GitHub 上的开源 AI 视频：50+ 条流水线全评测——Agent 就是导演（2026）

先看一个应该引起你注意的数字：截至 2026 年 9 月初，GitHub 上有五十多个「从剧本到成片」的开源流水线在过去一个月内提交过代码。不是五十个视频模型，也不是五十个剪辑器。是五十多条流水线——这些项目的全部前提是：由一个 AI agent 把故事从剧本推进到分镜、再到模型调用与最终组装，而人则坐在导演椅和副驾之间的某个位置。

我们正是在这个领域做产品——Pixo 是一个 AI 视频导演 agent，以托管产品的形式跑着同一条剧本→分镜→生成→组装的循环——所以我们花时间把开源版图认真过了一遍：读 README、查提交历史、对头部项目逐仓库核实。这篇文章就是我们的发现，按生态已经分裂成的三大阵营来组织，并对每个阵营的天花板给出一份诚实的判断——包括那些对一键式工具（我们自己也算）都很难的部分。

如果只带走一件事，请记住这句：这个生态里几乎没有人还在模型层竞争了。 模型都是租来的——Seedance、Kling、Veo 和 Sora 在一个又一个项目里作为可互换的后端出现。竞争已经完全转移到编排层：谁能把「给我拍部电影」变成一条可靠的生产线。这与我们在 AI 视频技术栈分类里的论断一致，而开源世界刚刚为它补上了五十多个数据点的佐证。

三大阵营速览

我们是怎么看的

我们的标准刻意收得很窄。要被计入，一个项目必须是一条agent 驱动的制片流水线——也就是软件本身会规划镜头并编排生成，而不只是包一层单一模型的 API——而且它必须还活着，最近一个月内有提交。这道过滤器排除了成千上万的「文生视频套壳」仓库，留下的正是真正在编排层竞争的项目。

对本文点名的每一个项目，我们都在本周直接核实了仓库：所有者、star 数、最近一次发布，以及 README 承诺的与代码实际包含的之间的差距。下文的 star 数是我们当天的读数，不是转手的二手数字。而且，因为我们自己也在运营一条同样形态的商业流水线，我们读这些项目的方式就像一个掌勺厨师读另一家餐馆的菜单——盯着哪些东西能扛过周五晚高峰，依据的是我们在自家 agent 测试中不得不逐一解决的同一批失败模式。下方各表中的 star 数与最近推送日期，均于 2026 年 9 月 4 日从 GitHub API 读取。

描述你想创作的视频…

Pixo

用 Pixo 创作 AI 视频

把任何想法变成值得发布的视频。 只需一句话，就能开始。

开始创作

阵营一：把电影制作做成 agent 技能

生态里增长最活跃的部分根本不是应用，而是技能——可以插进 Claude Code、Codex 这类 coding agent 的打包能力，把一个终端变成制片厂。

旗舰例子是 video-shotcraft，一个把 Claude Code 或 Codex 变成电影感产品视频动效工作室的技能：150+ 张带时序与缓动参数的「镜头配方卡」、200+ 个动效预览，以及一套可直接投产的 Remotion 模板。同一思路的极繁版本是 OpenMontage，它把自己描述为一个 agent 化的视频生产系统，拥有 12 条生产流水线、100+ 工具和 700+ 个 agent 技能文件——明确设计成「你的 AI 编程助手就是编排器」，完全不设代码编排器。而 browser-use 的 video-use把同样的哲学用在了剪辑上：告诉 coding agent「把这些剪成一支发布视频」，它就会去掉口头语、调色、加字幕。

现实是：这个阵营验证了我们押注的架构，但我们仍不会把大多数创作者往这里送。如果你本来就常驻 coding agent，技能路线确实强大——可组合性是真的，一个开发者一周就能交付一条垂直流水线。但它继承了栖息地的全部假设：每个模型都要自带 API key，每笔生成账单都由你直接支付，而且你只能隔着一段文字对话盲飞。我们在 agent 驱动创作中最常见的失败模式，是在长项目里跟丢剧情——到第 40 个镜头时，没人记得第 7 个镜头长什么样，而聊天记录是找答案最糟糕的地方。技能对此无解；这是个 UI 问题，而技能刻意不做 UI。

技能本身免费开源。技能背后的生成调用可不是——每一次视频模型调用都记在你自己的 API 账单上，而 agent 钟爱的重试循环能让这笔账单迅速翻倍。

最适合： 已经在 coding agent 里工作、想把某种边界清晰的特定视频格式自动化的开发者。

阵营二：一站式流水线平台

star 都在这个阵营。MoneyPrinterTurbo——「关键词进、短视频出」的老祖宗——在我们核查时已突破 120,000 star，不过它代表的是这个思路的上一代：拼接素材库画面，而不是生成镜头。当前这一代则是端到端 agent 化的。

学术上最严肃的选手是 HKU 数据智能实验室（Data Intelligence Lab）出品的 ViMax：导演、编剧、制片人 agent 集于一个框架，提供创意到视频、剧本到视频、小说到视频的工作流。短剧专精派的典型是 Toonflow，一个开源「AI 短剧工厂」，由 ScriptAgent 和 ProductionAgent 在无限画布上协作，把小说变成动画短剧。还有 NarratoAI把解说视频这个格式自动化了——脚本、剪辑、配音、字幕一条流跑完。

