Cách Biến Claude Code Hoặc Con Trỏ Thành Studio Sản Xuất Video

TL;DR: OpenMontage là hệ thống sản xuất video theo tác nhân nguồn mở, chạy bên trong trợ lý mã hóa AI hiện có. Dự án có 11 quy trình sản xuất, hơn 100 công cụ, hơn 60 tích hợp nhà cung cấp và hơn 700 tệp kỹ năng, kiến thức; một yêu cầu có thể đi từ nghiên cứu, kịch bản, tạo tài sản đến chỉnh sửa và kết xuất. Tính đến ngày 1 tháng 9 năm 2026, dự án có 55.047 lượt gắn sao. Trước khi bắt đầu, cần biết hai điều: giấy phép là AGPL-3.0, không phải MIT; và đây là một hệ thống sử dụng API rất nhiều, nên chi phí thực tế gắn với từng lần thử lại.

Dùng thử Apidog hôm nay

Đây là một phân tích sâu về công cụ trong danh sách năm công cụ tác nhân AI nguồn mở đáng cài đặt vào năm 2026.

OpenMontage thực sự làm gì?

Hầu hết công cụ “video AI” tạo một đoạn clip từ một lời nhắc duy nhất. OpenMontage cung cấp cho tác nhân mã hóa cả một bộ phận sản xuất:

• Nghiên cứu
• Đề xuất
• Kịch bản
• Kế hoạch cảnh quay
• Tạo tài sản
• Chỉnh sửa
• Tổng hợp và kết xuất
• Phê duyệt của con người giữa các giai đoạn

Bạn mở kho lưu trữ trong Claude Code, Cursor, Copilot, Windsurf hoặc Codex rồi mô tả yêu cầu, chẳng hạn:

Tạo một video giải thích hoạt hình dài 60 giây về cách mạng lưới thần kinh học hỏi.

Tác nhân chạy quy trình:

nghiên cứu -> đề xuất -> kịch bản -> kế hoạch_cảnh -> tài sản -> chỉnh_sửa -> tổng_hợp

Mỗi giai đoạn có một kỹ năng đạo diễn — một tệp hướng dẫn Markdown mô tả cách thực hiện giai đoạn đó. Tác nhân đọc kỹ năng, sử dụng công cụ, tự đánh giá đầu ra, lưu trạng thái và dừng lại để chờ phê duyệt tại các điểm quyết định sáng tạo.

Điểm khác biệt lớn nhất là giai đoạn nghiên cứu. Trước khi viết kịch bản, tác nhân thực hiện khoảng 15–25 lượt tìm kiếm trên YouTube, Reddit, Hacker News, các trang tin tức và nguồn học thuật. Sau đó, nó tạo bản tóm tắt nghiên cứu có cấu trúc và trích dẫn. Kịch bản dựa trên kết quả tìm kiếm thay vì chỉ dựa vào những gì mô hình ghi nhớ.

11 quy trình sản xuất

README liệt kê 11 quy trình hoàn chỉnh, dù phần mô tả tiếp thị của kho lưu trữ nói đến 12:

Quy trình	Sản xuất	Phù hợp với
Video giải thích hoạt hình	Nghiên cứu, thuyết minh, hình ảnh, âm nhạc	Hướng dẫn, phân tích chủ đề
Hoạt hình	Đồ họa chuyển động, chữ động học	Mạng xã hội, demo sản phẩm
Người nói ảnh đại diện	Video do người thuyết trình dẫn dắt	Truyền thông doanh nghiệp, đào tạo
Điện ảnh	Trailer, teaser, chỉnh sửa theo tâm trạng	Phim thương hiệu
Xưởng cắt clip	Xếp hạng clip ngắn từ một nguồn dài	Tái sử dụng nội dung dài
Dựng phim tài liệu	Cắt ghép theo chủ đề từ cảnh quay miễn phí đã lập chỉ mục	Bài luận video, B-roll thực tế
Kết hợp	Cảnh quay nguồn cộng với hình ảnh được tạo	Cải thiện cảnh quay hiện có
Bản địa hóa và lồng tiếng	Phụ đề, lồng tiếng, dịch thuật	Phân phối đa ngôn ngữ
Tái sử dụng Podcast	Chuyển điểm nổi bật thành video	Tiếp thị podcast
Demo màn hình	Ghi màn hình được trau chuốt	Demo sản phẩm, tài liệu
Người nói chuyện trực tiếp	Video diễn giả dẫn dắt bằng cảnh quay	Bài thuyết trình, phỏng vấn

