开源视频生产系统爆发：从剪辑替代品到 Agentic Video Pipeline

前言

开源视频生产系统封面

过去几年，开源视频工具的叙事很简单：做一个更开放的剪映、CapCut 或 Premiere 替代品。用户把素材拖进时间线，手动剪、手动调字幕、手动导出。这个方向仍然重要，OpenCut 就站在这里。

但另一条路线正在变清楚：视频生产不再只是一个编辑器，而是一条由智能体驱动的生产流水线。你给出主题、参考视频或本地素材，系统负责研究、脚本、分镜、素材生成、配音、剪辑、字幕、渲染、质检，最后把每个决策和成本留下记录。OpenMontage 代表的就是这个方向。

这两类项目看上去都叫“视频工具”，底层思路却差很多。一个从时间线编辑器出发，一个从 Agentic Video Pipeline 出发。真正值得关注的，是它们正在向同一个终点靠近：开放、可扩展、可自动化的视频生产系统。

先看两个项目的位置

截至 2026-07-18 的 GitHub 数据，OpenCut 已有约 7.50 万星，OpenMontage 约 3.96 万星。前者的传播点更容易理解：开源版 CapCut。后者更像一个面向 AI coding assistant 的视频生产框架，理解成本高一点，但想象空间也更大。

OpenCut 当前的自我定位是“free and open source video editor for web, desktop, and mobile”。它正在从头重写，目标包括 Editor API、插件优先架构、Rust Core 支撑的一套多端代码、MCP server、headless 批量渲染，以及编辑器里的脚本页。

OpenCut 标识

OpenMontage 的定位更激进：把 AI coding assistant 变成视频生产工作室。它不是让用户在一个 GUI 里点来点去，而是让智能体读取生产管线、调用工具、写入检查点，并在需要创意确认时停下来等人批准。

OpenMontage 趋势徽章

OpenCut：从“开源剪辑台”重新开局

OpenCut 最直接的价值，是把非线性视频编辑这件事放回开源世界。对于创作者来说，这意味着工具不必完全被商业平台、订阅制和闭源格式锁住。对于开发者来说，它意味着视频编辑器可以被插件、脚本和自动化系统接管。

它当前最重要的功能规划有六块：

•Editor API：把编辑器能力做成可调用接口，而不是只藏在 UI 操作里。

•第三方插件：插件优先架构让字幕、特效、导出、素材处理都有扩展空间。

•多端同源：Web、桌面、移动端共享一套架构，底层由 Rust Core 承担跨端能力。

•MCP server：让 AI agent 能以协议化方式理解并调用编辑器能力。

•Headless mode：支持自动化、批处理和批量渲染。

•Scripting tab：把脚本能力直接放进编辑器，让创作者和开发者不用离开工作台。

现在的 OpenCut 还处在重写阶段，桌面端用 GPUI 构建，文档里也明确说桌面应用还很早期，目前主要是窗口能打开。Web 侧使用 React、TanStack Router、Vite、Cloudflare 相关工具；API 侧使用 Elysia 和 Wrangler；桌面端在 Rust workspace 中演进。

所以，OpenCut 更像是在重建“开放视频编辑器的基础设施”。它还不是一套成熟的 agentic production system，但它把未来的接口留出来了：插件、MCP、headless、脚本。这些东西一旦稳定，AI agent 就不只是帮你写剪辑脚本，而是可以直接操控剪辑器。

OpenMontage：把视频生产拆成可治理流水线

OpenMontage 的核心不是“生成一段视频”，而是把一次视频生产拆成很多可以复核的阶段。

它支持的场景很宽：动画讲解、纪录片拼贴、产品预告、角色动画、头像主持人、长视频切短、播客再加工、本地化配音、屏幕演示、电影感 trailer 等。你可以从一句提示开始，也可以从一条 YouTube Short、Reel、TikTok 或本地视频开始。系统会分析 transcript、节奏、场景、关键帧和风格，再给出不同创意方案、工具路径、成本估算和样片方向。

更有意思的是，它强调“真实视频”路径。很多 AI 视频工具其实只是把静态图做 Ken Burns 动效，再配旁白和字幕。OpenMontage 也能做图生视频，但它还支持从 Archive.org、NASA、Wikimedia Commons、Pexels、Unsplash、Pixabay 等来源构建可检索素材库，再把真实运动镜头剪成时间线。

项目内置的生产能力大致分为这些层：

•管线：围绕 explainer、animation、cinematic、clip factory、podcast repurpose、localization dub、documentary montage 等场景定义完整流程。

•工具：覆盖视频生成、图像生成、TTS、音乐、混音、字幕、转写、场景检测、抽帧、增强、抠像、头像和唇形同步。

•渲染：按视觉语法选择 Remotion、HyperFrames 或 FFmpeg。

•Provider selector：按任务匹配、输出质量、可控性、可靠性、成本、延迟和连续性评分，选择当前最合适的提供方。

•质量门：proposal、脚本、分镜、素材、发布前都可以要求人工审批。

•预算治理：先估算，再预留，最后按实际成本对账，避免无声超支。

这不是“一个按钮生成视频”的路线。它更像让智能体按制片流程工作，旁边放着工具箱、预算表、质检清单和审批看板。

Backlot：让智能体的工作可见

Agentic Pipeline 最大的问题是黑箱。智能体说“我正在处理”，但它到底卡在哪里、花了多少钱、哪张图要不要重做、哪个脚本版本被批准，用户常常看不见。

OpenMontage 用 Backlot 来解决这个问题。Backlot 是一个本地生产看板，会随着项目文件自动更新。研究、提案、脚本、分镜、素材、合成、审核、发布这些阶段会依次亮起。你不是只看聊天记录，而是看到一块正在变化的生产墙。

