OpenMontage：持续在 GitHub 上走红的 AI 视频制作系统

简介

OpenMontage 最近成为 GitHub 上最受关注的 AI 项目之一。根据 BAAI 的原文报道，它在短短几天内就迅速获得了超过 15,000 个 Star，甚至登上了 GitHub Trending 榜首。

它之所以脱颖而出，并不只是因为它能生成视频。如今已经有很多工具可以做到这一点。真正有意思的是，OpenMontage 将视频创作视为一整套完整的制作流程：调研、写脚本、分镜、素材生成、配音、字幕、剪辑、渲染以及质量检查，都可以通过一个由智能体驱动的流水线来组织完成。

通俗地说，它试图把一个 AI 编码助手变成一支小型视频制作团队。

来源说明

本文基于 BAAI 的文章：持续霸榜Github的是一个AI视频剪辑项目，该文引用 QbitAI / 量子位 作为原始来源。技术细节则与 OpenMontage 官方 GitHub 仓库 进行了交叉核对。

下方保留的图片均为直接支持文章内容的截图，例如 GitHub 热门状态、项目概览、工具架构、兼容性以及安装步骤。表情包、社交媒体行动号召图片、评论、二维码以及无关的装饰性图片均未收录。

OpenMontage：GitHub 上走红的 AI 视频制作系统

OpenMontage 并不是某家大型 AI 实验室推出的新基础模型，而是一个开源的、具备智能体能力的视频制作系统。

它之所以吸引了如此多关注，原因其实很简单：它不是让用户在脚本编写、素材检索、语音生成、字幕制作、剪辑和渲染等多个独立工具之间来回切换，而是试图将整个视频制作过程连接成一个自动化工作流。

对于任何剪过视频的人来说，这个痛点都很容易理解。即使是一条短视频，也往往需要许多彼此独立的步骤：找素材、写脚本、录音或生成配音、对齐字幕、挑选背景音乐、组装时间线、导出，以及检查最终结果。

OpenMontage 的目标就是减少这种来回折腾。你只需要在 Claude Code、Cursor、GitHub Copilot、Codex 或 Windsurf 这样的 AI 编码助手中描述你想要制作的视频。随后，智能体会读取项目说明，选择合适的流水线，调用可用工具，并推动整个制作过程向前进行。

![图片展示了OpenMontage的界面。上方是一个以蓝色光点和线条构成的网络状图案，中间有一个蓝色的播放按钮。下方文字为“OpenMontage”，并标注其为“第一款开源、代理视频制作系统”。界面底部有多个导航选项，包括“Paste A Video”“Quick Start”“Try These Prompts”“Pipelines”“How It Works”“Providers”“Agent Guide”。该图片与文档中介绍OpenMontage作为第一款开源、代理视频制作系统的内容相契合，直观呈现了其界面样式。](https://we0-cms.oss-cn-beijing.aliyuncs.

com/cms-assets/image/2026/07/db65c1a8-fc82-4d16-be4f-fa155364f8de-03-4a8fd951-f563-4f61-946d-3b1f28ee6175.png)

该项目将自己描述为首个开源的智能体式视频制作系统。它的目标不只是创建零散的视频片段，而是协调从创意到最终成片的完整视频制作流程。

为什么 OpenMontage 与普通 AI 视频工具不同

许多 AI 视频产品只解决流程中的某一个环节。一个工具生成视觉内容，另一个创建旁白，另一个处理字幕，还有一个负责渲染最终合成结果。

OpenMontage 采取的是一种更以工作流为先的方法。它不只是优化某一个步骤，而是将整个制作链拆分为 AI 智能体能够理解并执行的可复用模块。

根据项目说明，OpenMontage 包括：

这就是为什么与其把 OpenMontage 看作一个简单的编辑工具，不如把它看作一个制作系统。

它可以帮助完成主题研究、脚本生成、场景规划、素材收集、配音、字幕、剪辑、合成以及最终渲染。智能体会根据所选择的流水线，以及本地环境中可用或通过已配置 API 提供的工具，决定下一步该做什么。

AI 编程助手成为制作流程的执行者

OpenMontage 背后的一个关键理念是，让你的 AI 编程助手充当总协调者。

它不是一个每个操作都必须手动点击的固定应用界面，而是由助手读取文件、理解指令、执行 Python 工具，并遵循项目专用技能。这也是为什么该项目能够自然地与那些可以检查代码仓库并运行代码的 AI 编程工具协同工作。

该代码仓库为多种 AI 编程助手提供了专门的说明文件：

Codex | CODEX.md |
| Windsurf | .windsurfrules |

这让整个项目更像是一个智能体工作空间，而不是传统的视频编辑器。AI 助手不只是聊天，它会读取项目结构、选择处理流水线、调用工具、跟踪决策，并将创意检查点交还给用户。

它并不局限于纯 AI 生成视频

另一个重要点是，OpenMontage 并不局限于狭义上的“AI 生成视频”。

它可以生成视觉内容，但也可以使用来自开放或免费媒体来源的真实素材。原文提到的来源包括 Archive.org、NASA、Wikimedia、Pexels 和 Unsplash。在这种工作流中，OpenMontage 会构建一个可搜索的真实素材语料库，检索相关片段，并将它们编辑到时间线上。