最让我们意外的是，这个阵营有多大比例在追逐同一类客户：短剧生产。相当一部分平台型项目瞄准小说→单元短剧的流水线，「一句话 → 成片」是标准话术。我们自己在 AI 短剧上花过很多时间，所以把那句没人明说的话挑明：一键输出是可看的，不是可发布的。跨镜头角色一致性、音画同步和叙事节奏，恰恰是全自动化崩掉的地方；耐人寻味的是，这个阵营里较新的项目如今反过来打出「反对老虎机式生成」的宣传——等于承认第一波的返工率有多惨烈。诚实的架构会在每个场景保留一道人工审查关卡，而这正是「一句话 → 电影」的营销要抹掉的部分。

自托管免费；你真正的成本是模型 API 花费（通常每分钟成片几美元到几十美元，大头在重试）再加上你自己的 DevOps 时间。像我们这样的托管产品把这些复杂性折进了订阅定价——这笔交换值不值，完全取决于你的时间值多少钱。

最适合： 产出量大、格式稳定（解说视频、短剧）、能接受「够用就好」画质的技术型创作者。

阵营三：分镜与导演画布

最小的阵营——只有寥寥几个项目——却最接近职业电影人真实的思考方式：不是聊天记录，不是黑盒流水线，而是一块让镜头并排陈列的画布。

这个阵营为什么小，诚实的答案是：画布只有接进流水线才有价值。一块不能从中重新生成、稳不住角色一致性、无法把修改推回生成循环的分镜板，只是一块好看的钉板。但一旦接进去，它就成了驾驶舱——圈出一个镜头，说「这个换低角度重拍」，agent 就会改写提示词、重新调用模型、把画格填回去。正是这个循环，让我们把提示词驱动的编辑和可视化分镜做成一个系统而不是两个功能：一旦拆开，双双残废。我们预计这个阵营会增长得最快——不是靠新的画布项目，而是靠阵营一和阵营二各自长出画布。

最适合： 观察整个生态往哪儿走。

三大阵营脚下的基础设施层

有一个项目值得单独点名：HyperFrames（43.9k star），HeyGen 开源的渲染引擎，标语是「Write HTML. Render video. Built for agents.」。视频就是一份 HTML 文档——片段、字幕、时序和音频都住在元素和 data 属性里，这让合成结果可以 diff、可以混搭，也天然是写代码的 agent 的主场。当一家成熟的视频公司专门为 agent 开源自己的合成层，那就是这个行业在告诉你，它认为球会滚向哪里。

我们学到了什么

有三个模式浮现出来，而没有任何单一项目能独自展示它们。

第一，流水线赢了模型。 五十多个项目里，几乎为零的项目在生成质量上竞争；所有人都在编排上竞争。模型被当作当年的电影胶片——一个供应商决策而已。这正是我们运营多模型阵容、而不是把产品押在任何单一模型发布节奏上的原因：当你的价值住在上一层，每次模型升级都变成一次免费的产品升级。

第二，墓地和排行榜一样有教益。 一些曾经领跑的项目今年早些时候归于沉寂，尽管需求仍在攀升。让一条流水线活下去，意味着每逢重要模型发布都要重调提示词、镜头颗粒度和成本模型——一台按月运转的跑步机，足以把单人维护者烧干。持续的编排是一门运营生意，这恰恰是它难以免费奉送的原因。

第三，阵营正在合流。 技能缺状态和可视化审查；平台缺精细控制；画布缺流水线深度。每个阵营的短板都是另一个阵营的核心能力。终局——对话式导演 agent、可视化分镜、多模型编排合于一个系统——正是每个严肃的商业产品（包括我们）已经在收敛的形态。开源世界只是在公开场合速通同一个结论。

怎么选

如果你是想理解架构的开发者——去读 ViMax 和 OpenMontage 的源码。端到端跑通一条流水线，比任何博客文章（包括这篇）都教得多。

如果你常驻 Claude Code、想自动化一种格式——挑离你细分领域最近的技能（产品宣传片选 video-shotcraft），给模型花费设一条硬预算，并把重试当作它本来就是的成本中心来对待。

如果你是以发布为目标、而不是以折腾管道为目标的创作者——自托管的隐性成本终将从你的创作时间里扣掉。不如去比较托管生成器，挑一个，然后把精力花在作品本身上。

如果你在评估这条赛道——盯着停更的仓库和入场的大公司，而不是 star 数。这两者更能告诉你价值究竟沉淀在哪里。而当某个头部引擎发布更新时——最近的例子是 Seedance 的版本发布——观察哪些流水线能在一周内把它吸收进去。这种吸收速度，才是这个生态里真正的护城河指标。

方法论说明：我们评审的是截至 2026 年 9 月初 GitHub 上的开源 AI 视频流水线版图，范围限定为最近一个月内有提交、agent 驱动的剧本→分镜→生成→组装流水线（50+ 个仓库）。上文点名的每个项目都经过直接核实——所有者、star 数、发布历史——核实就在写作当天完成；star 数为我们当天的读数。