OpenMontage: biến trợ lý AI thành xưởng làm video — hướng dẫn cài đặt và dùng
Bài này là một góc nhìn khác về OpenMontageInc/OpenMontage — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: OpenMontage: biến trợ lý AI thành xưởng làm video — hướng dẫn cài đặt và dùng →

Tóm tắt nhanh
OpenMontage là hệ thống mã nguồn mở viết bằng Python, cho phép trợ lý AI lập trình làm cả một video từ nghiên cứu, kịch bản, hình, tiếng, nhạc đến dựng phim. Bạn chỉ cần mô tả video bằng lời thường. Cài đặt cần Python, FFmpeg, Node.js và chạy một lệnh make setup, không bắt buộc có API key trả phí.
OpenMontage là một hệ thống mã nguồn mở giúp trợ lý AI lập trình (như Claude Code, Cursor, Copilot, Windsurf, Codex) làm ra cả một video hoàn chỉnh. Bạn mô tả video mình muốn bằng tiếng thường, agent lo phần còn lại: tìm tư liệu, viết kịch bản, tạo hình, đọc lời, thêm nhạc, dựng và xuất file.
Repo này hợp với ba nhóm người. Thứ nhất là người làm nội dung, chủ shop, nhân viên marketing muốn có video giới thiệu mà không biết dựng phim. Thứ hai là lập trình viên mới đã quen dùng trợ lý AI trong editor. Thứ ba là ai muốn thử làm video bằng công cụ miễn phí trước khi tiêu tiền cho dịch vụ trả phí.
Điểm đáng giá nhất là repo không chỉ “biến vài tấm ảnh thành video”. Nó còn có đường làm video từ cảnh quay thật: agent gom footage miễn phí từ kho lưu trữ mở, chọn đoạn phù hợp, cắt thành timeline rồi xuất ra. Repo hiện có khoảng 80006 sao và 10753 fork, giấy phép AGPL-3.0, và vẫn được cập nhật trong 3 tháng gần đây.
OpenMontageInc/OpenMontage
OpenMontage biến trợ lý AI lập trình (Claude Code, Cursor, Codex…) thành xưởng làm video: viết kịch bản, tạo hình, giọng đọc, dựng và xuất file.
I.OpenMontage làm được gì
Tác giả mô tả repo có 12 pipeline sản xuất, hơn 100 công cụ và hơn 700 file kỹ năng, kiến thức sản xuất cho agent. Nói đơn giản: agent không “tự bịa” quy trình, mà đi theo các pipeline đã định sẵn. Dưới đây là những thứ bạn dùng được ngay.
- Làm video từ một câu mô tả. Bạn gõ yêu cầu, agent nghiên cứu bằng tìm kiếm web, viết kịch bản, đọc lời, thêm nhạc miễn phí bản quyền, gắn phụ đề từng chữ rồi render. Bạn đỡ phải tự ghép từng công cụ.
- Bắt đầu từ video bạn thích. Dán một video YouTube, Short, Reel, TikTok hoặc file trên máy. Agent phân tích lời thoại, nhịp, cảnh, khung hình và phong cách, rồi đưa 2-3 ý tưởng khác nhau, đường đi công cụ thực tế, ước tính chi phí và một bản mẫu trước khi làm đầy đủ. Bạn biết trước sẽ tốn bao nhiêu.
- Video từ cảnh quay thật. Pipeline “documentary montage” dựng một kho footage có thể tìm bằng CLIP từ Archive.org, NASA, Wikimedia Commons, cùng Pexels, Unsplash nếu bạn có key miễn phí. Muốn dùng đường này, hãy nói rõ “use real footage only”.
- Chạy được với 0 API key. Giọng đọc offline bằng Piper TTS, footage mở, dựng bằng Remotion hoặc HyperFrames, hậu kỳ bằng FFmpeg, phụ đề tự sinh. Không cần trả tiền để thử.
