Hầu hết các công cụ video AI chỉ trả về một clip từ một câu lệnh. OpenMontage thì trang bị cho coding agent của bạn cả một bộ phận sản xuất: nghiên cứu, kịch bản, dựng kế hoạch cảnh, tạo tài nguyên, biên tập và render, với các cổng phê duyệt bởi con người giữa các giai đoạn. Với 55.047 sao, đây là dự án tham vọng nhất trong làn sóng công cụ agent hiện nay.
Đây cũng là dự án đặt ra một câu hỏi mà những dự án khác né tránh. Pipeline của nó dừng lại và chờ con người ở các điểm quyết định sáng tạo, điều đó là đúng. Nhưng nó không có khái niệm về việc con người nào, và cũng không lưu lại ai đã phê duyệt cái gì.
TL;DR
Đây là một trong năm bài phân tích chuyên sâu từ bản tổng hợp của chúng tôi về các công cụ mã nguồn mở mở rộng khả năng cho coding agent.
OpenMontage chạy bên trong Claude Code, Cursor, Copilot, Windsurf hoặc Codex và biến chúng thành một hệ thống sản xuất video: mười một pipeline, hơn 100 công cụ, hơn 60 tích hợp nhà cung cấp, cùng hơn 700 tệp kỹ năng và kiến thức. Nó chặn chi tiêu sau bước phê duyệt, ước tính chi phí trước khi thực thi, và có thể dựng video từ footage thật lấy từ các kho lưu trữ miễn phí chứ không chỉ làm hoạt hình từ ảnh tĩnh. Hãy kiểm tra giấy phép trước, vì đây là AGPL-3.0. Và hãy quyết định xem việc phê duyệt sẽ nằm ở đâu trước khi video đầu tiên cần sự chấp thuận của một người không phải bạn.
Nó tạo ra những gì
Bạn mô tả điều mình muốn và agent sẽ chạy một pipeline cố định:
research -> proposal -> script -> scene_plan -> assets -> edit -> compose
Mỗi giai đoạn có một skill đạo diễn, tức một tệp hướng dẫn markdown dạy agent cách thực hiện giai đoạn đó. Trước khi viết một chữ nào của kịch bản, agent thực hiện 15 đến 25 lượt tìm kiếm web trên YouTube, Reddit, báo chí và các nguồn học thuật, rồi tạo ra một bản tóm tắt nghiên cứu có trích dẫn nguồn.
| Pipeline | Phù hợp nhất với |
|---|---|
| Animated Explainer | Hướng dẫn, phân tích chuyên đề |
| Screen Demo | Demo sản phẩm, video hướng dẫn tài liệu |
| Clip Factory | Cắt clip ngắn xếp hạng từ một nguồn dài |
| Documentary Montage | Dựng từ footage thật lấy từ kho lưu trữ miễn phí |
| Talking Head / Hybrid | Footage bạn đã có sẵn, được nâng cấp |
| Localization and Dub | Phụ đề, lồng tiếng, dịch thuật |
| Cinematic / Animation | Trailer, motion graphics |
| Podcast Repurpose | Chuyển điểm nhấn thành video |
| Avatar Spokesperson | Truyền thông nội bộ, đào tạo |
Documentary Montage là pipeline khác biệt về mặt kỹ thuật. Nó xây dựng một kho dữ liệu được đánh chỉ mục theo ngữ nghĩa từ nguồn stock miễn phí và các kho lưu trữ mở gồm Pexels, Archive.org, NASA và Wikimedia, truy xuất các clip chuyển động thật, rồi cắt ghép chúng thành một timeline thực sự. Đó là một tuyên bố khác hẳn với việc làm hoạt hình từ vài bức ảnh tĩnh.
Với những đội ngũ thường xuyên sản xuất nội dung cho lập trình viên, Screen Demo và Clip Factory mang lại hiệu quả nhanh nhất. Một bản release ra mắt, changelog đã có sẵn, và việc biến nó thành một video hướng dẫn thường đòi hỏi một người biết biên tập cùng một buổi chiều rảnh rỗi.
Cài đặt
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup
Yêu cầu cần có là Python 3.10 trở lên, FFmpeg, Node.js 18 trở lên, và một trợ lý lập trình có thể đọc tệp và chạy code. Việc thiết lập nhà cung cấp diễn ra dần dần: mọi khả năng đều hỗ trợ phương án thay thế chạy cục bộ song song với API trả phí, và một bộ chọn có tính điểm sẽ xếp hạng các nhà cung cấp theo bảy tiêu chí rồi chọn ra phương án phù hợp.
