OpenMontage: การผลิตวิดีโอด้วย AI Agent และปัญหาการอนุมัติที่ถูกเปิดเผย

เครื่องมือ AI สร้างวิดีโอส่วนใหญ่ให้ผลลัพธ์เป็นคลิปเดียวจากหนึ่งพรอมป์ต แต่ OpenMontage มอบ "แผนกผลิต" ทั้งแผนกให้ coding agent ของคุณ ตั้งแต่ค้นคว้า เขียนสคริปต์ วางแผนฉาก สร้างแอสเซต ตัดต่อ ไปจนถึงเรนเดอร์ โดยมีจุดให้มนุษย์อนุมัติคั่นระหว่างแต่ละขั้นตอน ด้วยดาว 55,047 ดวง จึงจัดเป็นโปรเจกต์ที่ทะเยอทะยานที่สุดในกระแสเครื่องมือสำหรับ agent ตอนนี้

และยังเป็นโปรเจกต์ที่หยิบยกคำถามซึ่งตัวอื่นเลี่ยงไปขึ้นมาให้เห็น ไปป์ไลน์ของมันหยุดรอคนที่จุดตัดสินใจเชิงสร้างสรรค์ ซึ่งถูกต้องแล้ว แต่ตัวระบบไม่รู้เลยว่า "คน" คือใคร และไม่มีบันทึกในภายหลังว่าใครอนุมัติอะไร

สรุปสั้น ๆ

นี่คือหนึ่งในห้าบทวิเคราะห์เจาะลึกจากบทความรวบรวมเครื่องมือโอเพนซอร์สที่ต่อยอดความสามารถของ coding agent ของเรา

OpenMontage ทำงานอยู่ภายใน Claude Code, Cursor, Copilot, Windsurf หรือ Codex แล้วเปลี่ยนมันให้กลายเป็นระบบผลิตวิดีโอ: ไปป์ไลน์ 11 แบบ เครื่องมือกว่า 100 ตัว การเชื่อมต่อผู้ให้บริการมากกว่า 60 ราย และไฟล์ทักษะกับองค์ความรู้กว่า 700 ไฟล์ ระบบล็อกการใช้จ่ายไว้หลังการอนุมัติ ประเมินค่าใช้จ่ายก่อนลงมือ และสร้างวิดีโอจากฟุตเทจจริงในคลังฟรีได้ ไม่ใช่แค่ทำภาพนิ่งให้เคลื่อนไหว ควรตรวจสัญญาอนุญาตก่อน เพราะมันเป็น AGPL-3.0 และควรตัดสินใจตั้งแต่แรกว่าเรื่องอนุมัติจะอยู่ตรงไหน ก่อนที่วิดีโอเรื่องแรกจะต้องมีคนอื่นที่ไม่ใช่คุณมาเซ็นอนุมัติ

มันผลิตอะไรได้บ้าง

คุณแค่อธิบายสิ่งที่ต้องการ แล้ว agent จะรันไปป์ไลน์ตายตัวให้:

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

แต่ละขั้นตอนมี skill สำหรับผู้กำกับ ซึ่งเป็นไฟล์คำสั่งแบบ markdown ที่สอน agent ว่าต้องทำขั้นตอนนั้นอย่างไร ก่อนจะเขียนสคริปต์แม้แต่คำเดียว agent จะค้นหาเว็บ 15-25 ครั้ง ครอบคลุม YouTube, Reddit, ข่าว และแหล่งวิชาการ แล้วสร้างบรีฟงานวิจัยที่อ้างอิงแหล่งที่มา

Documentary Montage คือตัวที่แปลกไปในเชิงเทคนิค มันสร้างคลังข้อมูลที่ทำดัชนีเชิงความหมายจากสต็อกฟรีและคลังเปิด อย่าง Pexels, Archive.org, NASA และ Wikimedia ดึงคลิปวิดีโอที่เคลื่อนไหวจริงออกมา แล้วตัดต่อลงไทม์ไลน์จริง ซึ่งเป็นคนละเรื่องกับการนำภาพนิ่งไม่กี่ภาพมาทำแอนิเมชัน

สำหรับทีมที่ผลิตคอนเทนต์สายนักพัฒนา Screen Demo กับ Clip Factory ให้ผลตอบแทนเร็วที่สุด พอมีการปล่อยเวอร์ชันใหม่และมี changelog การเปลี่ยนมันให้เป็นวิดีโอสาธิตมักต้องใช้คนที่มีทักษะตัดต่อและมีเวลาว่างสักครึ่งวัน