Quy trình đáng chú ý

Dựng phim tài liệu (Documentary Montage) là phần thú vị nhất về mặt kỹ thuật. Thay vì tạo hoạt ảnh từ ảnh tĩnh, quy trình này xây dựng kho dữ liệu được lập chỉ mục CLIP từ các nguồn miễn phí và kho lưu trữ mở như Pexels, Archive.org, NASA, Wikimedia và Unsplash. Tác nhân truy xuất các clip chuyển động thực tế bằng cách khớp ngữ nghĩa rồi cắt chúng thành một dòng thời gian hoàn chỉnh.

Kết quả là video từ cảnh quay thực tế mà không cần API tạo trả phí — một khác biệt đáng kể so với hầu hết gói video AI miễn phí.

Với nhóm thường xuất bản nội dung cho nhà phát triển, Demo màn hình và Xưởng cắt clip có lợi ích rõ ràng nhất. Một bản phát hành hoặc nhật ký thay đổi có thể được chuyển thành video hướng dẫn mà không cần một người chỉnh sửa dành cả buổi chiều.

Backlot: cổng phê duyệt trước khi chi tiêu

Chat chỉ cho biết tác nhân đã nói gì. Backlot là bảng điều khiển cục bộ cho biết quy trình sản xuất đang thực hiện gì:

• Giai đoạn nào đang chạy
• Kịch bản dưới dạng trang kịch bản
• Thẻ cảnh trong lúc tài sản được tạo
• Nhà cung cấp nào được chọn
• Chi phí đã phát sinh

python -m backlot open                  # thư viện của mọi dự án trên ổ đĩa
python -m backlot open <project-id>     # bảng trực tiếp của một sản phẩm
python scripts/backlot_simulate_run.py  # xem một lần chạy mô phỏng trước

Bảng điều khiển tự động mở khi quy trình bắt đầu và đọc dữ liệu từ các tệp mà quy trình đã ghi, không cần cơ chế báo cáo riêng.

Điểm quan trọng nhất là bảng phân cảnh hoạt động như một cổng thực sự. Việc tạo tài sản sẽ tạm dừng trên bảng liên hệ theo từng cảnh, hiển thị:

• Cảnh quay
• Lời nhắc
• Chi phí của từng tài sản
• Điểm chất lượng

Bạn có thể phê duyệt hình ảnh trước khi kết xuất, thay vì phát hiện vấn đề sau khi đã trả tiền. Cổng kịch bản cũng giữ quy trình cho đến khi có phản hồi. Khi chạy xong, chế độ phát lại cuộn toàn bộ quá trình theo dấu thời gian.

Với hệ thống tác nhân có ngân sách, cổng phê duyệt trước khi chi tiêu là một thuộc tính an toàn rất quan trọng. Một tác vụ không thể bắt đầu cho đến khi con người chấp thuận — đây là điều mà phần lớn công cụ tác nhân còn thiếu.

Bắt đầu từ một video tham khảo

Bạn không cần viết một lời nhắc hoàn hảo. Chỉ cần cung cấp thứ bạn muốn mô phỏng.

Dán một video YouTube, Short, Reel, TikTok hoặc clip cục bộ. Tác nhân sẽ phân tích:

• Kịch bản
• Nhịp độ
• Cảnh quay
• Khung hình chính
• Phong cách

Sau đó, nó đưa ra hai hoặc ba khái niệm khác biệt, đề xuất chuỗi công cụ, ước tính chi phí và mẫu thử trước khi chạy toàn bộ quy trình.

Đây là một YouTube Short tôi yêu thích. Hãy làm cho tôi một thứ gì đó tương tự, nhưng về quản lý phiên bản API.

Kết quả cho biết rõ nội dung nào được giữ lại từ tài liệu tham khảo, nội dung nào được thay đổi, chi phí dự kiến theo độ dài mục tiêu và kết quả sẽ như thế nào với các nhà cung cấp hiện được cấu hình.

Chi phí được tính trước khi cam kết là nguyên tắc xuyên suốt của dự án.

