Wie Sie aus Claude Code oder Cursor ein Videoproduktionsstudio machen

TL;DR: OpenMontage ist ein quelloffenes, agentengestütztes Videoproduktionssystem, das in Ihrem vorhandenen KI-Code-Assistenten läuft. Elf Produktionspipelines, über 100 Tools, mehr als 60 Anbieterintegrationen und über 700 Fähigkeiten- und Wissensdateien bearbeiten eine Anfrage von der Recherche über Skript, Assets, Bearbeitung bis zum Rendering. 55.047 Sterne mit Stand vom 1. September 2026. Zwei Dinge, die Sie wissen sollten, bevor Sie beginnen: Es ist AGPL-3.0, nicht MIT wie die meisten dieser Kategorie, und es ist eines der API-intensivsten Agentensysteme, die Sie installieren können, wobei jeder Wiederholungsversuch mit echten Kosten verbunden ist.

Dies ist ein tiefer Einblick in ein Tool aus unserer Zusammenstellung von fünf quelloffenen KI-Agenten-Tools, die es wert sind, im Jahr 2026 installiert zu werden.

Die meisten „KI-Video“-Tools liefern Ihnen einen Clip aus einer einzigen Eingabeaufforderung. OpenMontage stattet Ihren Code-Agenten mit einer Produktionsabteilung aus: einer Recherchephase, einer Skriptphase, einem Szenenplan, der Asset-Generierung, einem Schnitt und einer finalen Komposition, mit menschlichen Genehmigungsschritten dazwischen.

Es ist das ungewöhnlichste Projekt in der aktuellen Welle von Agenten-Tools und das lehrreichste, da hier jede Arbeit des Agenten mit Kosten verbunden ist und das Design dies ernsthaft berücksichtigen muss.

Was es tatsächlich tut

Sie öffnen das Repository in Claude Code, Cursor, Copilot, Windsurf oder Codex und beschreiben, was Sie möchten:

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

Der Agent führt dann eine festgelegte Pipeline aus:

research -> proposal -> script -> scene_plan -> assets -> edit -> compose

Jede Phase verfügt über eine „Direktor“-Fähigkeit, eine Markdown-Anweisungsdatei, die dem Agenten beibringt, wie er diese spezifische Phase auszuführen hat. Der Agent liest die Fähigkeit, verwendet die Tools, überprüft seine eigene Ausgabe, speichert den Status und pausiert für die menschliche Genehmigung an kreativen Entscheidungspunkten.

Die Recherchephase ist der Teil, der dies von einfachen „Prompt-zu-Video“-Spielereien unterscheidet. Bevor auch nur ein Wort des Skripts geschrieben wird, führt der Agent zwischen 15 und 25 Websuchen auf YouTube, Reddit, Hacker News, Nachrichtenseiten und akademischen Quellen durch und erstellt dann ein strukturiertes Recherche-Briefing mit Zitaten. Das Skript basiert auf den gefundenen Informationen und nicht auf dem Wissen des Modells.

Die Pipelines

Die README-Tabelle listet elf komplette Produktions-Workflows auf, obwohl die Repository-Beschreibung zwölf bewirbt:

Dokumentarische Montage ist die technisch interessanteste. Anstatt Standbilder zu animieren, erstellt es einen CLIP-indizierten Korpus aus kostenlosem Archivmaterial und offenen Archiven wie Pexels, Archive.org, NASA, Wikimedia und Unsplash, ruft tatsächliche Bewegtbildclips mittels semantischem Abgleich ab und schneidet sie in eine echte Timeline. Das liefert Ihnen ein fertiges Video aus echtem Material ohne kostenpflichtige Generierungs-API, was einen wesentlich anderen Anspruch darstellt als bei den meisten kostenlosen KI-Videostacks.

Für Teams, die Entwickler-Inhalte veröffentlichen, sind Bildschirm-Demo und Clip-Fabrik diejenigen, die sich am schnellsten amortisieren. Eine Veröffentlichung erscheint, der Changelog existiert, und die Umwandlung in eine Schritt-für-Schritt-Anleitung erfordert normalerweise eine Person mit Bearbeitungsfähigkeiten und einen freien Nachmittag.

