OpenMontage + Antigravity Changed My Editing Game (It's Free)
三句話摘要
使用 Open Montage 和 AI 代理自動化影片製作，從原始錄音到成品視頻的完整流程。 Open Montage 透過模組化設計與詳細提示工程，將影片編輯從耗時手工作業轉變為成本可控的 AI 自動化流程。 架構設計五層次：Open Montage 倉庫包含說明文件（訓練手冊）、12 種管道（食譜、解說、訪談等）、50 個 Python 工具、Remotion 渲染引擎，以及「無內置 LLM」的設計理念，需使用者自行提供大型語言模型。
重點整理
重點- 1
架構設計五層次：Open Montage 倉庫包含說明文件（訓練手冊）、12 種管道（食譜、解說、訪談等）、50 個 Python 工具、Remotion 渲染引擎，以及「無內置 LLM」的設計理念，需使用者自行提供大型語言模型。
- 2
工作流程邏輯：講者錄製一分鐘的原始影片素材 → 提交給 AI 代理 → 代理讀取說明文件與管道食譜 → 使用工具生成動畫、效果、時間戳 → 渲染成最終 MP4 檔。本地執行 0 成本，只需付費給 LLM API。
- 3
提示工程的重要性：模糊指令（「為影片添加酷炫圖形」）導致品質低落；詳細指令（指定時間間隔、視覺概念、具體效果）才能產生符合預期的實施計畫，給予使用者修改空間。
- 4
成本優化與模型選擇：Gemini 3.5 Flash 速度快、成本低（約一美元級別），而 Fable 等推理模型會大幅提升成本；編輯工作透過免費 Open Montage 完成，LLM 主要用於決策與計畫生成。
實用技巧與重點
乾貨- 環境需求：Python、Node.js、FFmpeg
- 安裝時間：5-10 分鐘
- Open Montage 星數：36,000
- 倉庫結構：1,000+ 檔案、12 種管道（食譜、解說、訪談、紀錄片、逐步教學等）
- 工具數量：約 50 個 Python 腳本
- 本地運行成本：0 美元
- API 成本參考：$1 左右（使用 Gemini 3.5 Flash）
- 語音引擎：Piper（免費本地版）或 11 Labs（付費）
- 渲染引擎：Remotion + Node.js
- 建議模型：Gemini 3.5 Flash（速度快、成本低）
- 提示範例：指定時間戳（每 5 秒）、視覺概念、數學概念、動作技能等
- 影片案例：31 秒影片，每 5 秒插入動態圖形
結論
結論“Open Montage 透過模組化設計與詳細提示工程，將影片編輯從耗時手工作業轉變為成本可控的 AI 自動化流程。”
完整解析
詳細開源影片製作領域長期面臨一個核心痛點：編輯成本高。講者分享自身數據——製作 120 支影片的經驗中，每一分鐘的音軌需花費十分鐘進行剪輯、圖形、字幕等後期處理，已成為實質上的「第二份工作」。Open Montage 正是針對這個問題設計的自動化解決方案。
Open Montage 是一個 GitHub 開源專案（36,000 星），核心創新在於「無內置 LLM」的架構。倉庫包含五個主要元件：Markdown 訓練文檔（教導 AI 代理執行影片製作流程）、12 種預設管道食譜（針對訪談、紀錄片、逐步教學等不同類型）、約 50 個 Python 工具腳本、Remotion 渲染引擎，以及使用者自行提供的大型語言模型。這個設計意味著所有本地運算（生成動畫、效果、編輯）完全免費，成本僅來自 LLM API 調用。
實作流程包括三個步驟的環境配置（安裝 Python、Node、FFmpeg，5-10 分鐘完成）、克隆倉庫、建立 Python 虛擬環境、安裝 Remotion 與 Piper 語音引擎。配置完成後，使用者錄製一段原始影片或音軌，提交給 AI 代理並給予詳細指令。AI 代理讀取倉庫內的說明文件與管道食譜，使用 Python 工具生成時間戳、動畫效果、視覺元素，最後透過 Remotion 渲染為最終 MP4 檔。
提示工程在此流程中至關重要。講者現場展示對比：模糊指令「為我的影片添加酷炫圖形」導致 AI 代理任意應用效果，品質平庸；而詳細指令「在素材中每隔 5 秒插入圖形，涵蓋視覺概念、數學概念、口語數字、抽象編輯技巧」則能產生明確的實施計畫，包括具體時間戳，使用者可逐一審核修改。這種「可控輸出」相比「模型粗糙產物」，品質提升顯著。
模型選擇也影響經濟效益。Gemini 3.5 Flash 因速度快、成本低（約一美元級別），成為講者推薦；而 Fable 等推理模型雖然功能強大，但會大幅增加成本，在純決策與計畫生成的使用場景下不夠划算。整體而言，這套工作流將每分鐘影片的後期成本從人工十倍時間降低至數秒的 AI 處理加幾美元 LLM 費用。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