Bạn cũng có thể bắt đầu từ một video tham chiếu. Dán vào một video YouTube, Short, Reel hoặc clip cục bộ, agent sẽ phân tích bản chép lời, nhịp điệu, các cảnh và phong cách, rồi trả về hai hoặc ba ý tưởng, một lộ trình công cụ trung thực và ước tính chi phí trước khi bắt đầu tạo nội dung.
Đọc giấy phép trước tiên
OpenMontage dùng giấy phép AGPL-3.0. Điều này quan trọng vì hầu hết công cụ trong nhóm này đều dùng MIT, nên rất dễ mang theo định kiến sai lầm.
Điều khoản về mạng nghĩa là nếu bạn chạy một phiên bản đã chỉnh sửa như một dịch vụ mạng, bạn buộc phải cung cấp mã nguồn của phần chỉnh sửa đó cho người dùng dịch vụ ấy. Sử dụng nội bộ và các dự án mã nguồn mở thì không phức tạp. Còn gói nó vào một sản phẩm thương mại là quyết định của bộ phận pháp lý, và nên được đưa ra một cách chủ động thay vì phát hiện ra sau này.
Các cổng phê duyệt là đúng, nhưng chúng vô danh
Dự án này mang đến điều mà hầu hết công cụ agent còn thiếu: một cổng phê duyệt thực sự trước khi chi tiền. Việc tạo tài nguyên sẽ tạm dừng ở một bảng liên hệ từng cảnh, hiển thị các lần quay, câu lệnh, chi phí từng tài nguyên và điểm chất lượng. Các cổng kịch bản sẽ giữ nguyên cho đến khi bạn trả lời. Hệ thống có ước tính chi phí trước khi thực thi, giới hạn chi tiêu, và vết quyết định cho mọi lựa chọn nhà cung cấp.
Một bảng điều khiển cục bộ hiển thị quá trình sản xuất tự hoàn thiện dần khi pipeline chạy, và một lượt chạy đã xong có thể được phát lại dựa trên các mốc thời gian của nó.
Bảng đó là cục bộ, trên một máy, cho một sản phẩm. Còn công việc video trong một công ty thì không như vậy. Kịch bản cần một người am hiểu chuyên môn phản biện. Hình ảnh cần một người từ bộ phận thương hiệu. Các tuyên bố cần một người xác nhận chúng là đúng. Bản dựng cuối cần sự chấp thuận của người chịu trách nhiệm về kênh.
Pipeline dừng lại chờ con người. Nó không thể định tuyến tới một người cụ thể, không thể xếp hàng chờ gắn với tên người đó, và không thể trả lời câu hỏi sau đó. Khi video đã lên sóng và ai đó hỏi ai đã phê duyệt tuyên bố ở cảnh bốn, câu trả lời chỉ là một mốc thời gian trong thư mục dự án cục bộ.
Sản xuất là một Task, và phê duyệt thuộc về nó
Task là đơn vị công việc chính trong Sharkly. Nó mang theo yêu cầu, ngữ cảnh, quá trình thực thi, các điểm tắc và kết quả trong một nơi chia sẻ chung, thay vì chia nhỏ chúng ra giữa các câu lệnh riêng tư và phiên terminal.
Sản xuất video khớp với mô hình này một cách lạ thường.
Một Crew là một nhóm gồm People và Agents có thể tái sử dụng, được điều phối bởi một Agent trưởng nhóm. Đó chính là một đội sản xuất hiểu theo nghĩa đơn giản: một người lãnh đạo đọc đề bài, quyết định huy động những thành viên nào, và gom kết quả của họ về một Task duy nhất, thay vì để mọi chuyên gia lao vào cùng lúc.
Một Task ở trạng thái Backlog sẽ không khởi chạy lượt chạy nào. Với một pipeline mà hễ bắt đầu là phải trả tiền cho các nhà cung cấp tạo nội dung, khả năng kiểm soát này còn đáng giá hơn bình thường. Bạn có thể xếp hàng cả tháng công việc video mà không tốn đồng nào, rồi giải phóng dần khi từng hạng mục được phê duyệt.
Quá trình thực thi, các điểm tắc, kết quả và thảo luận tiếp theo đều quay về dòng thời gian của task, nên phản hồi về kịch bản nằm ngay trên Task thay vì trôi trong một cửa sổ chat, và ba tháng sau nó vẫn còn nguyên đó.
