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 giúp trợ lý AI lập trình của bạn làm video từ A đến Z: nghiên cứu, viết kịch bản, tạo hình ảnh, lồng tiếng, dựng và render. Bạn chỉ cần mô tả bằng tiếng thường. Cài đặt cần Python, FFmpeg, Node.js và chạy một lệnh `make setup`; không có API key vẫn làm được video cơ bản.
OpenMontage là một hệ thống làm video mã nguồn mở, chạy bên trong trợ lý AI lập trình mà bạn đang dùng (Claude Code, Cursor, Copilot, Windsurf hoặc Codex). Bạn nói bằng tiếng thường: "làm video 60 giây giải thích mạng nơ-ron học thế nào". Trợ lý sẽ tự đi qua các bước: tìm tư liệu, viết kịch bản, tạo hình, lồng tiếng, thêm nhạc, dựng và xuất file.
Repo này hợp với ba nhóm người. Thứ nhất là chủ shop, người làm nội dung, người làm marketing cần video ngắn nhưng không biết dựng phim. Thứ hai là nhân viên văn phòng muốn có video giới thiệu, video giải thích cho nội bộ. Thứ ba là lập trình viên mới, muốn xem một hệ thống "agent" thực sự chạy ra sản phẩm cụ thể như thế nào. Hiện repo có khoảng 80.006 sao và 10.753 fork, giấy phép AGPL-3.0, và vẫn được cập nhật trong 3 tháng gần đây.
Điểm đáng giá nhất: OpenMontage không chỉ "làm cho vài tấm ảnh chuyển động". Nó còn có đường làm video từ cảnh quay thật. Trợ lý gom cảnh quay miễn phí từ kho lưu trữ mở, tìm các đoạn chuyển động phù hợp, dựng thành timeline rồi render. Ngoài ra, bạn không bắt buộc phải có API key trả phí: cài xong là đã có giọng đọc offline, kho footage mở và công cụ dựng.
OpenMontageInc/OpenMontage
OpenMontage biến trợ lý AI lập trình (Claude Code, Cursor, Codex…) thành xưởng làm video: viết kịch bản, tạo hình, lồng tiếng, dựng và xuất file.
I.OpenMontage làm được gì
A.Làm video từ một câu mô tả
Bạn gõ yêu cầu, ví dụ "Make a 60-second animated explainer about how neural networks learn". Theo README, trợ lý sẽ tìm thông tin trên web, tạo ảnh, viết và đọc lời dẫn, tìm nhạc nền miễn phí bản quyền, chèn phụ đề từng từ rồi render. Bạn không phải mở phần mềm dựng nào.
B.Bắt đầu từ một video bạn thích
Nếu chưa biết nên làm kiểu gì, hãy dán một video tham khảo: YouTube, Short, Reel, TikTok hoặc clip trên máy. Trợ lý phân tích lời thoại, nhịp, cảnh, khung hình chính và phong cách. Sau đó nó đưa ra 2-3 hướng khác nhau, đường công cụ thực tế, ước tính chi phí và một bản mẫu trước khi làm toàn bộ. Cách này đỡ phải đoán prompt, và bạn biết trước sẽ tốn bao nhiêu.
C.Video từ cảnh quay thật
Đường "documentary montage" dựng một kho cảnh quay có thể tìm kiếm từ Archive.org, NASA, Wikimedia Commons, cộng thêm Pexels, Unsplash hoặc Pixabay nếu bạn có key miễn phí. Sau đó nó cắt ghép các đoạn chuyển động thật thành một video hoàn chỉnh. Muốn dùng đường này, bạn nên nói rõ "use real footage only" trong yêu cầu.
D.Nhiều pipeline và nhiều công cụ
Theo mô tả của tác giả, repo có 12 pipeline sản xuất, hơn 100 công cụ và hơn 700 file kỹ năng, kiến thức sản xuất. Với bạn, điều này có nghĩa là mỗi loại video (giải thích, quảng cáo sản phẩm, hoạt hình nhân vật, phim tài liệu…) có quy trình riêng để trợ lý đi theo, thay vì tự ứng biến.
E.Hai bộ dựng hình
OpenMontage dùng Remotion (React) hoặc HyperFrames (HTML/CSS/GSAP) để dựng. Remotion là mặc định cho video giải thích dùng dữ liệu, biểu đồ, phụ đề kiểu TikTok. HyperFrames hợp với đồ hoạ chuyển động, chữ động, video quảng cáo sản phẩm. Hệ thống tự chọn lúc đề xuất, bạn không phải quyết.