- Nhiều nhà cung cấp AI để chọn. Nếu có key, bạn mở thêm công cụ: FLUX, Veo, Kling, MiniMax cho hình và video; ElevenLabs, OpenAI, Google cho giọng đọc; Suno cho nhạc. Mỗi lựa chọn nhà cung cấp được chấm điểm theo 7 tiêu chí và ghi lại để bạn kiểm tra.
- Backlot, bảng phân cảnh trực tiếp. Đây là một bảng chạy trên máy bạn, tự cập nhật khi pipeline chạy: các giai đoạn sáng lên, kịch bản hiện ra, từng cảnh hiện chi phí và điểm chất lượng. Bước tạo tài sản sẽ dừng ở bảng duyệt từng cảnh để bạn đồng ý trước khi render, tránh làm xong mới phát hiện sai.
- Tự kiểm tra trước khi giao. Hệ thống chạy ffprobe, lấy mẫu khung hình, đo mức âm thanh, đối chiếu lời hứa với kết quả và kiểm tra phụ đề.
- Có GPU thì tạo video cục bộ. Repo có lệnh riêng để bật tạo video ngay trên máy, nhiều mô hình để chọn.
II.Cần chuẩn bị gì
Theo README, bạn cần bốn thứ:
- Python 3.10 trở lên.
- FFmpeg. README gợi ý
brew install ffmpeg(macOS),sudo apt install ffmpeg(Linux), hoặc tải từ trang chủ FFmpeg. - Node.js bản đã vá lỗi, thuộc dòng 22.x (từ 22.23.4), 24.x (từ 24.22.1) hoặc 26.x (từ 26.12.1). Repo có file
.node-versionchọn sẵn 22.23.4. - Một trợ lý AI lập trình: Claude Code, Cursor, Copilot, Windsurf hoặc Codex.
API key hoàn toàn tùy chọn. README viết rõ: “every key is optional”, càng nhiều key càng nhiều công cụ. Phần cứng: chỉ khi muốn tạo video cục bộ mới cần GPU. Với các đường miễn phí, README không nêu yêu cầu GPU.
Mỗi key nhà cung cấp là tài khoản có thể tính tiền theo lượng dùng. Hãy điền key vào file .env trên máy bạn, không dán key vào chat hay đẩy file .env lên GitHub. Nên xem ước tính chi phí mà agent đưa ra trước khi cho phép tạo hình hoặc video.
III.Cài đặt từng bước
- Cài công cụ nềnCó Python 3.10+, FFmpeg và Node.js bản phù hợp
- Tải repoDùng git clone rồi vào thư mục OpenMontage
- Chạy make setupMột lệnh cài mọi thứ cần thiết
- Điền key (nếu có)Mở file .env và thêm key bạn muốn dùng
- Mở bằng trợ lý AIMở thư mục trong Claude Code, Cursor… rồi ra lệnh bằng lời
A.Kiểm tra công cụ nền
Trước tiên đảm bảo máy đã có Python, FFmpeg và Node.js đúng phiên bản như phần trên. Mở terminal (trên Windows là PowerShell) và gõ thử để xem đã có chưa. Hai lệnh dưới là lệnh kiểm tra phiên bản phổ thông, không nằm trong README.
python --version
node --version
ffmpeg -versionNếu máy báo không tìm thấy lệnh, quay lại cài từng thứ theo liên kết trong README. Đây là chỗ người mới hay vấp nhất: cài xong phải mở terminal mới thì máy mới nhận.
B.Tải repo về máy
Mở terminal ở thư mục bạn muốn đặt dự án, rồi chạy:
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontageLệnh đầu tải mã nguồn về, lệnh thứ hai đi vào thư mục vừa tải. Các lệnh sau đều phải chạy trong thư mục này.