Backlot und warum die Genehmigungsschritte wichtig sind

Der Chat zeigt Ihnen, was der Agent gesagt hat. Backlot ist ein lokales Dashboard, das anzeigt, was die Produktion gerade tut: Phasen leuchten auf, das Skript landet als Drehbuchseite, Szenenkarten während der Asset-Generierung und jede Anbieterentscheidung sowie jeder ausgegebene Dollar werden angezeigt.

python -m backlot open                  # Bibliothek aller Projekte auf der Festplatte
python -m backlot open <project-id>     # Live-Board einer Produktion
python scripts/backlot_simulate_run.py  # zuerst einen simulierten Durchlauf ansehen

Das Dashboard öffnet sich automatisch, wenn eine Produktion startet, und leitet alles aus den Dateien ab, die die Pipeline bereits schreibt, anstatt separate Berichte zu benötigen.

Der wichtige Teil ist, dass das Storyboard ein echter Genehmigungsschritt ist. Die Asset-Generierung pausiert bei einem szenenweisen Kontaktblatt, das Aufnahmen, Prompts, Kosten pro Asset und Qualitätsbewertungen anzeigt, sodass Sie die Visuals vor dem Rendering genehmigen, anstatt nachdem das Geld ausgegeben wurde. Skript-Genehmigungsschritte halten an, bis Sie antworten. Wenn ein Durchlauf beendet ist, spielt die Wiedergabe die gesamte Produktion anhand ihrer Zeitstempel ab.

Genehmigungsschritte vor der Ausgabe sind das richtige Design für jedes Agentensystem mit einem Budget, und die meisten Agenten-Tools verfügen nicht darüber. Eine Aufgabe, die nicht beginnen kann, bevor ein Mensch zustimmt, ist die nützlichste Sicherheitseigenschaft in dieser gesamten Kategorie.

Ausgehend von einem Referenzvideo

Die andere wirklich gute Idee hier: Sie können ihm etwas geben, das Ihnen gefällt, anstatt den perfekten Prompt zu schreiben.

Fügen Sie ein YouTube-Video, Short, Reel, TikTok oder einen lokalen Clip ein, und der Agent analysiert das Transkript, das Pacing, die Szenen, Keyframes und den Stil. Dann liefert er zwei oder drei differenzierte Konzepte, einen ehrlichen Tool-Pfad, Kostenschätzungen und ein Beispiel, bevor die vollständige Produktion beginnt.

Here's a YouTube Short I love. Make me something like this, but about
API versioning.

Was zurückkommt, benennt, was es von der Referenz beibehält, was es ändert, was es bei Ihrer Ziellänge kosten wird und wie es mit den von Ihnen derzeit konfigurierten Anbietern aussehen wird. Kosten vor der Verpflichtung, das ist das Thema des gesamten Projekts.

Installation

git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup

Voraussetzungen sind Python 3.10 oder neuer, FFmpeg, Node.js 18 oder neuer und ein KI-Code-Assistent, der Dateien lesen und Code ausführen kann. Öffnen Sie dann das Projekt in Ihrem Agenten und beschreiben Sie, was Sie möchten.

Die Einrichtung der Anbieter ist optional und inkrementell. Jede Funktion unterstützt quelloffene lokale Alternativen neben kostenpflichtigen APIs, und ein bewerteter Selektor ordnet Anbieter nach sieben Dimensionen – d.h. Aufgabeneignung, Ausgabequalität, Kontrolle, Zuverlässigkeit, Kosteneffizienz, Latenz und Kontinuität – und wählt dann eine passende aus. Sie sind nicht an einen Anbieter gebunden, und Sie können einen Großteil davon ausführen, ohne etwas Kostenpflichtiges konfiguriert zu haben.

Zum Vergleich: Das eigene Showcase-Video des Projekts, sieben generierte Welten mit drei Bildmodellen und vier Videomodellen, berichtet über ca. 5 US-Dollar an Kosten für die Quellgenerierung.

Lesen Sie die Lizenz, bevor Sie darauf aufbauen

Dies ist das eine, das OpenMontage von allem anderen in dieser Kategorie unterscheidet, und es ist leicht zu übersehen.

OpenMontage ist AGPL-3.0. agency-agents, Agent-Reach, Orca und codebase-memory-mcp sind alle MIT. Der Unterschied ist nicht kosmetisch.

Die Netzwerk-Klausel der AGPL bedeutet, dass, wenn Sie eine modifizierte Version als Netzwerkdienst betreiben, Sie verpflichtet sind, den Nutzern dieses Dienstes den Quellcode Ihrer Änderungen anzubieten. Ein internes Tool darauf aufzubauen ist in Ordnung. Es in ein SaaS-Produkt zu verpacken und dafür Gebühren zu erheben, ist eine rechtliche Entscheidung, die Ihr Unternehmen bewusst treffen muss, kein Detail, das man in einer README überfliegen sollte.