F.Backlot: bảng theo dõi trực tiếp
Backlot là một bảng storyboard chạy trên máy bạn. Nó tự cập nhật khi pipeline chạy: các giai đoạn sáng lên, kịch bản hiện thành trang, mỗi cảnh có thẻ riêng, và mọi quyết định cũng như chi phí đều hiện ra. Quan trọng hơn, nó là cổng duyệt: trước khi render, bạn xem từng cảnh (bản chụp, prompt, chi phí, điểm chất lượng) rồi mới đồng ý. Sau khi chạy xong còn có nút REPLAY RUN để xem lại cả quá trình.
G.Tự kiểm tra trước khi giao
Trước khi bạn thấy kết quả, hệ thống chạy tự đánh giá nhiều điểm: kiểm tra bằng ffprobe, lấy mẫu khung hình, đo mức âm thanh, kiểm tra lời hứa giao hàng và phụ đề. Việc chọn nhà cung cấp cũng được chấm trên 7 tiêu chí và ghi lại để xem lại.
II.Cần chuẩn bị gì
Theo README, bạn cần:
- Python 3.10 trở lên.
- FFmpeg. Trên macOS dùng
brew install ffmpeg, trên Ubuntu/Debian dùngsudo apt install ffmpeg, Windows tải từ trang ffmpeg.org. - Node.js bản đã vá thuộc dòng 22.x (từ 22.23.4), 24.x (từ 24.22.1) hoặc 26.x (từ 26.12.1). File
.node-versiontrong repo chọn 22.23.4. - Một trợ lý AI lập trình: Claude Code, Cursor, Copilot, Windsurf hoặc Codex.
- Lệnh
makenếu muốn dùng đường cài nhanh. Không cómakethì README có cách cài thủ công (ở phần dưới).
API key hoàn toàn tuỳ chọn. README nói mỗi key bạn thêm sẽ mở thêm công cụ. Chưa có key nào thì vẫn dùng được giọng đọc Piper TTS offline, kho footage mở, Remotion, HyperFrames, FFmpeg và phụ đề tự động.
Nếu có card đồ hoạ (GPU), bạn có thể bật tạo video cục bộ miễn phí. README không nêu yêu cầu cụ thể về dung lượng VRAM, nên bạn nên xem thêm file requirements-gpu.txt và tài liệu trong repo trước khi thử.
Mỗi key bạn điền (FAL_KEY, OPENAI_API_KEY, ELEVENLABS_API_KEY…) có thể phát sinh chi phí khi trợ lý gọi dịch vụ tạo ảnh, video, giọng nói. Hãy xem ước tính chi phí và duyệt ở bước storyboard trước khi cho tạo hàng loạt. Không dán key vào khung chat hay đưa file .env lên GitHub.
III.Cài đặt từng bước
- Chuẩn bị công cụCài Python 3.10+, FFmpeg, Node.js bản đã vá và một trợ lý AI lập trình
- Tải mã nguồnDùng git clone rồi vào thư mục OpenMontage
- Chạy cài đặtGõ make setup, hoặc dùng lệnh thủ công nếu máy không có make
- Thêm key (tuỳ chọn)Điền các key bạn có vào file .env
- Mở bằng trợ lý AIMở thư mục dự án và gõ yêu cầu làm video
A.Tải mã nguồn về máy
Mở terminal (Terminal trên macOS/Linux, PowerShell trên Windows), chuyển tới thư mục bạn muốn đặt dự án rồi chạy:
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontageLệnh đầu tải repo về, lệnh thứ hai đi vào thư mục vừa tạo. Người mới hay quên lệnh cd, rồi chạy bước sau ở sai thư mục và báo lỗi không tìm thấy file.
B.Chạy cài đặt
Trong thư mục OpenMontage, chạy:
make setupTheo README, lệnh này cài môi trường để bạn có ngay các công cụ miễn phí nói ở trên. Việc cài mất một lúc vì phải tải thư viện Python và thư viện Node.
C.Nếu máy không có make
Trên Windows, make thường không có sẵn. README cung cấp lệnh thay thế. 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 làm lần lượt: tạo môi trường ảo .venv, kích hoạt nó, nâng pip, cài thư viện Python, cài thư viện Node cho phần dựng Remotion, cài giọng đọc Piper, rồi sao chép .env.example thành .env.