Cài đặt

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

Yêu cầu:

• Python 3.10 trở lên
• FFmpeg
• Node.js 18 trở lên
• Một trợ lý mã hóa AI có thể đọc tệp và chạy mã

Sau khi cài đặt, mở dự án trong tác nhân mã hóa và mô tả video cần tạo.

Thiết lập nhà cung cấp là tùy chọn và có thể bổ sung dần. Mỗi khả năng đều hỗ trợ lựa chọn cục bộ nguồn mở bên cạnh API trả phí. Bộ chọn nhà cung cấp chấm điểm bảy yếu tố:

1. Mức độ phù hợp với tác vụ
2. Chất lượng đầu ra
3. Mức độ kiểm soát
4. Độ tin cậy
5. Hiệu quả chi phí
6. Độ trễ
7. Tính liên tục

Sau đó, hệ thống chọn đối sánh phù hợp nhất. Bạn không bị khóa vào một nhà cung cấp và có thể chạy nhiều tác vụ mà không cần cấu hình API trả phí.

Để tham khảo, video giới thiệu của dự án tạo bảy thế giới bằng ba mô hình hình ảnh và bốn mô hình video, với chi phí tạo được báo cáo là khoảng 5 USD. Bạn cũng có thể tải Apidog để thiết kế, mô phỏng và kiểm thử các API được tích hợp trong quy trình.

Đọc giấy phép trước khi phát triển dựa trên OpenMontage

Đây là điểm dễ bị bỏ qua nhất.

OpenMontage sử dụng AGPL-3.0. Trong khi đó, agency-agents, Agent-Reach, Orca và codebase-memory-mcp đều sử dụng MIT. Khác biệt này không chỉ mang tính hình thức.

Điều khoản mạng của AGPL quy định rằng nếu bạn chạy một phiên bản đã sửa đổi như dịch vụ mạng, bạn có nghĩa vụ cung cấp mã nguồn của các thay đổi cho người dùng dịch vụ đó.

• Công cụ nội bộ: thường phù hợp.
• Đóng gói vào sản phẩm SaaS và tính phí: cần được đội pháp lý đánh giá cẩn thận.

Đây là lựa chọn hợp pháp của nhóm duy trì dự án và phù hợp với mục đích của AGPL. Tuy nhiên, hãy đưa ra quyết định cùng đội pháp lý trước khi xây dựng quy trình dựa trên nó, thay vì phát hiện giấy phép trong quá trình thẩm định.

Đây là một dự án tích hợp API

Khó khăn lớn nhất thường xuất hiện sau tuần đầu tiên — và không nằm ở công việc sáng tạo.

OpenMontage điều phối hơn 60 tích hợp cho:

• Tạo video và hình ảnh
• Chuyển văn bản thành giọng nói
• Âm nhạc
• Trộn âm thanh
• Phụ đề
• Cải thiện chất lượng
• Phân tích

Mỗi tích hợp là một API bên thứ ba với cơ chế xác thực, hạn ngạch, định dạng lỗi và độ trễ riêng. Tác nhân không “viết video” theo nghĩa đơn giản; nó điều phối một công việc phân tán trên hàng chục dịch vụ, trong đó nhiều dịch vụ có tính phí.

Các chế độ lỗi cần xử lý gồm:

• Tác vụ dài và bất đồng bộ: Tạo video thường yêu cầu gửi một job rồi thăm dò kết quả trong vài phút. Tác nhân có thể hết thời gian chờ hoặc thăm dò quá mức nếu không có mẫu xử lý phù hợp. Xem thêm xử lý các hoạt động API dài hạn bằng tác nhân AI.
• Thử lại gây tính phí kép: Một yêu cầu có thể đã thành công nhưng phản hồi bị hết thời gian chờ. Gửi lại ngay sẽ tạo cùng một clip lần thứ hai. Hãy dùng khóa idempotency cho tác nhân AI.
• Phân biệt hạn ngạch và lỗi hệ thống: Lỗi 429 cần được chờ và thử lại có kiểm soát, không nên xử lý giống lỗi 500 rồi lập tức chuyển sang nhà cung cấp kém hơn. Điều này bắt đầu từ thiết kế thông báo lỗi API cho tác nhân AI và phục hồi lỗi tác nhân AI.
• Thay đổi API không báo trước: Một trường phản hồi có thể thay đổi hoặc quy trình bị gián đoạn giữa chừng. Bạn có thể chỉ phát hiện khi video kết xuất sai. Xem điều gì xảy ra khi các thay đổi API làm hỏng tác nhân AI.

