# OpenMontage: biến trợ lý AI thành xưởng làm video — hướng dẫn cài đặt và dùng

> OpenMontage là hệ thống mã nguồn mở viết bằng Python, giúp trợ lý AI lập trình của bạn làm video từ A đến Z: nghiên cứu, viết kịch bản, tạo hình, lồng tiếng, dựng và kiểm tra. Bạn mô tả video bằng tiếng thường, agent làm theo quy trình có sẵn. Cài đặt cần Python, FFmpeg, Node.js và chạy một lệnh `make setup`, không cần API key để bắt đầu.

- Tác giả: Ông T (https://ongt.vn/gioi-thieu)
- Chủ đề: Repo & Skill
- Đăng: 2026-10-12 · Cập nhật: 2026-11-13
- URL: https://ongt.vn/bai-viet/openmontage-xuong-lam-video-bang-tro-ly-ai-huong-dan-cai-dat-5

OpenMontage là một hệ thống mã nguồn mở để làm video bằng trợ lý AI. Bạn mở dự án trong một trợ lý AI lập trình như Claude Code, Cursor, Copilot, Windsurf hay Codex. Sau đó bạn nói bằng lời thường: "làm cho mình video giải thích 60 giây về cách mạng nơ-ron học". Trợ lý sẽ tự đi qua các bước: tìm tư liệu, viết kịch bản, tạo hình, lồng tiếng, thêm phụ đề, dựng và xuất file.

Repo này hợp với người làm nội dung, chủ shop muốn video giới thiệu sản phẩm, nhân viên văn phòng cần video giải thích, và lập trình viên mới muốn thử dựng video bằng AI. Bạn không cần biết dựng phim. Bạn cần biết mở terminal và gõ vài lệnh. Hiện repo có khoảng 80006 sao và 10753 fork, giấy phép AGPL-3.0, và vẫn được cập nhật trong vài tháng gần đây.

Điểm đáng giá nhất là bạn có thể làm video mà không tốn đồng API nào. Bản cài mặc định đã có giọng đọc offline (Piper TTS), kho cảnh quay miễn phí và công cụ dựng. Ngoài ra README nói rõ repo làm được cả "video thật" từ cảnh quay có sẵn, chứ không chỉ cho vài tấm ảnh chuyển động.

```repo
- repo | OpenMontageInc/OpenMontage
- kind | Framework
- desc | OpenMontage biến trợ lý AI lập trình (Claude Code, Cursor, Codex…) thành xưởng làm video: viết kịch bản, tạo cảnh, lồng tiếng, dựng và xuất file hoàn chỉnh.
- stars | 80k
- lang | Python
- license | AGPL-3.0
```

## OpenMontage làm được gì

Tác giả mô tả repo có 12 pipeline sản xuất, hơn 100 công cụ và hơn 700 file kỹ năng và kiến thức sản xuất cho agent. Dưới đây là những phần bạn sẽ thấy hữu ích nhất.

**Làm video từ một câu mô tả.** Bạn nói bằng tiếng thường. Agent nghiên cứu chủ đề bằng tìm kiếm web, tạo ảnh AI, viết và đọc kịch bản, tìm nhạc không bản quyền, gắn phụ đề từng từ rồi xuất video. Bạn đỡ phải ghép nhiều phần mềm với nhau.

**Bắt đầu từ video bạn thích.** Bạn dán link YouTube, Short, Reel, TikTok hoặc một clip trong máy. Agent phân tích lời thoại, nhịp, cảnh, khung hình chính và phong cách. Rồi nó đưa ra 2-3 hướng ý tưởng khác nhau, đường đi bằng công cụ có sẵn, ước tính chi phí và một bản mẫu trước khi làm đầy đủ. Cách này tiện hơn nhiều so với viết prompt từ trang trắng.

**Video từ cảnh quay thật.** Pipeline "documentary montage" dựng một kho cảnh quay có thể tìm kiếm bằng CLIP. Nguồn gồm Archive.org, NASA, Wikimedia Commons, và tuỳ chọn Pexels, Unsplash, Pixabay. Agent chọn các đoạn chuyển động thật, dựng thành timeline và xuất video. Bạn chỉ cần nói rõ "use real footage only".