Chỗ hay vấp trên Windows: nếu npm install báo ERR_INVALID_ARG_TYPE, README bảo dùng:
npx --yes npm installD.Nâng pip và certifi nếu bạn đã cài từ trước
Với môi trường đã có sẵn, README khuyên kích hoạt môi trường rồi chạy lệnh dưới, sau đó khởi động lại các tiến trình Python đang chạy lâu:
python -m pip install --upgrade 'pip>=26.2.2' 'certifi>=2026.10.19'Lý do README nêu là để cập nhật kho chứng chỉ sau sự cố với một CA trung gian (eMudhra). README cũng nhắc nên cập nhật kho chứng chỉ của hệ điều hành.
E.Thêm API key (tuỳ chọn)
Mở file .env ở thư mục gốc dự án bằng trình soạn thảo văn bản và điền những key bạn có. Mọi key đều tuỳ chọn. Ví dụ README ghi:
FAL_KEY=your-key # FLUX images + Google Veo, Kling, MiniMax video + Recraft images
PEXELS_API_KEY=your-key # Free stock footage and images
PIXABAY_API_KEY=your-key # Free stock footage and images
UNSPLASH_ACCESS_KEY=your-key # Free stock images
ELEVENLABS_API_KEY=your-key # Premium TTS, AI music, sound effects
OPENAI_API_KEY=your-key # OpenAI TTS, GPT Image 2 images
GOOGLE_API_KEY=your-key # Google Imagen images, Google TTS (700+ voices)
SUNO_API_KEY=your-key # Full songs, instrumentals, any genreThay your-key bằng key thật, không để khoảng trắng thừa và không thêm dấu ngoặc. File .env.example còn liệt kê nhiều biến khác (Kling, MiniMax, Replicate, HeyGen, Runway…) nếu bạn dùng các dịch vụ đó.
F.Có GPU: bật tạo video cục bộ
Nếu máy có GPU phù hợp, README ghi:
make install-gpuRồi thêm vào .env:
VIDEO_GEN_LOCAL_ENABLED=true
VIDEO_GEN_LOCAL_MODEL=wan2.2-ti2v-5b # or wan2.1-1.3b, wan2.1-14b, hunyuan-1.5, ltx2-local, cogvideo-5bG.Mở bằng trợ lý AI và ra lệnh
Mở thư mục OpenMontage trong trợ lý AI lập trình của bạn, rồi gõ yêu cầu bằng tiếng thường. README đưa ví dụ:
Make a 60-second animated explainer about how neural networks learnNếu muốn 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.IV.Kiểm tra đã chạy được chưa
README không đưa ra một lệnh "kiểm tra cài đặt" chính thức duy nhất. Dưới đây là các cách có trong tư liệu, từ nhẹ tới đầy đủ.
Cách 1 — xem danh sách công cụ mà hệ thống nhận được. Kích hoạt môi trường rồi chạy:
python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.support_envelope(), indent=2))"
python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.provider_menu(), indent=2))"Lệnh đầu in ra "phạm vi khả năng" thực tế của máy bạn. Lệnh sau in ra menu nhà cung cấp. Nếu cả hai in ra JSON mà không báo lỗi, phần lõi Python đã nạp được. Nếu bạn thêm key mà công cụ tương ứng không xuất hiện, hãy kiểm tra lại file .env.
Cách 2 — thử Backlot khi chưa có dự án nào:
python scripts/backlot_simulate_run.pyREADME mô tả lệnh này cho bạn xem một lần chạy giả lập trực tiếp. Còn để xem thư viện các dự án trên máy:
python -m backlot openCách 3 — thử thật. Dùng prompt không cần key nào mà README gợi ý: "Make a 45-second animated explainer about why the sky is blue". Nếu trợ lý chạy qua các giai đoạn và ra file video, mọi thứ đã ổn. Theo README, video hoạt hình nhân vật được ghi ở projects/<tên dự án>/renders/final.mp4.
V.Dùng vào việc thật
A.Chủ shop làm video giải thích sản phẩm
Bạn bán đồ gia dụng và cần clip 45 giây giải thích vì sao sản phẩm dùng bền hơn. Bạn mở dự án trong Claude Code hoặc Cursor và gõ yêu cầu ngắn, nói rõ thời lượng, giọng điệu và người xem. Có thể bắt đầu mà không cần key: giọng Piper đọc lời, ảnh từ kho miễn phí, Remotion dựng và gắn phụ đề. Bạn duyệt storyboard trên Backlot, thấy chi phí từng cảnh, rồi mới đồng ý render. Kết quả là một file video có lời dẫn, nhạc nền và phụ đề từng từ.