C.Chạy lệnh cài đặt
README dùng một lệnh duy nhất:
make setupLệnh này cài các thứ cần có để chạy ngay, gồm cả công cụ miễn phí như giọng đọc Piper. Máy Windows thường không có sẵn make. Nếu gặp tình huống đó, README đưa cách cài thủ công. Trên macOS/Linux:
python3 -m venv .venv && source .venv/bin/activate && python -m pip install 'pip>=26.2.2' && python -m pip install -r requirements.txt && cd remotion-composer && npm install && cd .. && python -m pip install piper-tts && cp .env.example .envTrên Windows PowerShell:
py -3 -m venv .venv; .\.venv\Scripts\Activate.ps1; python -m pip install 'pip>=26.2.2'; python -m pip install -r requirements.txt; cd remotion-composer; npm install; cd ..; python -m pip install piper-tts; Copy-Item .env.example .envChuỗi lệnh này tạo môi trường Python riêng (.venv), kích hoạt nó, cài thư viện Python, cài phần dựng video Remotion bằng npm, cài Piper TTS và tạo file .env từ mẫu. Nếu trên Windows npm install báo lỗi ERR_INVALID_ARG_TYPE, README bảo dùng:
npx --yes npm installD.Điền API key (không bắt buộc)
Mở file .env vừa tạo bằng trình soạn thảo. Mỗi dòng có dạng TÊN=giá-trị. Chỉ điền cái bạn có. Ví dụ theo README:
FAL_KEY=your-key
ELEVENLABS_API_KEY=your-key
OPENAI_API_KEY=your-key
GOOGLE_API_KEY=your-key
PEXELS_API_KEY=your-keyTrong đó FAL_KEY mở ảnh FLUX và video Veo, Kling, MiniMax; ELEVENLABS_API_KEY mở giọng đọc cao cấp; PEXELS_API_KEY mở kho footage và ảnh miễn phí (README nói key nhà phát triển của Pexels, Unsplash, Pixabay đều miễn phí). Thay your-key bằng key thật, không để dấu cách thừa.
Nếu có GPU và muốn tạo video cục bộ:
make install-gpuSau đó thêm vào .env:
VIDEO_GEN_LOCAL_ENABLED=true
VIDEO_GEN_LOCAL_MODEL=wan2.2-ti2v-5bREADME ghi các lựa chọn khác cho model: wan2.1-1.3b, wan2.1-14b, hunyuan-1.5, ltx2-local, cogvideo-5b.
E.Mở bằng trợ lý AI và ra lệnh
Mở thư mục OpenMontage trong trợ lý AI của bạn rồi gõ yêu cầu bằng lời, ví dụ:
Make a 60-second animated explainer about how neural networks learnBạn có thể viết yêu cầu bằng tiếng Việt, nhưng README chỉ đưa ví dụ tiếng Anh. Các ví dụ ở đây giữ nguyên bản tiếng Anh để chắc chắn đúng với tư liệu.
IV.Kiểm tra đã chạy được chưa
README không đưa một lệnh “kiểm tra cài đặt” riêng. Có ba cách kiểm tra thực tế:
- Lệnh cài (
make setuphoặc chuỗi lệnh thủ công) chạy hết mà không báo lỗi đỏ. - Chạy lệnh in ra các công cụ agent đang dùng được, đây là lệnh README dành cho agent:
python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.support_envelope(), indent=2))"Nếu in ra một khối JSON liệt kê khả năng hiện có, môi trường Python đã nhận được kho công cụ.
- Xem thử bảng Backlot bằng bản mô phỏng, khi bạn chưa có video nào:
python scripts/backlot_simulate_run.pyREADME mô tả lệnh này cho bạn xem một lần sản xuất giả lập chạy trực tiếp. Bạn cũng có thể dùng python -m backlot open để mở thư viện mọi dự án trên máy.
V.Dùng vào việc thật
A.Chủ shop làm video giới thiệu sản phẩm, không tốn key
Bạn bán đồ gia dụng và cần một đoạn giải thích ngắn. Chưa muốn trả tiền cho dịch vụ AI nào. Mở dự án trong trợ lý AI và dùng một câu lệnh mẫu của README cho đường miễn phí:
Make a 45-second animated explainer about why the sky is blueBạn thay chủ đề bằng nội dung của mình. Piper đọc lời, hình lấy từ nguồn miễn phí, Remotion dựng, phụ đề tự thêm. Kết quả là một file video có tiếng, có chữ. Chất lượng hình phụ thuộc vào công cụ miễn phí, nên hãy xem trên bảng duyệt từng cảnh trước khi đồng ý render.