**Backlot: bảng theo dõi trực tiếp.** Đây là một bảng chạy trên máy bạn. Nó cho thấy từng giai đoạn của quy trình, kịch bản, thẻ cảnh khi đang tạo, lựa chọn nhà cung cấp và số tiền đã tiêu. Khi tạo tư liệu, hệ thống dừng ở một bảng duyệt từng cảnh (bản tạo, prompt, giá từng tài sản, điểm chất lượng) để bạn duyệt hình trước khi render. Với người trả tiền cho API, đây là chỗ tiết kiệm nhất.

**Hai bộ máy dựng.** Remotion (React) hợp video giải thích có dữ liệu, thẻ chữ, biểu đồ, phụ đề kiểu TikTok. HyperFrames (HTML/CSS/GSAP) hợp đồ hoạ chuyển động, quảng cáo sản phẩm, chữ động. Hệ thống chọn một trong hai ở bước đề xuất.

**Tự kiểm tra trước khi giao.** README nói hệ thống tự rà nhiều điểm: ffprobe, lấy mẫu khung hình, mức âm thanh, lời hứa giao hàng và phụ đề. Việc chọn nhà cung cấp được chấm điểm theo 7 tiêu chí và ghi nhật ký. Mỗi quyết định sáng tạo đều chờ bạn đồng ý.

**Nhiều nhà cung cấp, key nào cũng tuỳ chọn.** Có FAL (ảnh FLUX, video Veo, Kling, MiniMax), ElevenLabs, OpenAI, Google, Suno, Runway… Bạn có key nào thì dùng công cụ đó. Có GPU thì chạy được cả tạo video cục bộ.

## Cần chuẩn bị gì

Theo README, bạn cần:

- **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: dòng 22.x từ 22.23.4, 24.x từ 24.22.1, hoặc 26.x từ 26.12.1. Tệp `.node-version` chọn 22.23.4.
- **Một trợ lý AI lập trình:** Claude Code, Cursor, Copilot, Windsurf hoặc Codex.
- **Lệnh `make`** nếu muốn dùng đường cài nhanh. Không có `make` thì có cách thay thế bên dưới.

API key là tuỳ chọn hoàn toàn. Có GPU thì mở thêm được tạo video cục bộ, nhưng không bắt buộc. README không nêu yêu cầu RAM hay dung lượng ổ đĩa, nên mình không đoán.

```note
Mỗi API key gắn với tài khoản tính tiền của nhà cung cấp. Đừng dán key vào chat hay đẩy tệp .env lên GitHub. Hãy xem giá ước tính mà agent đưa ra trước khi duyệt tạo hình và video.
```

## Cài đặt từng bước

```steps
- Tải mã nguồn | Clone repo về máy rồi vào thư mục
- Chạy make setup | Một lệnh cài thư viện Python và Node
- Thêm API key | Điền key vào .env nếu có (không bắt buộc)
- Mở trong trợ lý AI | Mở thư mục bằng Claude Code, Cursor, Codex…
- Ra lệnh làm video | Gõ mô tả video bằng tiếng thường
```

### Tải mã nguồn về máy

Mở terminal (Terminal trên macOS/Linux, PowerShell hoặc Git Bash trên Windows). Chạy hai lệnh theo README. Chú ý: bạn cần cài Git trước.

```bash
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
```

Lệnh đầu tải mã nguồn về một thư mục tên `OpenMontage`. Lệnh sau đưa terminal vào thư mục đó. Mọi lệnh sau phải chạy ở đây.

### Chạy lệnh cài đặt

Đây là cách nhanh nhất theo README:

```bash
make setup
```

Bản cài cơ bản này đã gồm giọng Piper, nguồn cảnh quay miễn phí, Remotion, HyperFrames, FFmpeg và phụ đề. Quá trình có thể mất một lúc vì phải tải thư viện Python và Node.

Nếu máy không có `make` (Windows hay gặp), README đưa lệnh thay thế. Trên macOS/Linux:

```bash
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 .env
```

Trên Windows PowerShell:

```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 .env
```

Chỗ hay vấp: nếu `npm install` trên Windows báo lỗi `ERR_INVALID_ARG_TYPE`, README bảo dùng `npx --yes npm install` thay thế.