การติดตั้ง

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

สิ่งที่ต้องมีก่อนคือ Python 3.10 ขึ้นไป, FFmpeg, Node.js 18 ขึ้นไป และผู้ช่วยเขียนโค้ดที่อ่านไฟล์และรันโค้ดได้ การตั้งค่าผู้ให้บริการทำแบบค่อยเป็นค่อยไป: ทุกความสามารถรองรับทางเลือกที่รันในเครื่องควบคู่ไปกับ API แบบเสียเงิน และมีตัวเลือกแบบให้คะแนนที่จัดอันดับผู้ให้บริการตามเจ็ดมิติแล้วเลือกตัวที่เหมาะสม

คุณยังเริ่มจากวิดีโอต้นแบบได้ด้วย วางลิงก์ YouTube, Short, Reel หรือคลิปในเครื่อง แล้ว agent จะวิเคราะห์ทรานสคริปต์ จังหวะ ฉาก และสไตล์ จากนั้นเสนอคอนเซปต์สองสามแบบ พร้อมเส้นทางการใช้เครื่องมือที่ตรงไปตรงมาและประมาณการค่าใช้จ่ายก่อนเริ่มสร้าง

อ่านสัญญาอนุญาตก่อน

OpenMontage ใช้สัญญาอนุญาต AGPL-3.0 เรื่องนี้สำคัญเพราะเครื่องมือส่วนใหญ่ในหมวดนี้เป็น MIT จึงเผลอเข้าใจผิดได้ง่าย

เงื่อนไขเครือข่าย (network clause) หมายความว่า หากคุณรันเวอร์ชันดัดแปลงเป็นบริการบนเครือข่าย คุณมีหน้าที่ต้องเปิดเผยซอร์สของการดัดแปลงให้ผู้ใช้บริการนั้น การใช้ภายในองค์กรและงานโอเพนซอร์สไม่มีปัญหาอะไร แต่การนำไปห่อเป็นผลิตภัณฑ์เป็นเรื่องที่ทีมกฎหมายของคุณต้องตัดสินใจอย่างรอบคอบ ไม่ใช่ไปรู้ตัวเอาทีหลัง

จุดอนุมัติถูกต้องแล้ว แต่ไม่รู้ว่าใครเป็นคนอนุมัติ

โปรเจกต์นี้มีสิ่งที่เครื่องมือ agent ส่วนใหญ่ขาด นั่นคือจุดอนุมัติจริงก่อนมีการใช้จ่าย การสร้างแอสเซตจะหยุดรอที่ contact sheet รายฉาก ซึ่งแสดงเทคต่าง ๆ พรอมป์ต ต้นทุนต่อแอสเซต และคะแนนคุณภาพ จุดตรวจสคริปต์จะหยุดรอจนกว่าคุณจะตอบ มีการประเมินค่าใช้จ่ายก่อนลงมือ มีเพดานการใช้จ่าย และมีร่องรอยการตัดสินใจสำหรับทุกครั้งที่เลือกผู้ให้บริการ

มีบอร์ดในเครื่องที่แสดงงานผลิตค่อย ๆ เติมเต็มไปตามการทำงานของไปป์ไลน์ และการรันที่เสร็จแล้วสามารถเล่นย้อนกลับได้จาก timestamp ของมัน

บอร์ดนั้นอยู่เฉพาะในเครื่องเดียว สำหรับงานผลิตชิ้นเดียว แต่งานวิดีโอในบริษัทไม่ได้เป็นแบบนั้น สคริปต์ต้องมีคนตรวจสอบเนื้อหาตามสาขาวิชา ภาพต้องมีคนจากฝ่ายแบรนด์ ข้อกล่าวอ้างต้องมีคนที่ยืนยันได้ว่าเป็นจริง และการตัดต่อขั้นสุดท้ายต้องมีคนที่ดูแลช่องนั้นเซ็นอนุมัติ