Bạn không cần biết dựng phim, chỉ cần biết mình muốn nói gì.
Ông T
B.Nhân viên marketing làm lại một video đang hot
Bạn thấy một Short hay và muốn làm bản của riêng công ty. Dán link vào trợ lý rồi viết theo mẫu của README:
Here's a YouTube Short I love. Make me something like this, but about quantum computing.Thay chủ đề cho đúng việc của bạn. Agent phân tích nhịp, kiểu mở đầu, cấu trúc, rồi trả về: giữ gì từ video gốc, đổi gì, chi phí ở độ dài bạn chọn và bản mẫu. Kết quả là kế hoạch có số liệu để bạn quyết định, thay vì một prompt đoán mò. Bạn nên làm ý tưởng của riêng mình, không sao chép nguyên video gốc.
C.Người làm nội dung dựng phim tư liệu từ cảnh quay thật
Bạn làm kênh chia sẻ và cần một đoạn montage không lời. Dùng câu mẫu của README cho đường cảnh quay thật:
Make a 75-second documentary montage about city life in the rain. Use real footage only, no narration, elegiac tone, with music.Agent dựng kho footage từ Archive.org, NASA, Wikimedia Commons, rồi cắt thành timeline có nhạc. Kết quả là video làm từ cảnh quay thật. Lưu ý “real footage only” là cụm README dùng để chọn đúng đường này.
D.Lập trình viên mới có thêm key để thử video AI
Bạn đã có FAL_KEY và muốn thử video tạo bằng AI. README đưa ví dụ “THE LAST BANANA”: 60 giây, 6 clip Kling v3 qua fal.ai, giọng Google Chirp3-HD, nhạc piano miễn phí, phụ đề từng chữ, tổng chi phí 1,33 đô la. Một video khác là “Reimagine Your Universe” có chi phí khoảng 4 đô la. Bạn có thể bắt đầu với yêu cầu ngắn, xem ước tính chi phí trước, rồi mới cho phép tạo.
VI.Lỗi hay gặp và cách xử lý
1. Gõ make setup báo không có lệnh make (thường gặp trên Windows). Dùng chuỗi lệnh PowerShell thủ công ở trên. Không cần cài thêm make.
2. npm install báo ERR_INVALID_ARG_TYPE trên Windows. README bảo chạy npx --yes npm install thay thế, trong thư mục remotion-composer.
3. Phiên bản Node.js hoặc Python cũ. Nếu cài hoặc dựng video lỗi, kiểm tra lại: cần Python 3.10 trở lên và Node.js ở dòng 22.x, 24.x hoặc 26.x đã vá. Cài đúng bản rồi chạy lại.
4. Kích hoạt môi trường ảo bị chặn trên PowerShell. Lệnh Activate.ps1 có thể bị chính sách thực thi script của Windows chặn. README không nói cách xử lý lỗi này, nên hãy tìm hướng dẫn chính thống của Microsoft về chính sách thực thi, và chỉ thay đổi ở phạm vi người dùng hiện tại.
5. Công cụ trả phí không hiện hoặc báo thiếu key. Mở .env, kiểm tra tên biến viết đúng (ví dụ FAL_KEY, ELEVENLABS_API_KEY), không có dấu cách thừa, rồi mở lại phiên làm việc của trợ lý. Khi chưa có key, hệ thống chỉ dùng công cụ miễn phí.
Ngoài ra, README có lưu ý cập nhật pip và certifi cho môi trường cũ. Nếu bạn cài từ lâu, chạy python -m pip install --upgrade 'pip>=26.2.2' 'certifi>=2026.10.19' trong môi trường dự án, rồi khởi động lại các tiến trình Python đang chạy.