Với môi trường Python đã có sẵn, README khuyên nâng cấp pip và certifi (liên quan đến sự cố chứng chỉ CA của eMudhra), rồi khởi động lại các tiến trình Python đang chạy lâu:

```bash
python -m pip install --upgrade 'pip>=26.2.2' 'certifi>=2026.10.19'
```

### Thêm API key (không bắt buộc)

Mở tệp `.env` ở thư mục gốc. Nó được tạo từ `.env.example`. Bạn chỉ điền những key mình có. Ví dụ theo README:

```bash
FAL_KEY=your-key
ELEVENLABS_API_KEY=your-key
OPENAI_API_KEY=your-key
GOOGLE_API_KEY=your-key
SUNO_API_KEY=your-key
PEXELS_API_KEY=your-key
PIXABAY_API_KEY=your-key
UNSPLASH_ACCESS_KEY=your-key
```

Thay `your-key` bằng key thật, không thêm dấu ngoặc. README ghi chú: Pexels, Pixabay, Unsplash cho key nhà phát triển miễn phí. Ngoài ra còn nhiều biến khác như `KLING_API_KEY`, `XAI_API_KEY`, `ARK_API_KEY`, `HEYGEN_API_KEY`, `RUNWAY_API_KEY`.

Nếu có GPU và muốn tạo video cục bộ:

```bash
make install-gpu
```

Rồi thêm vào `.env`:

```bash
VIDEO_GEN_LOCAL_ENABLED=true
VIDEO_GEN_LOCAL_MODEL=wan2.2-ti2v-5b
```

README liệt kê các model khác cho biến thứ hai: `wan2.1-1.3b`, `wan2.1-14b`, `hunyuan-1.5`, `ltx2-local`, `cogvideo-5b`.

### Mở trong trợ lý AI và ra lệnh

Mở thư mục `OpenMontage` bằng trợ lý AI của bạn. Rồi gõ yêu cầu, ví dụ:

```text
Make a 60-second animated explainer about how neural networks learn
```

Bạn có thể viết tiếng Việt, nhưng README chỉ đưa ví dụ bằng tiếng Anh. Nếu kết quả chưa như ý, thử viết prompt bằng tiếng Anh như mẫu.

## Kiểm tra đã chạy được chưa

README không có lệnh "kiểm tra cài đặt" riêng. Dưới đây là hai cách kiểm tra dựa trên các lệnh có trong tư liệu.

Cách 1: xem bảng Backlot chạy thử, không cần làm video thật.

```bash
python scripts/backlot_simulate_run.py
```

README nói lệnh này cho bạn xem một lần sản xuất giả lập chạy trực tiếp. Nếu bảng hiện lên và các giai đoạn sáng dần thì phần Python đã ổn.

Cách 2: hỏi hệ thống xem nó có những công cụ nào.

```bash
python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.support_envelope(), indent=2))"
```

Lệnh này in ra khả năng hiện có của máy bạn dưới dạng JSON. Nếu có kết quả, không báo lỗi `ModuleNotFoundError`, tức là môi trường đã nhận đủ gói. Nhớ chạy khi môi trường ảo `.venv` đang được kích hoạt.

Cuối cùng, thử làm một video ngắn không cần key (ví dụ mẫu trong README là "Make a 45-second animated explainer about why the sky is blue"). Có file video xuất ra là bạn đã thành công.

## Dùng vào việc thật

Các tình huống dưới đây bám vào những gì README nói repo làm được.

### Chủ shop làm video giải thích không tốn tiền API

Bạn bán đồ gia dụng và cần một video giải thích ngắn cho trang bán hàng. Chưa có key nào, bạn vẫn làm được. Hãy mở dự án trong trợ lý AI và gõ:

```text
Make a 45-second animated explainer about why the sky is blue
```

Thay chủ đề bằng nội dung của bạn. Piper đọc kịch bản, hình ảnh làm nền, Remotion dựng chuyển động và phụ đề. README gọi đây là đường "image-based video". Kết quả là một video có giọng đọc, ảnh động và phụ đề, đủ để thử trước khi bạn bỏ tiền cho nguồn khác.

