クロードコードまたはカーソルを動画制作スタジオにする方法

TL;DR: OpenMontageは、既存のAIコーディングアシスタント内で動作するオープンソースのエージェント型動画制作システムです。11の制作パイプライン、100以上のツール、60以上のプロバイダー統合、そして700以上のスキルおよび知識ファイルが、リサーチからスクリプト、アセット、編集、レンダリングまで、リクエストを処理します。2026年9月1日現在、スター数は55,047です。始める前に知っておくべき2つのことがあります。それは、このカテゴリーのほとんどがMITライセンスであるのに対し、AGPL-3.0であること、そして、インストールできるエージェントシステムの中で最もAPIを多用しており、再試行ごとに実費がかかるということです。

これは、2026年にインストールする価値のある5つのオープンソースAIエージェントツールのまとめから、1つのツールを深く掘り下げたものです。

ほとんどの「AI動画」ツールは、1つのプロンプトから1つのクリップを生成するだけです。OpenMontageは、あなたのコーディングエージェントに制作部門を与えます。リサーチ段階、スクリプト段階、シーンプラン、アセット生成、編集、そして最終的なコンポジションがあり、その間に人間の承認ゲートが設けられています。

これは、現在のエージェントツールングの波の中で最も異例なプロジェクトであり、また最も教訓的なものでもあります。なぜなら、エージェントの作業の各ステップに費用がかかり、その設計がそれを真剣に受け止めなければならないからです。

実際にできること

Claude Code、Cursor、Copilot、Windsurf、またはCodexでリポジトリを開き、希望する内容を記述します。

ニューラルネットワークが学習する方法についての60秒のアニメーション解説を作成する

エージェントは以下の固定パイプラインを実行します。

リサーチ -> 提案 -> スクリプト -> シーンプラン -> アセット -> 編集 -> コンポーズ

各段階にはディレクタースキルがあり、これは特定のエージェントがその段階を実行する方法を教えるマークダウン命令ファイルです。エージェントはスキルを読み込み、ツールを使用し、自身の出力をレビューし、状態をチェックポイントに保存し、クリエイティブな決定ポイントで人間の承認のために停止します。

リサーチ段階は、これを「プロンプトから動画へ」のおもちゃと区別する部分です。スクリプトを一行も書く前に、エージェントはYouTube、Reddit、Hacker News、ニュースサイト、学術ソースを横断して15〜25回のウェブ検索を実行し、その後、引用付きの構造化されたリサーチ概要を作成します。スクリプトは、モデルが覚えていることではなく、エージェントが見つけたものに基づいています。

パイプライン

READMEの表には11の完全な制作ワークフローが記載されていますが、リポジトリの説明では12と宣伝されています。

ドキュメンタリーモンタージュは技術的に興味深いものです。静止画をアニメーション化するのではなく、Pexels、Archive.org、NASA、Wikimedia、Unsplashを含む無料のストック映像とオープンアーカイブからCLIPでインデックス化されたコーパスを構築し、意味的マッチングによって実際の動画クリップを取得し、それらを実際のタイムラインにカットします。これにより、有料の生成APIを一切使わずに実写映像から完成したビデオが得られ、これはほとんどの無料AIビデオスタックとは質的に異なる主張です。

開発者向けコンテンツを出荷するチームにとって、スクリーンデモとクリップファクトリーは最も早く元が取れるものです。リリースが出され、変更履歴が存在し、それをウォークスルーに変えるには通常、編集スキルを持つ人と自由な午後が必要になります。

バックロットと承認ゲートが重要な理由

チャットはエージェントが言ったことを伝えます。バックロットは、制作状況を示すローカルボードです。ステージが点灯し、スクリプトが脚本ページとして表示され、アセット生成中のシーンカード、そしてすべてのプロバイダーの決定と費やされた金額が壁に表示されます。

python -m backlot open                  # ディスク上の全プロジェクトのライブラリ
python -m backlot open <project-id>     # あるプロダクションのライブボード
python scripts/backlot_simulate_run.py  # 最初にシミュレートされた実行を見る

