OpenMontage là gì? Dựng video bằng AI agent, miễn phí và mã nguồn mở

OpenMontage là gì?

OpenMontage là một hệ thống sản xuất video mã nguồn mở, được công bố trên GitHub từ tháng 3/2026 và nhanh chóng trở thành một trong những repo được quan tâm nhất năm nay — tại thời điểm viết bài, nó có gần 77.000 sao và hơn 10.000 fork. Điểm khác biệt cốt lõi: OpenMontage không phải một ứng dụng dựng video có giao diện, cũng không phải một mô hình AI tạo clip. Nó là một bộ khung quy trình (pipeline) biến trợ lý lập trình AI mà bạn đang dùng — Claude Code, Cursor, Copilot, Windsurf hay Codex — thành một tổ sản xuất video.

Cách dùng vì thế cũng khác mọi công cụ bạn từng biết: bạn mở thư mục dự án trong trợ lý AI và ra đề bài bằng câu chữ, ví dụ "Làm video giải thích 60 giây về cách mạng lưới nơ-ron học". Từ đó agent tự chạy một chuỗi công đoạn giống quy trình của một ê-kíp thật: nghiên cứu chủ đề trên web, đề xuất hướng làm và báo chi phí dự kiến, viết kịch bản, lập kế hoạch từng cảnh, tạo tài sản (hình ảnh, clip, giọng đọc, nhạc), dựng, render, rồi tự kiểm tra lại bản render trước khi đưa cho bạn. Các quyết định sáng tạo quan trọng đều dừng lại chờ bạn duyệt, và có một bảng storyboard trực quan tên là Backlot để bạn theo dõi tiến độ thay vì đọc log.

Toàn bộ "trí khôn nghề nghiệp" của hệ thống nằm trong các file hướng dẫn mà ai cũng đọc và sửa được: mỗi pipeline là một file cấu hình, mỗi công đoạn có một file kỹ năng (skill) dạy agent cách làm. Đội ngũ phát triển công bố repo chứa hơn 100 công cụ sản xuất và hơn 700 file kỹ năng — mình đã kiểm chứng hai con số này ở mục dưới.

Mình đã xem kỹ repo và chạy thử: nó làm được gì?

Vì đây là bài review, mình không dừng ở đọc README mà clone toàn bộ repo về máy, cài đặt các gói phụ thuộc lõi và chạy thử những phần không tốn chi phí. Kết quả cụ thể:

Nói ngắn gọn: phần "quy trình sản xuất" của OpenMontage là thật và chạy được, không phải chiêu trò quảng cáo. Phần chất lượng hình ảnh cuối cùng phụ thuộc vào việc bạn cho nó dùng công cụ miễn phí hay API trả phí — giống như ê-kíp giỏi vẫn cần diễn viên và máy quay xứng tầm.

• Mã nguồn nặng khoảng 162 MB, viết chủ yếu bằng Python. Lệnh khám phá công cụ tích hợp trong repo chạy thành công và đăng ký được 155 công cụ, khớp với tuyên bố "100+ công cụ" của dự án. Đếm file kỹ năng trong repo được 736 file, khớp tuyên bố "700+".
• Khi chưa nhập bất kỳ API key nào, hệ thống báo 37 công cụ ở trạng thái sẵn sàng (nhóm render, hậu kỳ bằng FFmpeg, phân tích, phụ đề…), 1 công cụ suy giảm và 117 công cụ chưa dùng được vì thiếu key hoặc thiếu phần mềm kèm theo. Đây là bức tranh trung thực về chế độ miễn phí: phần khung và hậu kỳ chạy thật, còn phần "tạo hình ảnh/video bằng AI xịn" thì phải có key mới mở.
• Repo có sẵn 12 pipeline sản xuất hoàn chỉnh (liệt kê ở mục sau) và 3 video demo chạy hoàn toàn không cần key.
• Điểm mình chưa kiểm chứng được: xuất thử một video demo hoàn chỉnh. Trên máy ảo dùng để test, bước render bằng Remotion tải và đóng gói xong nhưng trình duyệt headless bị sập ngay ở khung hình đầu tiên — đây là lỗi môi trường máy ảo khá phổ biến với render headless, chưa đủ căn cứ kết luận do repo. Nếu bạn cài trên máy cá nhân bình thường (Mac/Windows/Linux có giao diện), bước này theo tài liệu là chạy được, nhưng hãy tự thử bản demo trước khi kỳ vọng xa hơn.

12 pipeline có sẵn gồm những gì?

Mỗi pipeline là một quy trình trọn gói từ ý tưởng đến video hoàn chỉnh, dùng chung luồng 7 chặng: nghiên cứu → đề xuất → kịch bản → kế hoạch cảnh → tài sản → dựng → xuất bản.