OpenMontage xử lý khá nghiêm túc các vấn đề này:

• Ước tính chi phí trước khi chạy
• Giới hạn chi tiêu
• Ngưỡng phê duyệt theo từng hành động
• Xác thực trước khi tổng hợp để tránh lãng phí GPU
• Tự đánh giá sau kết xuất bằng ffprobe, trích xuất khung hình và phân tích âm thanh
• Nhật ký có thể kiểm toán cho mọi lựa chọn nhà cung cấp và phương án dự phòng

Nếu bạn thêm nhà cung cấp hoặc đóng gói OpenMontage thành dịch vụ riêng, hãy áp dụng kỷ luật tương tự:

1. Viết hợp đồng dưới dạng đặc tả OpenAPI.
2. Tạo mô phỏng từ đặc tả.
3. Kiểm thử các nhánh lỗi mà không phải trả tiền cho từng API call.
4. Thêm kiểm thử hợp đồng thất bại vào CI.
5. Dùng idempotency cho mọi thao tác có tính phí.

Apidog có thể tạo mô phỏng từ đặc tả OpenAPI, bao gồm cả phản hồi lỗi. Đây là cách tiết kiệm chi phí hiệu quả khi kiểm thử một API đắt, chậm và không xác định. Có thể xem thêm cách sử dụng đặc tả OpenAPI làm công cụ tác nhân.

Sản xuất là công việc nhóm, còn Backlot là cục bộ

Backlot phù hợp khi một người tự làm video. Trong doanh nghiệp, quy trình thường cần nhiều vai trò:

• Chuyên gia đánh giá kịch bản
• Bộ phận thương hiệu duyệt hình ảnh
• Người xác minh các tuyên bố
• Chủ sở hữu kênh duyệt bản cắt cuối

Các cổng của OpenMontage có thể tạm dừng để chờ con người, nhưng không quản lý người phê duyệt, hàng đợi, phân công hay lịch sử ai đã duyệt nội dung nào. Khi có người hỏi ai đã duyệt tuyên bố về giá trong cảnh bốn, câu trả lời chỉ còn là dấu thời gian trong thư mục cục bộ.

Sharkly bổ sung lớp tổ chức còn thiếu:

• Task là bản ghi: Tiến độ, lệnh gọi công cụ, kết quả và phản hồi kịch bản được lưu trên task dưới dạng bình luận.
• Crew là mô hình lãnh đạo trước: Một tác nhân lãnh đạo quyết định cần mời chuyên gia hoặc con người nào rồi tổng hợp đầu ra.
• Backlog không tự chạy: Bạn có thể xếp hàng một tháng công việc mà chưa tốn chi phí, sau đó phát hành từng mục khi được duyệt.
• Agent là cấu hình có thể tái sử dụng: Hướng dẫn, runtime, kỹ năng, kho lưu trữ, môi trường, nhà cung cấp và giới hạn ngân sách được lưu thành một cấu hình.
• Runtime do bạn cung cấp: Tác vụ có thể chạy trên máy tính cá nhân, máy chủ hoặc container có đủ ổ đĩa và CPU để kết xuất.
• Mỗi task dùng một worktree: Hai sản phẩm chạy đồng thời không xung đột tệp.

Tóm lại, OpenMontage tự động hóa quá trình sản xuất; nó không tự động hóa việc phê duyệt, phân công và lưu hồ sơ. Trong một nhóm, chính những phần này thường cản trở việc phát hành.

Ai nên cài đặt OpenMontage?

Nên dùng nếu

• Bạn thường xuyên xuất bản nội dung cho nhà phát triển.
• Bạn đang phải thuê chỉnh sửa video hoặc bỏ qua việc tạo video.
• Bạn cần chuyển nhật ký thay đổi thành video hướng dẫn.
• Bạn muốn biến một bài nói hội nghị thành hàng chục clip mạng xã hội.
• Bạn cần video từ cảnh quay thực tế mà không muốn dùng API tạo trả phí.