ボードは制作開始時に自動的に開き、個別のレポートを必要とせず、パイプラインがすでに書き込んでいるファイルからすべてを派生させます。

重要なのは、ストーリーボードが実際のゲートであることです。アセット生成は、テイク、プロンプト、アセットごとのコスト、品質スコアを示すシーンごとのコンタクトシートで一時停止するため、レンダリング後ではなく、費用が発生する前にビジュアルを承認できます。スクリプトゲートは、あなたが回答するまで保持されます。実行が完了すると、リプレイはタイムスタンプから制作全体を再生します。

予算が伴うエージェントシステムにとって、費用発生前の承認ゲートは正しい設計であり、ほとんどのエージェントツールにはこれがありません。人間が許可するまで開始できないタスクは、このカテゴリー全体で最も有用な安全機能です。

参照動画から開始する

ここにあるもう一つの本当に良いアイデアは、完璧なプロンプトを書く代わりに、気に入ったものを渡せることです。

YouTube動画、ショート、リール、TikTok、またはローカルクリップを貼り付けると、エージェントがトランスクリプト、ペース、シーン、キーフレーム、スタイルを分析し、2つか3つの差別化されたコンセプト、正直なツールパス、費用見積もり、そして本格的な制作が始まる前にサンプルを提示します。

これは私のお気に入りのYouTubeショートです。これに似たものを作ってください。ただし、
APIバージョニングについてです。

返ってくるものは、参照元から何を引き継ぎ、何を変更し、目標とする長さでどれくらいの費用がかかるか、そして現在設定されているプロバイダーでどのように見えるかを明記します。コミットする前にコストを把握できる、これがプロジェクト全体のテーマです。

インストール

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

前提条件は、Python 3.10以降、FFmpeg、Node.js 18以降、そしてファイルを読み込みコードを実行できるAIコーディングアシスタントです。その後、エージェントでプロジェクトを開き、希望する内容を記述します。

プロバイダーの設定はオプションであり、段階的に行えます。すべての機能は、有料APIと並行してオープンソースのローカルな代替手段をサポートしており、スコアリングされたセレクターがタスクへの適合性、出力品質、制御、信頼性、費用対効果、遅延、継続性という7つの側面からプロバイダーをランク付けし、最適なものを選択します。あなたは特定のベンダーにロックされず、有料の設定なしでかなりの量の作業を実行できます。

規模の例として、プロジェクト自身のショーケースビデオ（3つの画像モデルと4つのビデオモデルを使用して生成された7つの世界）は、約5ドルのソース生成コストを報告しています。

利用する前にライセンスを確認してください

これはOpenMontageがこのカテゴリーの他のすべてと異なる唯一の点であり、見落としがちです。

OpenMontageはAGPL-3.0です。agency-agents、Agent-Reach、Orca、codebase-memory-mcpはすべてMITライセンスです。この違いは表面的なものではありません。

AGPLのネットワーク条項は、あなたが変更版をネットワークサービスとして実行する場合、そのサービスのユーザーにあなたの変更のソースを提供しなければならないことを意味します。内部ツールとして構築することは問題ありません。それをSaaS製品としてラップし、料金を徴収することは、READMEをざっと読むだけで済む詳細ではなく、会社が意図的に行うべき法的な決定です。

これは保守者による正当な選択であり、ライセンスがその存在意義を正確に果たしているということです。デューデリジェンス中に発見するのではなく、法務チームと事前に確認してください。

誰も警告しないこと：これはAPI連携プロジェクトです

実際に人々が2週目に苦しむのは、クリエイティブな作業ではありません。

• 動画生成は長時間を要し、非同期です。ジョブを送信し、ミリ秒ではなく数分で届く結果をポーリングします。エージェントはデフォルトではこれをうまく処理できず、タイムアウトするか、スピン状態になります。うまく機能するパターンは、AIエージェントによる長時間API操作の処理に記載されています。
• ナイーブな再試行には実費がかかります。すでに成功したにもかかわらず、応答でタイムアウトした生成リクエストを再試行すると、同じクリップに2回課金されることになります。これはまさに冪等性キーが存在する問題を解決するためのものであり、課金対象のものをエージェントに再試行させる前に、AIエージェントの冪等性キーを読む価値があります。
• クォータおよびレート制限エラーは、実際のエラーと区別する必要があります。429エラーを500エラーのように扱うエージェントは、待機すべきであったのに、より悪いプロバイダーにフェイルオーバーしてしまいます。この区別はエラーフォーマットに存在し、これはAIエージェントのためのAPIエラーメッセージ設計の主題であり、リカバリ側はAIエージェントのエラーリカバリにあります。
• プロバイダーAPIは通知なしに変更されます。応答フィールドが移動し、パイプラインが制作途中で中断され、エラーではなく、見た目が間違ったレンダリングからそれに気づきます。API変更がAIエージェントを破壊するときに何が起こるかを参照してください。