VII.Có nên dùng không
Điểm mạnh. Bạn có cả quy trình làm video trong một repo: kịch bản, hình, tiếng, nhạc, dựng, kiểm tra. Làm được cả với 0 key. Có bảng duyệt từng cảnh và ước tính chi phí trước khi tạo, nên ít bị bất ngờ về tiền. Dùng được với nhiều trợ lý AI khác nhau. Mã nguồn mở nên bạn đọc được nó làm gì.
Giới hạn. Công cụ này không phải ứng dụng bấm chuột: bạn phải dùng terminal, cài Python, Node.js, FFmpeg, và có sẵn một trợ lý AI lập trình. Chất lượng hình và video phụ thuộc vào công cụ bạn bật, nên bản miễn phí sẽ đơn giản hơn bản có key trả phí. Chi phí thật sự là tiền key bạn dùng và token của trợ lý AI; README không công bố con số chung. Giấy phép là AGPL-3.0, nếu dùng cho sản phẩm thương mại hoặc dịch vụ cho người khác, hãy đọc kỹ điều khoản. Hiện chưa có thông tin trong tư liệu về chất lượng khi viết yêu cầu bằng tiếng Việt.
Khi nên chọn cách khác. Nếu bạn chỉ cần cắt ghép nhanh vài đoạn quay sẵn, một phần mềm dựng video thông thường sẽ dễ hơn. Nếu không muốn đụng đến terminal, repo này chưa phải lựa chọn phù hợp. Còn nếu bạn đã quen dùng trợ lý AI trong editor và muốn tự động hóa việc làm video, OpenMontage rất đáng thử, nhất là khi bắt đầu bằng đường miễn phí.
Câu hỏi thường gặp
OpenMontage có miễn phí không?
Mã nguồn mở, giấy phép AGPL-3.0. README nói bạn làm được video thật với 0 API key, dùng Piper TTS, footage mở, Remotion, HyperFrames và FFmpeg. Các nhà cung cấp AI như fal.ai, ElevenLabs hay OpenAI là dịch vụ có key riêng và có thể tính phí.
Có cần GPU không?
Không bắt buộc. GPU chỉ cần khi bạn muốn tạo video cục bộ bằng lệnh make install-gpu và bật VIDEO_GEN_LOCAL_ENABLED=true trong file .env. Các đường dùng công cụ miễn phí hay API không nhắc yêu cầu GPU trong README.
Chạy trên Windows được không?
Được. README có lệnh cài riêng cho Windows PowerShell trong trường hợp không có make, kèm lưu ý nếu npm install báo ERR_INVALID_ARG_TYPE thì dùng npx --yes npm install. Hãy chắc chắn đã cài Python, FFmpeg và Node.js đúng phiên bản.
Cần trợ lý AI nào để dùng?
README nói chạy được với Claude Code, Cursor, Copilot, Windsurf, Codex hoặc bất kỳ trợ lý AI lập trình nào đọc được file và chạy được mã. Repo cũng có sẵn các file hướng dẫn riêng như CLAUDE.md, CURSOR.md, COPILOT.md, CODEX.md.
Dữ liệu và API key của tôi có an toàn không?
Key nằm trong file .env trên máy bạn, và bảng Backlot chạy cục bộ. Tuy nhiên khi bật dịch vụ bên ngoài, nội dung yêu cầu sẽ gửi tới nhà cung cấp đó. Tư liệu chưa có thông tin chi tiết hơn về bảo mật, nên hãy tự kiểm tra chính sách của từng dịch vụ.
Có thể làm video từ một video mẫu có sẵn không?
Có. Bạn có thể dán video YouTube, Short, Reel, TikTok hoặc file trên máy. Agent phân tích nhịp, cảnh, phong cách, rồi đưa 2-3 ý tưởng, chi phí ước tính và bản mẫu trước khi làm đầy đủ.
Làm một video tốn bao nhiêu tiền?
Tuỳ công cụ bạn bật. README nêu ví dụ video 60 giây “THE LAST BANANA” có tổng chi phí 1,33 đô la, một video khác khoảng 4 đô la và một bộ khoảng 5 đô la. Hệ thống đưa ước tính chi phí trước khi tạo tài sản, và đường dùng công cụ miễn phí không phải trả key.