ไปป์ไลน์หยุดรอ "คน" ได้ แต่ไม่สามารถส่งงานไปหาคนใดคนหนึ่งโดยเฉพาะ ตั้งคิวการรอไว้ในชื่อของเขา หรือตอบคำถามนั้นในภายหลังได้ เมื่อวิดีโอเผยแพร่แล้วมีคนถามว่าใครอนุมัติข้อกล่าวอ้างในฉากที่สี่ คำตอบก็มีแค่ timestamp ในโฟลเดอร์โปรเจกต์ในเครื่อง

งานผลิตคือ Task และการอนุมัติก็ควรอยู่บน Task นั้น

Task คือหน่วยหลักของงานใน Sharkly มันบรรจุคำขอ บริบท การลงมือทำ อุปสรรคที่ติดขัด และผลลัพธ์ไว้ในที่ที่แบ่งปันกันแห่งเดียว แทนที่จะกระจายไปอยู่ในพรอมป์ตส่วนตัวและเซสชันเทอร์มินัล

งานผลิตวิดีโอเข้ากับโมเดลนี้ได้อย่างลงตัวเป็นพิเศษ

Crew คือกลุ่มของ People และ Agents ที่นำกลับมาใช้ซ้ำได้ โดยมี Agent หัวหน้าหนึ่งตัวคอยประสานงาน ซึ่งก็คือทีมผลิตที่พูดกันตรง ๆ นั่นเอง: หัวหน้าที่อ่านบรีฟ ตัดสินใจว่าจะดึงใครเข้าร่วม แล้วนำผลลัพธ์ของทุกคนกลับมารวมไว้ใน Task เดียว แทนที่จะให้ผู้เชี่ยวชาญทุกคนเริ่มพร้อมกัน

Task ที่อยู่ใน Backlog จะยังไม่เริ่มรัน สำหรับไปป์ไลน์ที่การเริ่มต้นหมายถึงการจ่ายเงินให้ผู้ให้บริการสร้างเนื้อหา การควบคุมนี้มีค่ามากกว่าปกติ งานวิดีโอหนึ่งเดือนสามารถเข้าคิวรอได้โดยไม่เสียค่าใช้จ่ายใด ๆ แล้วค่อยปล่อยออกเมื่อแต่ละรายการได้รับการอนุมัติ

การลงมือทำ อุปสรรค ผลลัพธ์ และการพูดคุยติดตามผล จะกลับไปอยู่บนไทม์ไลน์ของ task ดังนั้นฟีดแบ็กสคริปต์จึงไปอยู่บน Task ไม่ใช่ในหน้าต่างแชต และยังอยู่ตรงนั้นแม้ผ่านไปสามเดือน

Computer เป็นผู้จัดหาโฮสต์และทรัพยากรในเครื่อง ส่วน Runtime เป็นตัวรันเซสชันบนนั้น การเรนเดอร์ต้องใช้เครื่องที่มีดิสก์และ CPU จริง ดังนั้นการระบุให้ชัดว่า Computer เครื่องไหนรันงานผลิตจึงเป็นประโยชน์ ไม่ใช่พิธีการ

Sharkly ไม่ได้มาแทน OpenMontage หรือเครื่องมือเขียนโค้ดที่รันมันอยู่ แต่เข้ามาเพิ่มชั้นของ task ที่แบ่งปันกัน, Computer, บริบท, การควบคุม และการรีวิวให้กับทั้งสอง

ระบบอัตโนมัติจะหยุดตรงจุดที่ต้องใช้ดุลยพินิจของทีม แล้วส่งมอบงานพร้อมบริบทครบถ้วนและหลักฐานที่ตรวจสอบได้ ส่วนการตัดสินใจรับงานขั้นสุดท้ายและการเผยแพร่ ให้เป็นเรื่องของคน

เมื่อไหร่ควรติดตั้ง

ติดตั้ง OpenMontage เมื่อคุณปล่อยคอนเทนต์เป็นประจำ และที่ผ่านมาต้องจ่ายค่าตัดต่อหรือต้องยอมปล่อยผ่านไม่ทำ Screen Demo, Clip Factory และ Localization ให้ผลตอบแทนชัดเจนที่สุด และไปป์ไลน์ที่ใช้คลังฟรีก็ทำงานได้โดยไม่ต้องพึ่งผู้ให้บริการสร้างเนื้อหาแบบเสียเงิน