このプロジェクトがこれを真剣に受け止めていることは、称賛に値します。実行前のコスト見積もり、支出上限、アクションごとの承認閾値、GPU時間を無駄にする前に壊れた計画を捕捉するための構成前の検証、フレーム抽出とオーディオ分析によるffprobeを使用したレンダリング後の強制的な自己レビュー、そしてすべてのプロバイダー選択とフォールバックのための監査可能な決定履歴があります。

これは、ほとんどのプロダクションサービスよりも優れたエンジニアリングが施された統合レイヤーです。また、自身のプロバイダー統合を同じ規律で扱うべきだという良い議論でもあり、これがApidogがこのようなスタックでその地位を確立する理由です。プロバイダーを追加する場合、またはOpenMontageを自身のサービスの背後でラッピングする場合、契約をOpenAPI仕様として記述し、その仕様からモックを作成して呼び出しごとに課金せずに失敗ブランチをテストし、CIで失敗する契約テストでカバーすることは、 gracefullyに劣化するパイプラインと、再試行で予算を燃やすパイプラインとの違いとなります。高価で遅く、非決定的なAPIをライブサービスではなくモックに対してテストすることは、ここでの最大のコスト削減要因であり、Apidogはエラー応答を含むこれらのモックを仕様から生成します。この一般的な形状については、エージェントツールとしてのOpenAPI仕様の活用で詳しく説明されています。

制作はチームスポーツであり、バックロットはローカル

2つ目のギャップは、技術的というよりも組織的なものです。

バックロットは良いボードです。しかし、それは1つのマシン上のローカルボードであり、1つのプロダクション用です。自分でビデオを作るときはそれで十分です。しかし、企業でのビデオ制作はそうではありません。スクリプトは主題専門家によるレビューが必要です。ビジュアルはブランド担当者による確認が必要です。主張はそれが真実であることを確認できる誰かが必要です。最終カットはチャンネルの所有者による最終承認が必要です。

OpenMontageのゲートは「ある」人間を待機させます。しかし、「どの」人間かという概念はなく、承認を待っている人のためのキューもなく、誰が何を承認したかという記録も残りません。ビデオが出荷され、シーン4の価格主張について誰が承認したのか尋ねられたとき、答えはローカルプロジェクトフォルダ内のタイムスタンプだけです。

Sharklyは、この形を修正するレイヤーであり、動画制作がそれに異例なほどきれいにマッピングされます。

• タスクが記録となる。進捗、ツール呼び出し、結果がそれにストリームバックされ、エージェントの出力はコメントとして保存され、それに対して返信できます。スクリプトのフィードバックは、誰かのターミナルではなくタスクに残り、3ヶ月後もそこにあります。
• クルーはリーダーエージェントと他のエージェント、そして人間で構成され、リーダー優先で実行されます。これは文字通り生産モデルです。ブリーフを読み、どの専門家を呼び込むかを決定し、彼らの出力を組み合わせるディレクターです。Sharklyは、すべてのエージェントが一度に開始するのではなく、そのように設計されています。
• バックログのタスクは実行を開始しません。1ヶ月分のビデオ作業を1セントも使わずにキューに入れ、承認されたアイテムをリリースできます。実行の開始が生成プロバイダーへの支払いにつながるパイプラインでは、そのゲートは通常よりも重要です。
• エージェントは保存された設定です。指示、ランタイム、スキル、リポジトリ、環境。あなたが信頼するプロバイダーと選択した予算上限を備えた、調整済みのOpenMontageセットアップは、1台のラップトップ上のローカルなチェックアウトではなく、再利用可能なものになります。
• 実行は持ち込みです。あなたはコンピューター（あなたのラップトップ、サーバー、コンテナのいずれか）を接続し、Sharklyはその上にすでにインストールされているランタイムを使用します。ビデオレンダリングには、実際のディスクとCPUを備えたマシンが必要であり、どのマシンがジョブを実行するかを明示することは、ここではオーバーヘッドではなく機能です。
• リポジトリ作業は、タスクごとに独立した作業ツリーで実行されます。同時に2つのプロダクションを実行しても競合しません。