这使它的用途不止于动画短片。它还可以支持纪录片风格的混剪、解说视频、产品视频、社交短视频以及以实拍素材为主导的剪辑。

官方代码仓库还展示了多个演示方向，包括动画短片、电影感预告片、产品广告和纪录片混剪。例如，有一个产品广告风格的演示结合了 AI 生成图像、TTS 解说、自动获取的免版税音乐、通过 WhisperX 生成的逐词字幕，以及基于 Remotion 的合成。

核心运行逻辑：智能体驱动架构

在底层，OpenMontage 采用的是一种以智能体为先的架构。

该项目围绕一个分层结构来组织。每一层回答一个不同的问题：

换句话说，工具层为智能体提供原始能力；技能层将这些能力转化为可复用的方法；然后由智能体层决定如何将这一切组装成一个完整的制作流程。

一个典型的流水线大致遵循这样的流程：

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

每个阶段都有各自的导演技能。智能体会读取这些指令，使用可用工具，检查进度，保存状态，并在创意决策点请求批准。

这正是它与单一“提示词生成视频”工具的主要区别。OpenMontage 并不试图隐藏流程，而是让流程变得结构化、可检查、可复现。

流水线在实践中如何运作

当用户提出一个请求时，OpenMontage 并不会立刻直接生成一个视频。

一个更典型的流程是这样的：

1. 用户在 AI 编程助手中描述视频创意。
2. 智能体读取流水线清单并

项目说明。
3. 它会为该请求选择合适的制作流水线。
4. 它会在需要时进行研究或规划。
5. 它会创建脚本和分镜方案。
6. 它会选择或生成素材，如视频片段、图片、配音、音乐和字幕。
7. 它会编辑并合成最终输出。
8. 它会在呈现结果之前运行验证和审查检查。

官方项目还强调了创意关卡。这意味着用户可以在系统过多推进制作之前，批准或否决重要的创意选择。

这很重要，因为如果过早生成了错误的素材，视频制作工作可能会变得昂贵或耗时。结构化的审批流程有助于避免浪费性的运行。

部署与快速开始

原文指出，部署 OpenMontage 并不特别困难：克隆 GitHub 项目，安装所需依赖，在 .env 中配置必要服务，然后通过命令行或 AI 编程助手运行工作流。

官方仓库列出了以下基本前置要求：

基本安装命令：

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

完成设置后，在你的 AI 编程助手中打开该项目，并描述你想要创建的内容。

动画讲解视频的提示词示例：

制作一个 60 秒的动画讲解视频，介绍神经网络是如何学习的

真实素材纪录片路径的提示词示例：

制作一个 75 秒的纪录片蒙太奇，主题是雨中的城市生活。仅使用真实素材，不要旁白，基调哀婉，并配有音乐。

随后，OpenMontage 可以研究主题、制定方案、收集或生成素材、处理配音和字幕，并渲染最终视频，具体取决于可用的工具和 API 密钥。

可选的 API 密钥与服务提供商设置

OpenMontage 可以使用本地或免费工具运行，但 API 密钥可以解锁更多服务提供商。

官方 .env 示例包含用于图像生成、视频生成、图库媒体、音乐、语音及其他服务提供商的可选密钥。其理念并不是每个密钥都是必需的，而是添加你已经有权限使用的服务。

.env 结构示例：

# 图像 + 视频网关
FAL_KEY=your-key

# 免费图库媒体
PEXELS_API_KEY=your-key
PIXABAY_API_KEY=your-key
UNSPLASH_ACCESS_KEY=your-key

# 音乐
SUNO_API_KEY=your-key

# 语音和图像

ELEVENLABS_API_KEY=your-key
OPENAI_API_KEY=your-key
XAI_API_KEY=your-key
GOOGLE_API_KEY=your-key

# 更多视频服务提供商
HEYGEN_API_KEY=your-key
RUNWAY_API_KEY=your-key

如果你有 GPU，并且想尝试本地视频生成，官方仓库也提供了 GPU 安装路径：

make install-gpu

然后你可以在 .env 中启用本地视频生成：

VIDEO_GEN_LOCAL_ENABLED=true
VIDEO_GEN_LOCAL_MODEL=wan2.1-1.3b

具体选择哪种模型取决于你的硬件配置，以及仓库当前支持哪些模型。用于生产环境时，在更改模型或服务提供商设置之前，务必先查看官方 README。

它为什么会流行起来

OpenMontage 之所以流行，并不只是因为它连接了 AI 视频模型。更重要的原因是，它把视频创作变成了智能体能够协同处理的事情。

文章提出了一个很有价值的观点：在过去几年里，Claude Code、Cursor、Codex 和 GitHub Copilot 之类的工具已经改变了人们使用编程助手的方式。它们不再只是自动补全工具，而是可以读取文件、遵循指令，并在项目内部执行操作。