Das ist eine legitime Wahl der Betreuer, und die Lizenz tut genau das, wofür sie existiert. Treffen Sie die Entscheidung einfach mit Ihrem Rechtsteam, anstatt es erst während der Due Diligence zu entdecken.

Der Teil, vor dem Sie niemand warnt: Dies ist ein API-Integrationsprojekt

Hier ist, was die Leute in Woche zwei tatsächlich beisst, und es ist nicht die kreative Arbeit.

OpenMontage orchestriert über 60 Anbieterintegrationen. Videogenerierung, Bildgenerierung, Text-zu-Sprache, Musik, Audio-Mixing, Untertitel, Verbesserung, Analyse. Jede davon ist eine Drittanbieter-API mit eigener Authentifizierung, Kontingenten, Fehlerformat und Latenzprofil. Der Agent schreibt kein Video; er führt einen verteilten Auftrag über ein Dutzend kostenpflichtiger Dienste aus und fügt die Ergebnisse zusammen.

Das führt zu einer spezifischen Reihe von Fehlermodi, die jeder erkennen wird, der kostenpflichtige APIs integriert hat:

• Videogenerierung ist langwierig und asynchron. Sie reichen einen Auftrag ein und fragen nach einem Ergebnis, das in Minuten, nicht in Millisekunden, eintrifft. Agenten gehen damit standardmäßig schlecht um, indem sie entweder eine Zeitüberschreitung haben oder sich im Kreis drehen. Die funktionierenden Muster finden Sie unter Handhabung langwieriger API-Operationen mit KI-Agenten.
• Ein naiver Wiederholungsversuch kostet echtes Geld. Das Wiederholen einer Generierungsanfrage, die bereits erfolgreich war, aber bei der Antwort eine Zeitüberschreitung hatte, bedeutet, zweimal für denselben Clip zu bezahlen. Genau dieses Problem sollen Idempotenzschlüssel lösen, und es lohnt sich, Idempotenzschlüssel für KI-Agenten zu lesen, bevor Sie einen Agenten etwas Kostenpflichtiges wiederholen lassen.
• Kontingent- und Ratenbegrenzungsfehler müssen von echten Fehlern unterschieden werden. Ein Agent, der einen 429-Fehler wie einen 500-Fehler behandelt, wird auf einen schlechteren Anbieter ausweichen, obwohl er hätte warten sollen. Diese Unterscheidung liegt im Fehlerformat, das Thema von Entwurf von API-Fehlermeldungen für KI-Agenten ist, und die Wiederherstellungsseite ist in Fehlerbehebung für KI-Agenten beschrieben.
• Anbieter-APIs ändern sich, ohne Sie zu informieren. Ein Antwortfeld verschiebt sich, die Pipeline bricht mitten in der Produktion ab, und Sie erfahren es von einem Rendering, das falsch aussieht, anstatt von einem Fehler. Siehe was passiert, wenn API-Änderungen KI-Agenten beeinträchtigen.

Das Projekt nimmt dies ernst, was ihm zugutezuhalten ist. Es gibt eine Kostenschätzung vor der Ausführung, Ausgabenlimits, Genehmigungsschwellen pro Aktion, Validierung vor der Komposition, um fehlerhafte Pläne zu erkennen, bevor GPU-Zeit verschwendet wird, eine obligatorische Selbstüberprüfung nach dem Rendern mittels ffprobe mit Frame-Extraktion und Audioanalyse sowie einen nachvollziehbaren Entscheidungspfad für jede Anbieterwahl und jeden Fallback.

Das ist eine besser entwickelte Integrationsschicht, als die meisten Produktionsdienste haben. Es ist auch ein gutes Argument dafür, Ihre eigenen Anbieterintegrationen mit derselben Disziplin zu behandeln, weshalb Apidog seinen Platz in einem solchen Stack verdient. Wenn Sie einen Anbieter hinzufügen oder OpenMontage hinter Ihrem eigenen Dienst verpacken, ist es der Unterschied zwischen einer Pipeline, die elegant degradiert, und einer, die Budget für Wiederholungsversuche verbrennt, wenn der Vertrag als OpenAPI-Spezifikation niedergeschrieben ist, aus dieser Spezifikation gemockt wird, sodass Sie die Fehlzweige testen können, ohne pro Aufruf zu bezahlen, und durch Vertragstests abgedeckt ist, die in CI fehlschlagen. Das Testen einer teuren, langsamen, nicht-deterministischen API gegen einen Mock anstatt gegen den Live-Dienst ist hier der größte Kostenfaktor, und Apidog generiert diese Mocks aus der Spezifikation, einschließlich der Fehlerantworten. Mehr zur allgemeinen Form dessen finden Sie unter Nutzung Ihrer OpenAPI-Spezifikation als Agenten-Tools.