ข้ามมันไปถ้าคุณต้องการวิดีโอแค่เป็นครั้งคราว เพราะการตั้งค่าและการกำหนดค่าผู้ให้บริการไม่คุ้มกับวิดีโอแค่สามชิ้นต่อปี ข้ามไปเช่นกันถ้าเงื่อนไข AGPL ไม่เหมาะกับการใช้งานที่คุณตั้งใจ และควรตัดสินใจเรื่องนี้ก่อนจะสร้างเวิร์กโฟลว์บนมัน

เพิ่มระบบงานที่แบ่งปันกันเมื่อการอนุมัติเกี่ยวข้องกับคนมากกว่าหนึ่งคน ซึ่งสำหรับงานที่ต้องเจอลูกค้าแล้วเป็นอย่างนั้นเสมอ

คำถามที่พบบ่อย

ต้องมีคีย์ API แบบเสียเงินไหม? ไม่ต้อง ทุกความสามารถรองรับทางเลือกโอเพนซอร์สหรือรันในเครื่อง และไปป์ไลน์ Documentary Montage สร้างจากคลังฟรีได้ ผู้ให้บริการแบบเสียเงินแลกมาด้วยคุณภาพและตัวเลือกในการสร้างที่มากกว่า

ใช้กับผู้ช่วยเขียนโค้ดตัวไหนได้บ้าง? มีระบุไว้คือ Claude Code, Cursor, Copilot, Windsurf และ Codex อะไรก็ตามที่อ่านไฟล์และรันโค้ดได้น่าจะใช้ได้ เพราะไปป์ไลน์เป็น Python บวกไฟล์ skill แบบ markdown

วิดีโอหนึ่งชิ้นมีค่าใช้จ่ายเท่าไร? ขึ้นอยู่กับไปป์ไลน์และผู้ให้บริการที่ใช้ ตัวอย่างผลงานของโปรเจกต์เองรายงานต้นทุนการสร้างประมาณห้าดอลลาร์ ระบบจะประเมินก่อนลงมือและบังคับเพดานการใช้จ่ายไว้

ตัดต่อฟุตเทจที่มีอยู่แล้วได้ไหม? ได้ Talking Head, Hybrid, Screen Demo, Clip Factory และ Localization ทำงานกับฟุตเทจที่คุณให้มาได้ทั้งหมด การสร้างใหม่เป็นเพียงโหมดหนึ่ง ไม่ใช่โหมดเดียว

ถ้าคนรีวิวของฉันไม่สายเทคนิค การอนุมัติจะทำงานอย่างไร? นั่นคือช่องว่างที่ควรวางแผนรับมือไว้ จุดอนุมัติของไปป์ไลน์ตั้งสมมติฐานว่าคนที่ใช้งานคือคนที่อนุมัติ การส่งสคริปต์หรือไฟล์ตัดต่อให้ผู้รีวิวที่ระบุชื่อไว้ และการเก็บบันทึกการตัดสินใจของเขา เป็นเรื่องของระบบงาน ไม่ใช่เรื่องของไปป์ไลน์

สรุปแบบสั้น

OpenMontage ถูกออกแบบมาดีกว่ามาตรฐานปกติของหมวดนี้: มีจุดอนุมัติก่อนใช้จ่าย ประเมินก่อนลงมือ ตรวจทานตัวเองหลังเรนเดอร์ และมีร่องรอยการตัดสินใจที่ตรวจสอบได้ ถ้าคุณผลิตคอนเทนต์สายนักพัฒนา แค่ Screen Demo กับ Clip Factory ก็คุ้มกับการตั้งค่าแล้ว

ก่อนเริ่ม ควรรู้สองเรื่อง เรื่องแรก สัญญาอนุญาตเป็น AGPL-3.0 ซึ่งเป็นเรื่องที่ต้องตัดสินใจ ไม่ใช่แค่หมายเหตุเล็ก ๆ ท้ายบทความ เรื่องที่สอง จุดอนุมัติหยุดรอ "คน" โดยไม่รู้ว่าเป็นคนไหน ซึ่งโอเคถ้าทำคนเดียว แต่ไม่พอทันทีที่การเซ็นอนุมัติกลายเป็นหน้าที่ของคนอื่น Sharkly ดูแลครึ่งนั้นให้: Task เป็นบันทึกที่แบ่งปันกัน งานรออยู่ใน Backlog จนกว่าจะถูกปล่อย และผลลัพธ์กลับมาอยู่ในที่ที่คนสามารถรีวิวและรับงานได้