OpenMontage 将同样的理念应用到了视频制作中。

它不是强迫用户分别去学习每一个视频模型、字幕工具、TTS 提供商、素材网站和渲染引擎，而是试图让整个工作流本身变得可编程。这一点才是真正让人感觉新颖的地方。

对创作者来说，这意味着在不同工具之间进行人工交接的步骤更少。对开发者来说，这意味着整个制作流程都可以像软件项目一样被检查、扩展，并进行版本控制。

需要注意的事项

OpenMontage 仍然是一个偏技术型的开源项目，而不是一款一键式的消费级视频应用。

你需要熟悉 GitHub、本地环境配置、依赖项、.env 文件以及命令行工作流。你还需要明白，输出质量在很大程度上取决于服务提供商、提示词、可用素材，以及智能体所选择的流水线。

即便如此，方向已经很清晰：视频生成正在从彼此孤立的模型输出，走向完整的制作系统。

OpenMontage 就是这种转变中最显眼的例子之一。

常见问题

什么是 OpenMontage？

OpenMontage 是一个开源的智能体化视频制作系统。它让 AI 编程助手能够通过结构化的制作流水线，协同完成调研、脚本撰写、素材生成、剪辑、字幕、渲染和审核。

OpenMontage 只是另一个 AI 视频生成器吗？

不是。典型的 AI 视频生成器是把一个提示词变成一段视频片段。而 OpenMontage 关注的是完整的制作流程，因此它可以将脚本、真实视频素材、AI 生成素材、旁白、字幕、音乐和渲染整合到同一个工作流中。

OpenMontage 可以使用真实视频素材，而不只是 AI 生成的图片吗？

可以。该项目支持使用开放或免费媒体来源的真实素材工作流，例如 Archive.org、NASA、Wikimedia、Pexels 和 Unsplash。这使它非常适合制作纪录片风格的视频和素材混剪。

运行 OpenMontage 需要哪些工具？

基础配置需要 Python 3.10+、FFmpeg、Node.js 18+，以及一个能够读取文件并运行代码的 AI 编程助手。额外的 API 密钥是可选的，但它们

为视频、图像、语音、音乐和素材媒体解锁更多服务提供商。

哪些 AI 编程助手可以与 OpenMontage 配合使用？

该代码仓库包含适用于 Claude Code、Cursor、GitHub Copilot、Codex 和 Windsurf 的指令文件。一般来说，任何能够检查项目文件并执行 Python 代码的编程助手，都有可能与该系统配合使用。

OpenMontage 可以在没有付费 API 密钥的情况下运行吗？

可以，完成设置后，部分工作流可以使用本地或免费工具运行。不过，高级视频生成、高级 TTS、音乐生成，或某些基于服务提供商的工作流可能需要 API 密钥。

OpenMontage 适合用于生产环境吗？

它很有潜力，但目前仍然是一个面向开发者的开源工作流。若要用于严肃的生产环境，请在发布最终视频前测试整条流水线、检查输出质量、控制成本，并审查服务提供商的许可条款。

相关工具

• OpenMontage：该智能体化视频制作系统的官方开源代码仓库。
• Claude Code：Anthropic 的编程助手，是 OpenMontage 指令文件支持的智能体环境之一。
• Cursor：一款可与项目文件和仓库级指令配合使用的 AI 代码编辑器。
• GitHub Copilot：GitHub 的 AI 编程助手，可通过 OpenMontage 的 Copilot 指令文件获得支持。
• Remotion：一个基于 React 的视频渲染框架，用于以编程方式进行视频合成。
• FFmpeg：一个被广泛使用的音视频处理多媒体框架。
• fal.ai：一个用于运行生成式媒体模型的平台，可用于 AI 图像和视频工作流。
• Pexels API：免费图库照片和视频的来源，可为基于素材的工作流提供支持。

相关链接

• OpenMontage GitHub Repository：官方项目仓库，包含源代码、设置说明和文档。
• OpenMontage Agent Guide：关于智能体应如何在 OpenMontage 项目内工作的指南。
• OpenMontage Prompt Gallery：适用于不同制作工作流的已测试提示词和示例指导。
• OpenMontage Chinese README：面向偏好本地化文档用户的中文版 README。
• Remotion Documentation：使用代码构建和渲染视频的 Remotion 官方文档。
• FFmpeg Documentation：FFmpeg 命令、库和用法的官方文档。
• Pexels API Documentation：用于获取图库照片和视频的官方 API 文档。
• Unsplash Developers：通过 API 工作流访问 Unsplash 图片的官方开发者门户。

摘要

OpenMontage

之所以变得流行，是因为它解决了 AI 视频创作中的一个真实问题：大多数工具只解决流程中的某一个环节，而一条完整的视频还需要调研、脚本撰写、素材、配音、字幕、剪辑、渲染和审核。

它的核心理念是让 AI 编码助手通过结构化的流水线、工具和技能来统筹整个工作流程。这使它与其说像一个单一的 AI 视频工具，不如说更像一个自动化制作系统。

对于非技术用户来说，它并不是最容易上手的工具，但对于开发者和 AI 工作流构建者来说，它非常值得密切关注。

最关键的结论是：OpenMontage 展示了 AI 视频的发展方向——从彼此孤立的生成工具，走向由智能体驱动的生产流水线。