Produktion ist Teamsport, und Backlot ist lokal

Die zweite Lücke ist eher organisatorischer als technischer Natur.

Backlot ist ein gutes Dashboard. Es ist jedoch auch ein lokales Dashboard, auf einer Maschine, für eine Produktion. Das ist in Ordnung, wenn Sie ein Video für sich selbst erstellen. Videoarbeit in einem Unternehmen ist anders. Ein Skript braucht einen fachlichen Gutachter. Visuals brauchen jemanden von der Marke. Behauptungen brauchen jemanden, der ihre Richtigkeit bestätigen kann. Der finale Schnitt benötigt eine Freigabe vom Kanalinhaber.

OpenMontages Genehmigungsschritte pausieren für einen Menschen. Sie haben kein Konzept davon, welcher Mensch, keine Warteschlange für die Person, deren Genehmigung Sie erwarten, und keine Aufzeichnung darüber, wer was genehmigt hat. Wenn das Video veröffentlicht wird und jemand fragt, wer die Preisangabe in Szene vier genehmigt hat, ist die Antwort ein Zeitstempel in einem lokalen Projektordner.

Sharkly ist die Schicht, die diese Form behebt, und Videoproduktion lässt sich ungewöhnlich sauber darauf abbilden:

• Die Aufgabe ist die Aufzeichnung. Fortschritt, Tool-Aufrufe und Ergebnisse werden dorthin zurückgespielt, und die Ausgabe des Agenten wird als Kommentare gespeichert, auf die Sie antworten können. Skript-Feedback landet bei der Aufgabe, nicht im Terminal von jemandem, und ist auch in drei Monaten noch da.
• Eine Crew ist ein führender Agent plus andere Agenten und Personen, die zuerst der Führung folgen. Das ist buchstäblich das Produktionsmodell: ein Regisseur, der das Briefing liest, entscheidet, welche Spezialisten hinzugezogen werden, und deren Ausgaben kombiniert. Sharkly läuft standardmäßig so, anstatt dass jeder Agent gleichzeitig startet.
• Eine Aufgabe im Backlog startet keinen Durchlauf. Sie können einen Monat Videoarbeit in die Warteschlange stellen, ohne einen Cent auszugeben, und dann Elemente freigeben, sobald sie genehmigt werden. Für eine Pipeline, bei der das Starten eines Durchlaufs bedeutet, Generierungsanbieter zu bezahlen, ist dieser Schritt wichtiger als üblich.
• Ein Agent ist eine gespeicherte Konfiguration. Anweisungen, Laufzeit, Fähigkeiten, Repositories, Umgebung. Ihr angepasstes OpenMontage-Setup, mit den Anbietern, denen Sie vertrauen, und den von Ihnen gewählten Budgetobergrenzen, wird zu etwas Wiederverwendbarem statt eines lokalen Checkouts auf einem Laptop.
• Die Ausführung ist „Bring your own“. Sie verbinden einen Computer, der Ihr Laptop, ein Server oder ein Container sein kann, und Sharkly verwendet die bereits darauf installierte Laufzeit. Video-Rendering benötigt eine Maschine mit echter Festplatte und CPU, und explizit anzugeben, welche Maschine den Job ausführt, ist hier ein Feature, kein Overhead.
• Repository-Arbeit läuft in einem separaten Worktree pro Aufgabe. Zwei Produktionen gleichzeitig kollidieren nicht.

Kurz gesagt: OpenMontage automatisiert die Produktion. Es automatisiert nicht die Genehmigungen, die Zuweisung oder die Aufzeichnung. In einem Team sind das die Teile, die die Auslieferung tatsächlich blockieren.

Wer sollte dies installieren

Ehrliche Einschätzung.