Computer cung cấp máy chủ và tài nguyên cục bộ, còn Runtime thực hiện phiên làm việc trên đó. Render cần một cỗ máy có dung lượng đĩa và CPU thực thụ, nên việc nói rõ Computer nào chạy một sản phẩm là điều hữu ích chứ không phải thủ tục hành chính rườm rà.
Sharkly không thay thế OpenMontage hay công cụ lập trình chạy nó. Nó bổ sung thêm lớp task chia sẻ, Computer, ngữ cảnh, kiểm soát và duyệt xét bao quanh chúng.
Tự động hóa dừng lại ở đâu cần đến phán đoán của tập thể, và trả về một sản phẩm bàn giao với đầy đủ ngữ cảnh cùng bằng chứng có thể kiểm tra. Hãy để con người quyết định việc nghiệm thu và phát hành cuối cùng.
Khi nào nên cài đặt
Hãy cài OpenMontage khi bạn sản xuất nội dung đều đặn và đang phải trả tiền cho việc biên tập, hoặc đành chịu cảnh không có video. Screen Demo, Clip Factory và Localization cho hiệu quả rõ rệt nhất, và pipeline kho lưu trữ miễn phí hoạt động mà không cần nhà cung cấp tạo nội dung trả phí.
Bỏ qua nếu bạn chỉ cần video lẻ tẻ vài lần. Chi phí thiết lập và cấu hình nhà cung cấp không đáng để bỏ ra nếu bạn chỉ làm ba video một năm. Cũng nên bỏ qua nếu điều khoản AGPL không phù hợp với mục đích sử dụng dự kiến của bạn, và hãy quyết định điều đó trước khi xây dựng quy trình làm việc dựa trên nó.
Hãy bổ sung một hệ thống công việc chia sẻ khi việc phê duyệt liên quan đến nhiều hơn một người, mà với bất cứ nội dung nào hướng tới khách hàng thì đều như vậy.
Câu hỏi thường gặp
Tôi có cần API key trả phí không? Không. Mọi khả năng đều hỗ trợ phương án mã nguồn mở hoặc chạy cục bộ, và pipeline Documentary Montage xây dựng từ các kho lưu trữ miễn phí. Các nhà cung cấp trả phí mua lại chất lượng và nhiều lựa chọn tạo nội dung hơn.
Những trợ lý lập trình nào hoạt động được? Các cái tên được nêu gồm Claude Code, Cursor, Copilot, Windsurf và Codex. Bất cứ công cụ nào đọc được tệp và chạy được code đều nên hoạt động, vì pipeline chỉ là Python cộng với các tệp skill markdown.
Một video tốn bao nhiêu tiền? Còn tùy vào pipeline và nhà cung cấp. Phần showcase của chính dự án báo cáo chi phí tạo nội dung khoảng năm đô-la. Hệ thống ước tính trước khi thực thi và thực thi giới hạn chi tiêu.
Nó có biên tập được footage tôi đã có sẵn không? Có. Talking Head, Hybrid, Screen Demo, Clip Factory và Localization đều xử lý footage được cung cấp sẵn. Tạo nội dung chỉ là một chế độ, không phải chế độ duy nhất.
Vậy việc phê duyệt diễn ra thế nào nếu người duyệt của tôi không rành kỹ thuật? Đây chính là khoảng trống đáng để tính trước. Các cổng của pipeline mặc định người vận hành cũng là người phê duyệt. Việc định tuyến một kịch bản hay một bản dựng tới một người duyệt được chỉ đích danh, và lưu lại quyết định của họ, là lãnh địa của hệ thống công việc chứ không phải của pipeline.
Tóm lại
OpenMontage được thiết kế kỹ lưỡng hơn mức mà nhóm công cụ này thường đạt được: cổng kiểm soát trước khi chi tiền, ước tính trước khi thực thi, tự đánh giá sau khi render, và một vết quyết định có thể kiểm toán. Nếu bạn thường xuyên sản xuất nội dung cho lập trình viên, chỉ riêng Screen Demo và Clip Factory cũng đủ để biện minh cho việc thiết lập.
Hãy bước vào với hai điều cần biết trước. Giấy phép là AGPL-3.0, đây là một quyết định chứ không phải một dòng chú thích nhỏ. Và các cổng phê duyệt dừng lại chờ con người mà không biết đó là ai, điều này ổn khi bạn làm một mình nhưng chẳng đủ dùng ngay khi việc chấp thuận là trách nhiệm của người khác. Sharkly nắm phần còn lại đó: Task là bản ghi chia sẻ, công việc chờ trong Backlog cho tới khi được giải phóng, và kết quả quay về một nơi mà con người có thể duyệt xét và nghiệm thu.