> Đừng bắt đầu từ trang giấy trắng. Hãy bắt đầu từ một video bạn đã thích.
>
> — Ông T

### Người làm nội dung học theo một video đang hot

Bạn thấy một Short hay về chủ đề khác và muốn làm tương tự cho lĩnh vực của mình. Dán link rồi gõ theo mẫu README:

```text
Here's a YouTube Short I love. Make me something like this, but about quantum computing.
```

Agent phân tích nhịp, cách mở đầu, cấu trúc và giọng điệu. Sau đó nó nói rõ phần nào giữ lại, phần nào đổi, tốn bao nhiêu ở độ dài bạn chọn và cái nào thực sự làm được bằng công cụ hiện có. Bạn chọn hướng rồi mới duyệt sản xuất. Đây là cách tránh tốn tiền cho thứ mình chưa hình dung được.

### Làm video tư liệu từ cảnh quay thật

Bạn phụ trách kênh nội bộ hay kênh giáo dục, cần video không phải ảnh động. Dùng prompt mẫu của README:

```text
Make a 75-second documentary montage about city life in the rain. Use real footage only, no narration, elegiac tone, with music.
```

Pipeline dựng kho cảnh từ Archive.org, NASA, Wikimedia Commons và các nguồn khác, tìm đoạn khớp ý, cắt thành timeline và xuất video. Bạn sẽ nhận một video làm từ cảnh quay thật, có nhạc. Nhớ viết rõ "use real footage only", nếu không agent có thể chọn đường tạo ảnh AI.

### Dev kiểm soát chi phí bằng bảng Backlot

Bạn dùng key FAL hay ElevenLabs và sợ tốn bất ngờ. Mở thư viện dự án:

```bash
python -m backlot open
```

Lệnh này mở thư viện mọi dự án trên máy. Khi sản xuất đang chạy, bạn thấy kịch bản, thẻ cảnh, nhà cung cấp được chọn và chi phí. Đến bước duyệt storyboard, bạn xem từng cảnh, prompt, giá và điểm chất lượng rồi mới cho render. Tác giả nêu một số ví dụ: phim ngắn "THE LAST BANANA" tốn 1,33 USD, một phim dọc 50 giây khoảng 4 USD, một phim giới thiệu khoảng 5 USD. Đó là số của tác giả, kết quả của bạn tuỳ model và độ dài. Xong việc, bạn bấm REPLAY RUN để xem lại cả quá trình.

## Lỗi hay gặp và cách xử lý

**`make: command not found` hoặc `make` không chạy trên Windows.** Máy chưa có `make`. Dùng lệnh thay thế trong README (bản PowerShell ở trên). Chạy từng lệnh cho đến khi tạo xong `.venv` và cài đủ gói.

**`npm install` báo `ERR_INVALID_ARG_TYPE` trên Windows.** README gợi ý chạy `npx --yes npm install` thay thế, trong thư mục `remotion-composer`.

**Báo thiếu FFmpeg hoặc phiên bản Node không đúng.** Kiểm tra lại FFmpeg đã cài và nằm trong PATH. Kiểm tra Node thuộc dòng 22.x, 24.x hoặc 26.x đúng bản vá tối thiểu như phần chuẩn bị. Nếu Node cũ hơn, cài bản mới rồi chạy lại phần `npm install`.

**Lỗi `ModuleNotFoundError` khi chạy lệnh Python.** Thường do chưa kích hoạt môi trường ảo. Kích hoạt `.venv` bằng lệnh trong phần cài đặt rồi chạy lại. Nếu vẫn lỗi, chạy lại `python -m pip install -r requirements.txt`.

**Agent không dùng tool tạo ảnh hay video bạn mong đợi.** Công cụ chỉ hoạt động khi bạn đã điền key tương ứng vào `.env`. Kiểm tra lại tên biến cho đúng (ví dụ `FAL_KEY`) và lưu tệp. Có thể dùng lệnh `support_envelope` ở trên để xem máy nhận được những gì. Nếu chưa có key, hãy dùng đường không cần key.