Screen Demo, Clip Factory và Localization có khả năng hoàn vốn thiết lập nhanh nhất. Documentary Montage cũng nổi bật nếu bạn muốn tận dụng kho cảnh quay miễn phí.

Nên bỏ qua nếu

• Bạn chỉ cần vài video mỗi năm.
• Chi phí thiết lập, cấu hình nhà cung cấp và thời gian học không được khấu hao.
• AGPL không phù hợp với cách bạn dự định phân phối hoặc cung cấp phần mềm.

Câu hỏi thường gặp

Có cần khóa API trả phí không?

Không. Mọi tính năng đều hỗ trợ lựa chọn nguồn mở hoặc cục bộ, còn Documentary Montage sử dụng kho cảnh quay miễn phí. API trả phí mang lại chất lượng và nhiều tùy chọn hơn. Cách an toàn là bắt đầu với các lựa chọn miễn phí rồi bổ sung nhà cung cấp khi cần.

Trợ lý mã hóa nào hoạt động?

Claude Code, Cursor, Copilot, Windsurf và Codex được nêu tên. Về nguyên tắc, bất kỳ trợ lý nào có thể đọc tệp và chạy mã đều hoạt động, vì quy trình là Python kết hợp với các tệp kỹ năng Markdown.

Một video tốn bao nhiêu?

Tùy quy trình và nhà cung cấp:

• Video giới thiệu bảy thế giới của dự án: khoảng 5 USD chi phí tạo.
• Documentary Montage dùng kho miễn phí: chi phí gần bằng không.
• Các quy trình khác: phụ thuộc vào số cảnh, độ dài và API được chọn.

Hệ thống ước tính chi phí trước khi chạy và áp dụng giới hạn chi tiêu để bạn biết mức cam kết trước khi bắt đầu.

AGPL có phải vấn đề không?

Sử dụng nội bộ, dự án cá nhân và công việc nguồn mở thường không phải vấn đề. Nếu chạy phiên bản đã sửa đổi như một dịch vụ cho người khác, điều khoản mạng và nghĩa vụ cung cấp mã nguồn có thể được kích hoạt. Hãy hỏi đội pháp lý trước khi xây dựng sản phẩm dựa trên dự án.

Có thể chỉnh sửa cảnh quay riêng không?

Có. Talking Head, Hybrid, Screen Demo, Clip Factory và Localization đều hỗ trợ cảnh quay do bạn cung cấp. Tạo nội dung mới chỉ là một lựa chọn.

OpenMontage khác framework tác nhân thế nào?

OpenMontage gần với một thư viện kỹ năng chuyên biệt như agency-agents, nhưng tập trung vào sản xuất video và đi kèm công cụ thực tế.

Nó không phải hạ tầng điều phối như Strands hoặc AgentKit. Thay vào đó, nó biến một tác nhân mã hóa hiện có thành tác nhân có khả năng thực hiện quy trình sản xuất video.

Kết luận

OpenMontage là một trong những dự án tham vọng nhất trong nhóm công cụ tác nhân hiện nay. Nó có nhiều thiết kế thực tế hơn phần lớn công cụ cùng loại:

• Cổng phê duyệt trước khi chi tiêu
• Ước tính chi phí trước khi chạy
• Tự đánh giá sau kết xuất
• Nhật ký quyết định có thể kiểm toán

Nếu bạn xuất bản nội dung cho nhà phát triển, riêng Screen Demo và Clip Factory có thể đủ để biện minh cho chi phí thiết lập.

Hãy bắt đầu với hai quyết định rõ ràng:

1. Giấy phép là AGPL-3.0, không phải chi tiết có thể bỏ qua.
2. Bên dưới lớp sáng tạo là một hệ thống tích hợp API lớn và tốn kém, vì vậy cần đặc tả hợp đồng, mô phỏng lỗi, thử lại idempotency và xử lý riêng hạn ngạch với sự cố ngừng hoạt động.

Apidog phù hợp với phần hợp đồng, mô phỏng và kiểm thử API. Sharkly phù hợp với phần phân công, phê duyệt và lưu hồ sơ.

Tác nhân có thể đạo diễn video. Nó không nên là bản ghi duy nhất cho thấy video đã được phê duyệt.