• Lohnt sich, wenn Sie regelmäßig Entwickler-Inhalte veröffentlichen und bisher für die Bearbeitung bezahlt oder darauf verzichtet haben. Bildschirm-Demo, Clip-Fabrik und Lokalisierung sind die Pipelines mit dem klarsten Return. Ein Changelog in ein Walkthrough-Video umzuwandeln oder einen Konferenzvortrag in ein Dutzend Social-Clips zu verwandeln, amortisiert die Einrichtung in einer Woche.
• Lohnt sich, wenn Sie Ergebnisse mit echtem Filmmaterial ohne kostenpflichtige Generierungs-APIs wünschen. Die Pipeline „Dokumentarische Montage“ ist wirklich ungewöhnlich, und der Ansatz mit dem Korpus aus freien Archiven funktioniert.
• Überspringen Sie es, wenn Sie gelegentlich ein Video benötigen. Die Einrichtungskosten, Anbieterkonfiguration und Lernkurve amortisieren sich nicht bei drei Videos pro Jahr.
• Überspringen Sie es, wenn AGPL ein Problem für Ihre beabsichtigte Nutzung darstellt. Entscheiden Sie das zuerst, nicht nachdem Sie einen Workflow darauf aufgebaut haben.

FAQ

• Benötige ich kostenpflichtige API-Schlüssel? Nein. Jede Funktion unterstützt quelloffene oder lokale Alternativen, und die Dokumentarische Montage nutzt kostenlose Archive. Kostenpflichtige Anbieter bieten Ihnen höhere Qualität und mehr Generierungsoptionen. Beginnen Sie ohne kostenpflichtige Konfiguration und fügen Sie Anbieter hinzu, wenn Sie an Grenzen stoßen.
• Welche Code-Assistenten funktionieren? Claude Code, Cursor, Copilot, Windsurf und Codex werden genannt. Alles, was Dateien lesen und Code ausführen kann, sollte funktionieren, da die Pipeline aus Python plus Markdown-Skill-Dateien besteht.
• Wie viel kostet ein Video tatsächlich? Das hängt vollständig von der Pipeline und den Anbietern ab. Das eigene Sieben-Welten-Showcase des Projekts berichtet über etwa 5 US-Dollar an Generierungskosten. Die Dokumentarische Montage mit kostenlosen Archiven tendiert gegen Null. Das System schätzt vor der Ausführung und erzwingt Ausgabenlimits, sodass Sie dies erfahren, bevor Sie sich festlegen.
• Ist die AGPL-Lizenz ein Problem für mich? Interne Nutzung, persönliche Projekte und Open-Source-Arbeiten sind in Ordnung. Das Betreiben einer modifizierten Version als Dienstleistung für andere löst die Netzwerk-Klausel und ihre Quellcode-Verpflichtungen aus. Fragen Sie Ihr Rechtsteam, bevor Sie ein Produkt darauf aufbauen.
• Kann es mein eigenes Material bearbeiten oder nur generieren? Beides. Sprecher-Video, Hybrid, Bildschirm-Demo, Clip-Fabrik und Lokalisierung funktionieren alle mit von Ihnen geliefertem Material. Generierung ist eine Option, nicht der einzige Modus.
• Wie unterscheidet sich dies von einem Agenten-Framework? Es ist eine Fähigkeitenbibliothek im Sinne von agency-agents, auf einen Bereich beschränkt und mit echten Tools ausgeliefert. Es ist keine Orchestrierungs-Infrastruktur wie Strands oder AgentKit. Es ist eine domänenspezifische Fähigkeiten- und Toolbibliothek, die einen bestehenden Code-Agenten für die Videoproduktion kompetent macht. Eine andere Schicht.

Zusammenfassung

OpenMontage ist das ambitionierteste Projekt auf der aktuellen Agenten-Tooling-Bestenliste und besser konstruiert, als es in dieser Kategorie üblich ist: Genehmigungsschritte vor der Ausgabe, Kostenschätzung vor der Ausführung, Selbstprüfung nach dem Rendern und ein nachvollziehbarer Entscheidungspfad. Wenn Sie Entwickler-Inhalte veröffentlichen, können allein die Pipelines Screen Demo und Clip Factory den Aufwand rechtfertigen.

Gehen Sie mit zwei klaren Punkten heran. Die Lizenz ist AGPL-3.0, was eine Entscheidung ist, keine Fußnote. Und unterhalb der kreativen Arbeit handelt es sich um eine große, teure, lang andauernde API-Integration, was bedeutet, dass die „langweiligen“ Disziplinen gelten: ein schriftlicher Vertrag, Mocks, gegen die Sie Fehlerfälle testen können, ohne zu bezahlen, idempotente Wiederholungsversuche und Fehlerbehandlung, die ein Kontingent von einem Ausfall unterscheidet. Dafür ist Apidog da. Alles darüber, wer was wann genehmigt hat, dafür ist Sharkly da.

Der Agent kann das Video inszenieren. Er sollte nicht auch die einzige Aufzeichnung darüber sein, dass das Video genehmigt wurde.