视频制作的竞争维度变了：有人在拼生成时长，有人在让 AI 组剧组

你有没有想过一个问题：为什么 AI 视频工具发展了这么久，大多数人还是用 Premiere 剪片？

答案藏在一个被忽视的矛盾里——AI 能生成 4 秒视频了，但把 4 秒视频变成一部完整作品，中间还隔着 47 道工序。

脚本、分镜、素材、配音、字幕、配乐、转场、调色、渲染……每一步都是一种格式、一个工具、一次人工衔接。生成能力再强，工序摩擦不消除，AI 永远只是"素材供应商"，不是"制作团队"。

直到一个项目把这件事的逻辑彻底翻过来了。

从"给你工具"到"给你一个剧组"

OpenMontage，GitHub Trending 日增 3,434 Star 登顶，3 个月累计 24K+ Star。它的定位不是"AI 视频生成器"，而是**"agentic 视频生产系统"**。

这两个词的差别，比"电钻"和"装修队"还大。

传统 AI 视频工具的逻辑是：你输入提示词 → 它吐出一段视频 → 你自己剪、自己配、自己调。工具是工具，人是人，中间的衔接全靠手工。

OpenMontage 的逻辑是：你在 Claude Code 或 Cursor 里用自然语言说"做一个 60 秒的科幻预告片" → AI 助手自己调研主题、写脚本、生成画面、找配乐、配音、加字幕、渲染成片。你只管提需求，它自己组队干活。

这不是"让图片动起来"那种小儿科。它有两条路径：一条是 AI 生成画面做动画短片，另一条是从 Archive.org、NASA、Wikimedia Commons 里检索真实素材剪辑纪录片——后者用的是真实影像，不是 AI 编的。

一杯咖啡钱拍一部片

光说架构没感觉，看数字：

1 元钱做 30 秒吉卜力风动画，9 元钱做 1 分钟皮克斯风短片——这个成本数字，比大多数人的直觉低两个数量级。

而且每个视频的完整提示词、流水线配置、工具调用和成本明细全部公开在 YouTube 频道上，可以完全复现。这不是"展示效果"，是"可验证的生产力"。

没有大脑，只有说明书——这才是关键

OpenMontage 最反直觉的设计，是它没有编排器。

传统自动化系统一定有个 Python 循环或状态机，写死了"先调 A 再调 B，B 失败重试 3 次"。OpenMontage 把这层整个删了。

它做的是另一件事：把"怎么拍片"写成 Markdown 技能文件和 YAML 流水线定义，喂给 AI 助手读。546 个 .md 技能文件，12 条 YAML 流水线——知识不固化在代码里，而是当数据喂给模型。

模型读着"剧本"自己决策：用哪个渲染引擎、按什么顺序调工具、出片前查哪些质量项。编排这件事，从"人写死的代码"变成了"模型实时判断"。

三个渲染引擎各管一段：

• Remotion：编程式合成，React 组件帧级控制，适合电影级科幻预告片
• HyperFrames：Web 技术栈，HTML/CSS/GSAP，适合动态排版和产品宣传
• FFmpeg：编码、字幕烧录、调色、音频混合，后期收尾

提案阶段，AI 自己在 Remotion 和 HyperFrames 之间选——选择权在模型，不在代码。

这种架构的上限和下限都交给了模型能力。模型读不懂剧本，整个系统空转；模型够聪明，它就能做出超越任何固定流水线的灵活决策。

12 条流水线，覆盖了什么

从动画讲解到纪录片剪辑，从数字人口播到播客再剪辑——12 条流水线基本覆盖了短视频制作的主流类型：

• animated-explainer / animation：动画讲解和动画短片
• cinematic / hybrid：电影级和混合风格
• documentary-montage：纪录片蒙太奇（真实素材剪辑）
• talking-head / avatar-spokesperson：数字人口播和虚拟发言人
• clip-factory / screen-demo：短片工厂和屏幕演示
• localization-dub / podcast-repurpose：本地化配音和播客再剪辑
• character-animation：角色动画

每条流水线就是一个 YAML，定义用哪些工具、按什么顺序、输出什么。三种内置剧本风格——干净专业（企业/教育）、扁平动态图形（社交媒体）、极简图解（技术解析）——统一控制排版、调色和运动风格。

四个清醒的认知

热度归热度，几个硬伤必须说清楚。

第一，AGPL-3.0 是商业地雷。 这个协议的"传染性"比 MIT、Apache 狠得多——你在网络服务里用了它、改了它，整套代码都得开源。想做商业 SaaS 的，先找法务。

第二，环境依赖重。 Python 3.10+、Node.js 18+、FFmpeg、Remotion npm 包、HyperFrames——Windows 上 npx 首次冷拉取经常卡 30 到 60 秒。环境配齐需要耐心。

第三，API key 要一堆。 .env.example 里列了 FAL、Google、ElevenLabs、Suno、HeyGen、Runway、Pexels 等十多种付费 API。跑完整流水线，key 的成本不低；只跑免费档，能力打折。

第四，没有正式版本号。 直接 clone main 分支用，每次拉代码都可能踩到正在改的东西。生产环境慎用。

为什么这件事值得关注

OpenMontage 的意义不在于"又一个 AI 视频工具"，而在于它验证了一个架构假设：2026 年的 AI 编程助手已经够聪明，能读懂剧本、按步骤调工具、自己做质量检查——编排这件事，不需要人写死的代码来做。

这个假设如果成立，影响的远不止视频制作。任何多步骤、多工具、需要灵活决策的工作流——数据分析、报告生成、运维巡检——都可能用同样的"知识外置 + 模型决策"架构来重构。

工具是哑的，剧本是活的，真正干活的是 AI 助手。这个分工模式，可能比任何单个工具的参数都更值得关注。

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

先跑 framework-smoke 测试流水线验证环境，再上生产流水线。别一上来就冲 cinematic。