## Có nên dùng không

**Điểm mạnh.** Bạn làm được video hoàn chỉnh mà không cần API key nào. Quy trình có nhiều chốt duyệt và bảng Backlot cho thấy rõ mọi bước và chi phí. Repo hỗ trợ nhiều trợ lý AI và nhiều nhà cung cấp. Có đường làm video từ cảnh quay thật. Mã nguồn mở và có nhiều ví dụ kèm prompt, pipeline và chi phí.

**Giới hạn.** Bạn cần một trợ lý AI lập trình và biết chạy lệnh trong terminal, nên chưa phải ứng dụng bấm chuột cho người hoàn toàn mới. Chất lượng tuỳ vào công cụ và key bạn có. Bản không key dùng giọng Piper và ảnh/cảnh quay miễn phí, nên phong cách sẽ đơn giản hơn video dùng model trả phí. Phần tạo video cục bộ cần GPU. Tư liệu cũng chưa nói về yêu cầu RAM hay dung lượng.

**Giấy phép.** Repo dùng AGPL-3.0. Nếu bạn định tích hợp vào sản phẩm hay dịch vụ thương mại, hãy đọc kỹ giấy phép trước.

**Khi nào chọn cách khác.** Nếu bạn chỉ cần cắt ghép một video đơn giản bằng tay, một phần mềm dựng thông thường nhanh hơn. Nếu không muốn đụng terminal, hãy chọn công cụ làm video có giao diện web. Còn nếu bạn muốn một quy trình có kiểm soát, duyệt từng bước và tự lo chi phí, OpenMontage đáng thử.

## Câu hỏi thường gặp

### OpenMontage có miễn phí không?

Mã nguồn mở theo giấy phép AGPL-3.0, bạn dùng không mất phí. Bản cài mặc định chạy được không cần API key, với giọng Piper và cảnh quay miễn phí. Nếu dùng nhà cung cấp trả phí (FAL, ElevenLabs, Suno…) thì bạn trả cho họ theo giá của họ.

### Cần GPU không?

Không bắt buộc. README chỉ nói có GPU thì mở thêm được tạo video cục bộ bằng `make install-gpu` và các biến `VIDEO_GEN_LOCAL_*`. Còn lại bạn có thể làm video không cần GPU.

### Chạy được trên Windows không?

Có. README có lệnh cài riêng cho PowerShell và ghi chú cách xử lý lỗi `npm install` trên Windows. Nếu máy không có `make`, hãy dùng lệnh thay thế đó.

### Cần những trợ lý AI nào?

README nói dùng được với Claude Code, Cursor, Copilot, Windsurf và Codex, tức bất kỳ trợ lý AI lập trình nào đọc được tệp và chạy được mã. Trong repo cũng có các tệp hướng dẫn riêng như CLAUDE.md, CODEX.md, CURSOR.md và COPILOT.md.

### OpenMontage làm được video thật hay chỉ ảnh động?

Làm được cả hai. Có đường video từ ảnh, và có đường "documentary montage" dựng kho cảnh quay thật từ Archive.org, NASA, Wikimedia Commons và các nguồn miễn phí khác. Bạn cần nói rõ "use real footage only" khi muốn đường này.

### Dữ liệu của tôi có an toàn không?

README nói Backlot chạy cục bộ trên máy bạn và lấy dữ liệu từ các tệp dự án sẵn có. Tư liệu chưa có thông tin chi tiết về việc dữ liệu gửi cho nhà cung cấp bên ngoài. Khi bạn dùng API của họ, nội dung prompt và tư liệu sẽ đi qua dịch vụ đó, nên cần đọc chính sách của từng nhà cung cấp.

### Tốn bao nhiêu tiền cho một video?

Còn tuỳ công cụ và độ dài. Tác giả nêu vài ví dụ: một phim ngắn 60 giây tốn 1,33 USD, một phim dọc 50 giây khoảng 4 USD, một phim giới thiệu khoảng 5 USD. Agent sẽ ước tính chi phí trước khi bắt đầu tạo tư liệu.