Backlot 生产看板

它还把 storyboard 做成真实审批门。素材生成到某个场景后，系统会给出 contact sheet：不同 take、提示词、单项成本、质量分数。你可以在渲染前批准或打回，而不是等视频已经导出才发现方向错了。

Backlot 分镜审批

脚本阶段也一样。创意门会明确停在那里，告诉你为什么等待、下一步要确认什么。

Backlot 脚本审批

多个项目会进入本地 library。跑完之后还能 replay run，把整个生产过程按时间戳回放。这一点很“工程化”：视频创作不再只留下最终 mp4，还留下过程记录。

Backlot 项目库

功能架构图：两条路线正在靠近

开源视频生产系统功能架构图

OpenCut 的架构模式，可以概括为“编辑器内核 + 多端界面 + 插件/API”。它先把人类编辑体验做好，再把能力暴露给插件、脚本和智能体。优势是用户心智清晰，学习路径短，最终也更容易变成一个日常生产工具。

OpenMontage 的架构模式，则是“智能体控制平面 + 工具注册表 + 管线清单 + 技能说明”。Python 主要提供工具和持久化，智能体才是调度者。它读 YAML 管线，读 Markdown stage director skill，调用 Python tools，写 checkpoint，再把需要人的节点交给用户确认。

这两种模式各有短板。OpenCut 现在还早，很多规划能力需要时间落地；OpenMontage 能力面很大，但也依赖 agent 是否真的能遵守流程、读懂技能、正确调用工具。可一旦把两者放在一起看，方向就很清楚了：未来的视频工具既要有稳定的编辑器，也要有可自动化的生产协议。

流程图：一次视频生产如何被拆开

Agentic Video Pipeline 生产流程图

Agentic Video Pipeline 的价值，在于它把“创作”拆成可观察、可审计、可重跑的步骤。

先输入需求。它可以是一个主题、一条参考视频、一个本地素材包，或者一段长视频。

然后选择管线。系统不是盲目生成，而是先判断它更像 explainer、documentary montage、clip factory、localization，还是别的 production type。

接着进入研究、脚本和分镜。OpenMontage 会把 proposal、script、scene plan、asset manifest、edit decisions 这类产物持久化下来，后续阶段围绕这些产物继续推进。

素材阶段会调用不同工具和 provider。图像、视频、TTS、音乐、字幕、转写、抽帧、检索、增强，都不是一个模型包打天下，而是从工具注册表里选择。

合成渲染前还有治理。它会检查 delivery promise 有没有被违反，比如说好的 motion-led video 是否最后变成了幻灯片；渲染后还要做 ffprobe、抽帧、音频电平、字幕存在性等自检。

这套流程不酷炫，但很实用。它解决的是 AI 视频生产里最尴尬的问题：生成得很快，翻车也很快；没有质量门，速度只会放大返工。

两个项目的关键差异

OpenCut 解决的是“我需要一个开放的视频编辑器”。它的用户可能是创作者、剪辑师、教育者，也可能是想把视频编辑嵌入自己产品的开发者。它的核心资产会是时间线、编辑模型、插件系统、跨端体验和自动化接口。

OpenMontage 解决的是“我想让智能体完成一条视频生产线”。它的用户更像开发者、AI 内容团队、自动化工作流搭建者，或者愿意用代码和 agent 协作的创作者。它的核心资产不是一个单一界面，而是 pipeline_defs、tools、skills、schemas、Backlot、渲染运行时和预算/质量治理。

如果用一句话区分：

OpenCut 是“开放剪辑台”。

OpenMontage 是“智能体制片厂”。

前者先把编辑器做成开放基础设施，后者先把生产流程做成智能体可执行的协议。一个更接近 CapCut 的开源替代，一个更接近可复用的视频生产操作系统。

生态支持也在跟上

OpenMontage 现在已经有围绕 agent 协作和多模态推理的赞助支持。Bloome 强调多 AI agent 协作，Atlas Cloud 提供统一的多模态推理 API。它们出现在这个项目旁边并不意外，因为 Agentic Video Pipeline 天然会消耗大量模型能力：LLM、图像、视频、TTS、音乐、字幕、视觉理解，每一环都可能换 provider。

Bloome

Atlas Cloud

OpenCut 的生态看点则在另一个方向：如果 Editor API、插件、MCP 和 headless 能稳定下来，它会成为很多 AI 剪辑 workflow 的底座。到时候，agent 不一定自己实现剪辑器，而是通过 OpenCut 操控素材、时间线和导出。

我的判断

这轮开源视频项目爆发，表面看是“大家想要免费剪辑工具”。更深一层，是视频生产终于开始被软件工程化。

以前的视频工具围绕 UI 展开：时间线、预览窗、素材库、导出面板。

现在新的系统开始围绕流程展开：brief、proposal、script、scene plan、asset manifest、edit decisions、render report、publish log。

这不是 UI 消失了。恰恰相反，好的 UI 会更重要。只是 UI 不再是唯一入口。视频系统要同时服务三类操作者：人、插件、智能体。

OpenCut 和 OpenMontage 代表了两条不同起点。OpenCut 先做开放编辑器，再向 agent 和自动化开放；OpenMontage 先做 agentic pipeline，再用 Backlot 这类看板把过程可视化。谁会跑得更远，现在还不好说。但可以确定的是，视频工具的下一站不会只是“再做一个剪辑替代品”。

真正的变化，是视频生产开始有了可编排、可审批、可复盘的流水线。

声明：本文由山行整理自：OpenMontage[1]、OpenCut[2]，如果对您有帮助，请帮忙点赞、关注、收藏，谢谢～

参考链接

[1] OpenMontage: https://github.com/calesthio/OpenMontage

[2] OpenCut: https://github.com/OpenCut-app/OpenCut