Đừng bắt đầu từ trang giấy trắng — hãy dán một video bạn thích và để trợ lý nói rõ nó giữ gì, đổi gì, tốn bao nhiêu.
Ông T
B.Người làm nội dung học theo một video mẫu
Bạn thấy một Short có nhịp và mở đầu rất cuốn. Bạn dán link và gõ câu mẫu của README: "Here's a YouTube short I love. Make me something like this, but about CRISPR for high school students." Trợ lý phân tích lời thoại, nhịp, cảnh, rồi đề xuất 2-3 hướng, ghi rõ giữ phần nào, đổi phần nào, chi phí dự kiến ở thời lượng bạn chọn, và làm bản mẫu. Bạn chọn một hướng rồi mới đi tiếp. Cách này tránh việc tạo cả loạt video rồi mới thấy không giống ý.
C.Nhân viên văn phòng làm video nội bộ từ cảnh quay thật
Phòng bạn cần video ngắn cho buổi họp về chủ đề đô thị, không muốn dùng hình AI. Bạn dùng đường documentary montage với yêu cầu mẫu của README: "Make a 75-second documentary montage about city life in the rain. Use real footage only, no narration, elegiac tone, with music." Trợ lý dựng kho cảnh quay từ nguồn mở như Archive.org, NASA, Wikimedia Commons (thêm Pexels, Unsplash nếu bạn có key), chọn đoạn chuyển động rồi dựng. Bạn nhận video làm từ cảnh quay thật. Nên kiểm tra điều khoản sử dụng của từng nguồn nếu định dùng công khai.
D.Lập trình viên mới nghiên cứu cách agent làm việc
Bạn muốn hiểu một hệ thống agent hoạt động ra sao. Hãy đọc AGENT_GUIDE.md rồi PROJECT_CONTEXT.md, xem pipeline_defs/, skills/pipelines/ và cách công cụ được đăng ký qua registry. README nhấn mạnh quy trình đi theo pipeline: chọn pipeline trước, đọc manifest, đọc kỹ năng của giai đoạn, rồi mới dùng công cụ. Đây là ví dụ khá đầy đủ để học cách tổ chức một agent có kỷ luật. README cũng nói các video mẫu đều đi kèm prompt, pipeline, công cụ và chi phí để bạn dựng lại, ví dụ một hoạt hình 60 giây tốn khoảng 1,33 USD, một video dọc 50 giây khoảng 4 USD.
VI.Lỗi hay gặp và cách xử lý
A.Gõ make setup báo không tìm thấy lệnh
Nhiều máy Windows không có make. Đừng cố cài thêm công cụ lạ; hãy dùng chuỗi lệnh PowerShell thủ công ở phần cài đặt, vì README đã viết sẵn cho trường hợp này.
B.npm install báo ERR_INVALID_ARG_TYPE trên Windows
Đây là lỗi README nhắc tới. Cách xử lý theo README là chạy npx --yes npm install thay cho npm install, trong thư mục remotion-composer.
C.Node.js quá cũ hoặc chưa phải bản đã vá
README yêu cầu bản đã vá thuộc dòng 22.x, 24.x hoặc 26.x với phiên bản tối thiểu cụ thể. Nếu bước cài hoặc dựng báo lỗi lạ, hãy chạy node --version để xem bạn đang dùng bản nào, rồi cài đúng bản theo nodejs.org.
D.Lệnh python báo thiếu thư viện
Thường do bạn chưa kích hoạt môi trường ảo .venv, hoặc đang mở terminal ở sai thư mục. Hãy cd vào thư mục OpenMontage, kích hoạt lại môi trường (macOS/Linux: source .venv/bin/activate; Windows: .\.venv\Scripts\Activate.ps1) rồi chạy lại.
E.Đã điền key nhưng công cụ không dùng được
Kiểm tra lại tên biến trong .env có đúng như .env.example không, có để lại chữ your-key hay không, và đã lưu file chưa. Sau đó chạy lại lệnh provider_menu ở phần kiểm tra để xem công cụ đã hiện ra chưa. Nếu vẫn không được, đây là chỗ bạn nên tìm trong tài liệu của repo hoặc mục thảo luận trên GitHub, vì README không nói thêm.
