项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 78680
技术标签
使用教程
环境要求
- Python 3(README 用 python3 / py -3 创建虚拟环境)
- Node.js 与 npm(remotion-composer 目录需执行 npm install)
- Git(用于克隆仓库)
- 一个 AI 编程助手(Claude、Cursor、Copilot 等)
- 可选:make(macOS/Linux 有 make 时可直接 make setup)
安装与启动步骤
-
1克隆仓库
把 OpenMontage 源码下载到本地并进入项目目录,后续所有命令都在该目录执行。
git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage -
2一键安装依赖
有 make 的环境直接执行 make setup,自动完成 Python 与 Node 依赖安装。
make setup -
3无 make 时安装(mac)
macOS/Linux 没有 make 时,手动建虚拟环境、装 Python 与 npm 依赖并生成 .env。
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 -
4无 make 时安装(Win)
Windows PowerShell 用 py -3 建环境,最后把 .env.example 复制为 .env。
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 -
5跑零密钥演示
make demo 可立即渲染零密钥演示视频,用来验证安装是否成功。
make demo -
6用 AI 助手生成视频
在 AI 编程助手中打开该项目,直接用自然语言下达制作需求即可。
Make a 60-second animated explainer about how neural networks learn
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
.env | 是 | 由 .env.example 复制而来,用于填写各 AI 服务提供商的密钥等配置 | cp .env.example .env |
如何确认成功
执行 make demo 能看到零密钥演示视频成功渲染;或执行 make test-contracts 通过(无需 API 密钥)。
常见问题
Q:环境里没有 make 命令怎么办?
A:按 README 给出的替代命令操作:macOS/Linux 用 python3 建虚拟环境后依次安装 requirements.txt、remotion-composer 的 npm 依赖和 piper-tts,并复制 .env.example 为 .env;Windows 用对应的 PowerShell 命令。
Q:Windows 上 npm install 报 ERR_INVALID_ARG_TYPE?
A:README 说明改用 npx --yes npm install 代替 npm install 即可。
Q:必须花钱买 API 密钥才能用吗?
A:不是。make demo 可以在零密钥情况下渲染演示视频;走完整制作流程(联网检索、生成图像、配音、配乐、渲染成片)按照 README 说明大约花费 $1–$3。
Q:怎么快速检查环境是否正常?
A:执行 make test-contracts 运行契约测试,它不需要任何 API 密钥,能通过就说明基础环境已就绪。
注意事项
- 项目以 AGPLv3 许可证开源。
- 完整制作一次的成本约 $1–$3(README 标注)。
- 它不是独立 GUI 软件,需要在你常用的 AI 编程助手里打开项目后以自然语言驱动。
- 系统会做 ffprobe 校验、抽帧、音频电平分析等自检,且每个创意决策都需要你确认后才继续。
核心亮点
- 首个开源智能体视频生产系统,提供12条生产流水线和100+工具,覆盖从脚本到成片的完整流程
- 内置700+智能体技能与生产知识文件,可直接集成Claude/Copilot/Cursor等AI编程助手,降低使用门槛
- 基于Python和Remotion/FFmpeg等成熟技术栈,支持ElevenLabs语音和Flux图像生成,扩展性强
不足之处
- 项目复杂度高,初学者上手需要较长时间熟悉流水线和工具配置
- 依赖外部AI服务(如Claude、ElevenLabs),可能产生额外成本且受限于第三方API稳定性
适用场景
- 视频创作者快速生成多风格短视频或宣传片
- 企业团队自动化批量生产产品演示或培训视频
- AI编程助手用户直接在IDE内完成视频制作全流程
替代项目
ComfyUI、Automatisch、n8n
上一篇:没有了!
下一篇:Pixelle-Video
同类项目推荐
AI-Infinite-Zoom-Generator
开源
把AI外绘画变成无限缩放视频,自动生成炫酷特效
Turn a sequence of ai generated outpainted images into an "infinite zoom"
openscenesense-ollama
开源
本地跑AI,轻松分析视频画面和声音
OpenSceneSense Ollama is a Python library that harnesses AI for advanced local video···
NOVA
开源
扔掉向量量化,自回归直接生成流畅视频
[ICLR 2025] Autoregressive Video Generation without Vector Quantization
Nomi
开源
让 AI 代理按你的故事板直接剪出视频初稿
Open-source AI video workbench. Bring any model or your local ComfyUI, and let Claud···
svor
开源
用扩散模型一键抹掉视频里的物体,背景自动补全
SVOR - Stable Video Object Removal
otopilot
开源
给个主题,本地自动产出带配音字幕的成片
Turn a topic into a finished YouTube Short/video: script, free & CC0 images, voice-o···
Text2Video-Zero
开源
不训练视频模型,用文生图扩散模型直接生成连贯视频
[ICCV 2023 Oral] Text-to-Image Diffusion Models are Zero-Shot Video Generators
lingbot-video
开源
用 MoE 视频生成,给机器人造世界模型
Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence
fpv-immersive-video-prompting
开源
用路线图指挥AI镜头,一键生成沉浸式FPV视频
Route-first FPV AI video prompting skill for Seedance, Kling, Runway, Veo, GPT Image···
