

问题：花了钱，最后交出来的却是"动画 PPT"；或者渲染几小时后才发现黑帧、静音、字幕缺失。

它怎么做：提案阶段先锁死交付承诺，渲染前用 lib/slideshow_risk.py 做六维幻灯片风险评估（布局重复、装饰性画面、无叙事目的的运动、镜头意图缺失、文字过度依赖、空喊电影感），均分 ≥ 4.0 直接否决、不许进合成。渲染完成后自动跑 ffprobe 校验、四位置抽帧查黑帧、音量分析查静音和削波、字幕存在性检查——任何一项不过，视频不呈现。

证据：lib/delivery_promise.py里，motion-led（动感主导）类型的承诺要求至少 70% 的切点是真实运动画面，静图回退是明令禁止项：

"motion_led": { "still_fallback_allowed": False, "requires_video_generation": True, "min_motion_ratio": 0.7,

整个生产过程还能挂在本地看板 Backlot 上实时围观：阶段灯逐一点亮，素材生成时场景卡片闪烁，每个供应商决策和每一笔花费都写在墙上。

一笔账

一支 60 秒皮克斯风格动画短片：香蕉和猕猴桃成了朋友。

总成本：$1.33。

链路拆开是五步：

提案与脚本：走 character-animation 流水线，人工拍板方向；
6 段 Kling v3 运动镜头经 fal.ai 逐段生成，逐段过人工审查；
Google Chirp3-HD 配音，配一段免版税钢琴曲；
TikTok 风格逐词字幕烧录；
Remotion 合成渲染，ffprobe 校验 + 抽帧自检全绿后才交付。

可以直接复制的提示词（仓库 PROMPT_GALLERY 里的测试款）：

"Create a 30-second Ghibli-style animated video of a magical floating library in the clouds at golden hour"

起步成本约$0.15。

它拒绝做什么，它偏执于什么

它明确拒绝的：

提示词进、片段出的黑盒。每个视频请求必须走流水线（这是 AGENT_GUIDE 里的 Rule Zero），写个临时脚本直接调 API 属于违规——因为每一步审查都只能发生在工件之上，跳阶段就没有可审查的东西了。
在 Python 里写编排逻辑。编排、创意决策、审查标准全部住在 YAML 清单和 Markdown 技能文件里，Python 只提供工具与持久化——好处是改工作方式 = 改文档，而不是改代码重新发布。
把静态图加推拉镜头冒充视频交付。对 motion-led 的承诺，静图回退是禁止项，系统宁可停下来报错，也不悄悄把片子降格成幻灯片。

它偏执坚持的：

素材溯源。每份素材必须记录 provider、原始 URL 和许可协议，缺一项就过不了 assets 阶段的审查（见pipeline_defs/documentary-montage.yaml的验收标准，素材库规模还得 ≥ 镜头数的 8 倍）。好处：你交付出去的每一帧画面都能查到出处和授权。
决策日志只追加、不修改。中途换了选择，就要用同一个 subject 追加新条目，被换掉的方案移入options_considered。好处：任何时间回看生产记录，每个选择都有当时的理由和备选。
渲染引擎提案时锁定。render_runtime在提案阶段定死并写进决策日志，中途静默换引擎是治理违规。好处：整片的视觉语言不会在制作中途漂移。

你能改什么，它做不到什么

改什么，核心是改文档不改代码：

在 pipeline_defs/ 里写一份 YAML 流水线清单，再配齐skills/pipelines/<pipeline>/下的阶段导演技能文件，就是一条新产线；
在tools/任意子目录放一个继承BaseTool的类，注册表自动发现，无需手工登记。

它做不到、或者不该用于你的场景：

如果你只想随手生成一段 15 秒视频发朋友圈，它对你太重了——从提案到发布的每个关卡都要人确认，这是设计，不是毛病；
它的执行质量依赖驱动它的那个模型：指令驱动的体系在更强模型上表现好，换到更弱的模型上同一份技能文件产出会波动，靠检查点机制（lib/checkpoint.py）做断点续传和人工审批兜底。路线图上下一个节点是接入 Ollama / LM Studio 本地大模型，彻底离线跑完整流水线。

下一步

git clone https://gitcode.com/GitHub_Trending/op/OpenMontage && cd OpenMontage && make setup && make demo

如果那三支零密钥演示片没打动你，关掉就行；如果打动了，把项目目录丢给你的 AI 编程助手，输入："Make a 45-second animated explainer about why the sky is blue"，成片会落在projects/<项目名>/renders/final.mp4。值不值得花时间，取决于你愿不愿意在每个创意节点亲手说一句"可以"或"换一个"。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考