VII.Có nên dùng không
Điểm mạnh. Bạn có cả quy trình sản xuất video chạy trong công cụ AI quen thuộc, không bị khoá vào một ứng dụng. Có thể làm video với giá bằng không nhờ Piper, footage mở và Remotion/HyperFrames, rồi thêm key khi cần chất lượng cao hơn. Backlot cho bạn thấy tiến độ, chi phí và duyệt trước khi render, rất hợp với người sợ "đốt tiền" vào API. Repo cũng đang được cập nhật đều.
Giới hạn. Đây không phải ứng dụng bấm là chạy: bạn cần cài Python, FFmpeg, Node.js và dùng terminal. Với người chưa quen dòng lệnh, bước cài đặt sẽ mất công hơn một phần mềm dựng video thông thường, nhất là trên Windows. Chất lượng video phụ thuộc nhiều vào trợ lý AI bạn dùng và các key bạn có. Giấy phép AGPL-3.0 có điều kiện riêng; nếu định dùng trong sản phẩm thương mại hoặc dịch vụ, bạn nên đọc kỹ file LICENSE. Hãy kiểm tra thêm điều khoản của từng nguồn footage, nhạc và dịch vụ tạo ảnh/video khi đăng video công khai.
Khi nên chọn cách khác. Nếu bạn chỉ cần cắt ghép một clip thủ công vài phút, một phần mềm dựng truyền thống sẽ nhanh hơn. Nếu bạn muốn dịch vụ làm video có sẵn giao diện web và không muốn đụng tới dòng lệnh, repo này chưa phải lựa chọn phù hợp. Còn nếu bạn thích để trợ lý AI lo phần việc nặng và sẵn sàng bỏ chút thời gian cài đặt, OpenMontage đáng để thử với một video 45 giây không cần key.
Câu hỏi thường gặp
OpenMontage có miễn phí không?
Bản thân repo là mã nguồn mở, giấy phép AGPL-3.0. README nói bạn có thể làm video mà không cần API key trả phí nhờ Piper TTS, footage mở, Remotion, HyperFrames và FFmpeg. Nếu dùng các dịch vụ tạo ảnh, video hay giọng nói có key, bạn có thể phát sinh chi phí theo từng dịch vụ.
Có cần GPU không?
Không bắt buộc. Cài thường là đã dùng được các công cụ miễn phí. Nếu có GPU, bạn có thể chạy `make install-gpu` rồi bật `VIDEO_GEN_LOCAL_ENABLED=true` để tạo video cục bộ. README chưa nêu yêu cầu phần cứng cụ thể cho từng mô hình.
Chạy được trên Windows không?
README có lệnh cài riêng cho Windows PowerShell và hướng dẫn xử lý lỗi `ERR_INVALID_ARG_TYPE` khi `npm install` bằng `npx --yes npm install`. Nếu máy không có `make`, bạn dùng chuỗi lệnh thủ công. Ngoài ra bạn cần Python 3.10+, FFmpeg và Node.js đúng phiên bản.
Cần trợ lý AI nào để dùng?
README nói repo chạy với Claude Code, Cursor, Copilot, Windsurf, Codex, tức là trợ lý AI nào đọc được file và chạy được mã. Trong repo có các file hướng dẫn riêng như CLAUDE.md, CURSOR.md, COPILOT.md, CODEX.md.
Có làm video từ cảnh quay thật được không?
Có. Pipeline documentary montage dựng kho cảnh quay từ Archive.org, NASA, Wikimedia Commons, và thêm Pexels, Unsplash, Pixabay nếu bạn có key miễn phí. Bạn nên nói rõ "use real footage only" trong yêu cầu.
Dữ liệu của tôi có an toàn không?
README mô tả Backlot chạy cục bộ và lấy dữ liệu từ file dự án trên máy bạn. Tuy vậy, khi bạn dùng dịch vụ có key, nội dung có thể được gửi tới nhà cung cấp đó. Tư liệu chưa có thông tin chi tiết về chính sách dữ liệu của từng dịch vụ.
Khác gì việc tự viết prompt cho từng công cụ AI?
OpenMontage đi theo pipeline có sẵn: chọn pipeline, đọc kỹ năng từng giai đoạn, chấm điểm nhà cung cấp, ước tính chi phí và có cổng duyệt storyboard trước khi render. README nhấn mạnh trợ lý không nên tự ứng biến quy trình. Nhờ đó kết quả nhất quán hơn so với tự ghép nhiều công cụ rời.