要するに、OpenMontageは制作を自動化します。しかし、承認、割り当て、記録を自動化するわけではありません。チームでは、これらが実際に出荷を妨げる部分です。

誰がこれをインストールすべきか

正直な評価です。

インストールする価値があるのは、開発者向けコンテンツを定期的に出荷しており、編集費用を支払っているか、これまで編集なしで済ませていた場合です。スクリーンデモ、クリップファクトリー、ローカライゼーションは、最も明確なリターンがあるパイプラインです。変更履歴をウォークスルービデオに、または1つのカンファレンストークを多数のソーシャルクリップに変換することで、セットアップ費用は1週間で元が取れます。

インストールする価値があるのは、有料生成APIなしで実写出力を必要とする場合です。ドキュメンタリーモンタージュパイプラインは本当に珍しく、無料アーカイブコーパスのアプローチは機能します。

インストールを避けるべきなのは、たまにしか動画が必要ない場合です。セットアップ費用、プロバイダー設定、学習曲線は、年間3本の動画では償却できません。

インストールを避けるべきなのは、AGPLがあなたの利用目的に問題がある場合です。ワークフローを構築する前に、まずその点を判断してください。

FAQ

有料APIキーは必要ですか？ いいえ。すべての機能はオープンソースまたはローカルの代替手段をサポートしており、ドキュメンタリーモンタージュは無料アーカイブから構築されます。有料プロバイダーを使用すると、より高品質でより多くの生成オプションが得られます。最初は有料の設定なしで始め、行き詰まったときにプロバイダーを追加してください。

どのコーディングアシスタントが動作しますか？ Claude Code、Cursor、Copilot、Windsurf、Codexが挙げられています。パイプラインはPythonとマークダウンのスキルファイルで構成されているため、ファイルを読み込みコードを実行できるものであれば何でも動作するはずです。

動画の実際の費用はどれくらいですか？ パイプラインとプロバイダーに完全に依存します。プロジェクト自身の7つの世界のショーケースでは、約5ドルの生成コストが報告されています。無料アーカイブを使用するドキュメンタリーモンタージュはゼロに近づきます。システムは実行前に見積もりを行い、支出上限を強制するため、コミットする前に費用を把握できます。

AGPLライセンスは私にとって問題になりますか？ 内部利用、個人的なプロジェクト、オープンソースの作業は問題ありません。変更版をサービスとして他者に提供すると、ネットワーク条項とそのソース公開義務が適用されます。製品を構築する前に、法務チームに相談してください。

自分の映像を編集できますか、それとも生成のみですか？ 両方です。トーキングヘッド、ハイブリッド、スクリーンデモ、クリップファクトリー、ローカライゼーションはすべて、あなたが提供する映像で動作します。生成は選択肢の1つであり、唯一のモードではありません。

エージェントフレームワークとはどう違うのですか？ これは、agency-agentsと同じ意味でのスキルライブラリであり、特定のドメインに限定され、実際のツールとともに提供されます。StrandsやAgentKitのようなオーケストレーションインフラストラクチャではありません。これは、既存のコーディングエージェントが動画制作に堪能になるための、ドメイン固有のスキルとツールライブラリです。異なるレイヤーです。

まとめ

OpenMontageは、現在のエージェントツールングのリーダーボード上で最も野心的なものであり、そのカテゴリーでは通常よりも優れたエンジニアリングが施されています。費用発生前のゲート、実行前のコスト見積もり、レンダリング後の自己レビュー、監査可能な決定履歴などです。開発者向けコンテンツを出荷している場合、スクリーンデモとクリップファクトリーのパイプラインだけでもセットアップの正当化になります。

始めるにあたって、2つのことを明確にしておいてください。ライセンスはAGPL-3.0であり、これは単なる注釈ではなく決定事項です。そして、クリエイティブな作業の裏側では、これは大規模で高価な長期間のAPI統合であり、退屈な規律が適用されます。すなわち、書面による契約、支払いなしで失敗ブランチをテストできるモック、冪等な再試行、そしてクォータと障害を区別するエラー処理です。これがApidogの役割です。誰が何をいつ承認したかに関するすべては、Sharklyの役割です。

エージェントはビデオを指示することができます。しかし、ビデオが承認されたことの唯一の記録であってはなりません。