OpenMontage真正值得看的不是“700个视频Skill”，而是把视频制作变成有证据、有授权、有人工门的流水线
AH-0482 和 AH-0483 讲的是同一个项目 OpenMontage。 两个帖子都很兴奋：12条流程、100多个工具、700多个视频 Skill，编程Agent可以从研究、脚本、找素材、配音、字幕、剪辑一路做到底。 重新核当前官方仓库后，这些大方向基本有依据，但如果只写“AI视频制作天团”，会漏掉真正决定它能不能用于商业生产的四件事： 权利、来源、人工审批、失败成本。 ## 1.
OpenMontage真正值得看的不是“700个视频Skill”，而是把视频制作变成有证据、有授权、有人工门的流水线
AH-0482 和 AH-0483 讲的是同一个项目 OpenMontage。
两个帖子都很兴奋：12条流程、100多个工具、700多个视频 Skill，编程Agent可以从研究、脚本、找素材、配音、字幕、剪辑一路做到底。
重新核当前官方仓库后，这些大方向基本有依据，但如果只写“AI视频制作天团”，会漏掉真正决定它能不能用于商业生产的四件事：
权利、来源、人工审批、失败成本。
1. 它真正改变的不是“会不会剪”，而是 orchestration
传统AI视频工具往往解决一个点： 生成一张图； 生成一个镜头； 做字幕； 做TTS。
OpenMontage更像把很多能力组织成流水线。
当前官方仓库明确列出12类production pipelines，覆盖研究、脚本、素材、动画、音频、字幕、混音、质检等环节，还包含100+工具以及大量Agent skill / production knowledge files。
这类项目最重要的价值不是工具数量。
是谁在什么时候调用哪个工具，产出什么中间件，下一步怎样验收。
所以它更像 Video Production OS。
2. Reference-driven Creation 最容易被误解
AH-0483强调“甩一个爆款视频进去，反向学习脚本骨架、镜头语言、配色节奏，再翻拍”。
官方仓库当前确实有reference-driven creation能力，也强调可以保留更高层的 pacing、hook、structure、tone，同时改变topic、visual、angle、narration。
这里必须加一条我们旧SOP已经反复验证的边界：
Structure ≠ Expression。
可以学习： 前3秒怎么建立冲突； 信息多久切一次； 镜头承担什么功能； CTA放在哪里。
不能因此推导： 原脚本可以改几个词就复用； 原镜头组合可以一比一重现； 音乐、旁白、人物声音可以直接克隆； 别人的视觉身份可以被包装成自己的。
Reference Analysis 是创作研究，不是版权许可证。
3. “来自Pexels/NASA/Wikimedia”不等于素材已经自动清权
这类项目会从开放图库、公共机构、档案和媒体源找素材。
一个常见错误是把“来自开放来源”写成“可随便商用”。
真正需要的是 Asset Rights Ledger：
Asset → Source → Original Author → License → Commercial Use → Modification → Attribution → Expiry/Region → Evidence Snapshot。
Pexels、Wikimedia、Internet Archive、NASA等内部都可能存在不同来源和权利条件。
尤其Wikimedia只是托管平台，单个文件的license要单看。
NASA也有标识、人物、第三方素材等额外限制。
所以：
Source Category ≠ Rights Cleared。
4. 人类审批门放在哪里，决定浪费多少
OpenMontage当前流程里一个我很认可的设计，是在进入昂贵素材生成/渲染前，把storyboard / plan交给人审批。
这符合我们已有的 Human Gate 原则。
最佳位置不是“视频全部生成后，人来挑一个”。
而是：
Research → Script → Storyboard / Asset Plan → Human Creative Approval → Expensive Generation → Edit → QA → Publish Gate。
原因很简单。
如果方向错了，越早发现越便宜。
Human Gate应该放在不可逆/高成本之前。
5. Agent能自动找素材，不等于研究证据自动成立
视频内容如果讲技术、商业、金融、医疗，研究源本身仍需 Evidence Gate。
Agent搜索20个网页后生成脚本，不代表这20个网页都可靠。
视频流水线必须保持：
Claim Ledger； Source URL； Source Type； Current Verification； Screenshot/asset provenance； Narration claim mapping。
否则自动化越顺，错误传播越快。
6. 12条pipeline也意味着12类失败
一个全流程系统的错误面远大于单点工具：
研究错； 脚本错； 素材不匹配； 版权不清； TTS发音错； 字幕错； 音量错； 画幅错； 引用错； 渲染失败； 模型/API费用失控； 平台规则变化。
所以真正专业的产品不是“从一句话到MP4”。
是每一段都有： input； output； acceptance； failure； fallback； cost。
7. 当前License：代码开源不等于视频内容开源
OpenMontage当前仓库使用 AGPL-3.0。
它主要约束软件代码的使用和分发义务。
这不自动覆盖： 外部素材； 字体； 音乐； 视频模板； 第三方模型； 生成内容； 参考视频。
因此商业团队不能只问“项目License是什么”。
还要做： Code License + Dependency License + Asset Rights + Model Terms + Output Rights。
8. 真正可产品化的是“视频生产证据链”
这个方向非常适合并入 alphahole 现有：
Visual Story Brief； Storyboard Function Contract； Content Company OS； Evidence OS。
新增一个：
Video Production Evidence Contract
Idea → Research Claims → Script → Shot Function → Asset Rights → Cost → Human Approval → Render → QA → Platform-safe Publish。
商业上真正能收费的是： 工作流搭建； 版权来源治理； 成本控制； 模板与品牌一致性； 多平台输出； 失败重试； 发布QA。
不是“700个Skill打包下载”。
9. V3怎么测
找3类真实视频： 知识解释； 产品演示； 商业案例。
对比手工流程和OpenMontage式流程：
Research time； Asset search time； Rights review time； Render cost； Human correction； Final publishable rate。
如果总生成速度提高2倍，但人类修错时间也提高2倍，就没有真实效率提升。
Stop Rule
如果流水线无法回答： 这段素材从哪来？ 能不能商用？ 这句话证据是什么？ 这个镜头为什么存在？ 失败后走哪条fallback？ 这一轮花了多少钱？
它还只是一个很酷的自动化Demo。
视频生产真正的自动化，不是少点几次鼠标。
是把原来藏在人脑里的制作判断，变成可检查、可回退、可授权的流程。