Với người làm nội dung tiếng Việt, ba pipeline đáng chú ý nhất là Animated Explainer (làm video kiến thức hàng loạt), Documentary Montage (đường hoàn toàn miễn phí bằng footage thật) và Clip Factory (biến một video dài thành nhiều clip ngắn — đúng công việc tốn thời gian nhất của người làm TikTok hiện nay).

Không có API key thì làm được gì?

Đây là phần nhiều người nghi ngờ nhất, và cũng là điểm OpenMontage làm khá nghiêm túc. Sau khi cài đặt, dù không có key trả phí nào, bạn vẫn có:

Khi có điều kiện, bạn cắm thêm key của các dịch vụ ngoài vào file .env để mở khóa phần "xịn": fal.ai (cổng tới FLUX tạo ảnh, Veo và Kling tạo video), Kling trực tiếp, Runway, HeyGen, ElevenLabs cho giọng đọc cao cấp, Suno cho nhạc… Theo thư viện prompt mẫu của chính dự án, một video dùng provider trả phí thường tốn khoảng 0,15–1,5 USD tiền API, bản cấu hình đầy đủ khoảng 1–3 USD mỗi video — đây là số liệu do dự án công bố, mình chưa tự đốt tiền kiểm chứng. Hệ thống có cơ chế quản trị ngân sách khá chặt: ước tính chi phí trước khi chạy, mặc định yêu cầu bạn duyệt các khoản chi trên 0,5 USD và có thể đặt trần cứng cho mỗi video.

• Giọng đọc offline bằng Piper TTS — phần mềm đọc văn bản thành giọng nói chạy ngay trên máy, không tốn phí theo chữ như các dịch vụ đám mây.
• Kho footage mở — Archive.org, NASA, Wikimedia Commons, cộng thêm ảnh/clip stock từ Pexels, Unsplash, Pixabay (các key developer của nhóm này miễn phí).
• Hai bộ máy dựng — Remotion (dựng video bằng React, mạnh về video số liệu, chữ và phụ đề theo từng từ kiểu TikTok) và HyperFrames (HTML/CSS, mạnh về motion graphics), cộng FFmpeg cho hậu kỳ.
• Phụ đề tự động theo từng từ, trộn âm thanh, chỉnh màu cơ bản.

Hướng dẫn cài đặt từng bước cho người mới

Yêu cầu tối thiểu: máy có Python 3.10 trở lên, FFmpeg, Node.js 18 trở lên — và quan trọng nhất là một trợ lý lập trình AI (Claude Code, Cursor, GitHub Copilot, Windsurf hoặc Codex), vì chính trợ lý đó là "người vận hành" hệ thống. Các bước thực hiện:

Mẹo tiết kiệm thời gian: chạy thử lệnh python render_demo.py --list rồi render một video demo có sẵn trước — nếu demo ra được file mp4 hoàn chỉnh trên máy bạn, toàn bộ phần khung đã thông, sau đó mới tính chuyện pipeline thật.

• Bước 1 — Tải mã nguồn: mở Terminal (hoặc PowerShell trên Windows) và chạy lệnh: git clone https://github.com/calesthio/OpenMontage.git, sau đó cd OpenMontage.
• Bước 2 — Cài đặt tự động: chạy make setup. Lệnh này cài các gói Python cần thiết, cài bộ dựng Remotion, cài Piper TTS miễn phí và tạo sẵn file .env cho bạn. Nếu máy không có make, trong README của dự án có dãy lệnh thay thế cho từng hệ điều hành — cứ làm đúng thứ tự trong đó.
• Bước 3 — (Tùy chọn) Thêm API key: mở file .env và điền key của dịch vụ bạn có, ví dụ FAL_KEY= hoặc PEXELS_API_KEY=. Không có key nào cũng không sao — bỏ qua bước này để dùng đường miễn phí.
• Bước 4 — Mở dự án bằng trợ lý AI: mở thư mục OpenMontage trong Claude Code/Cursor/Copilot…, trợ lý sẽ tự đọc các file hướng dẫn (CLAUDE.md, AGENT_GUIDE.md…) của dự án.
• Bước 5 — Ra đề bài đầu tiên: thử một prompt không cần key, ví dụ: "Làm video giải thích hoạt hình 45 giây về vì sao bầu trời có màu xanh". Muốn đi đường footage thật miễn phí, hãy nói rõ: "Làm montage tài liệu 90 giây về thành phố lúc 4 giờ sáng, chỉ dùng footage thật, không lời dẫn".
• Bước 6 — Duyệt qua các cổng kiểm tra: agent sẽ dừng ở các khâu đề xuất, kịch bản, kế hoạch cảnh và tài sản để chờ bạn duyệt (xem trực quan trên bảng Backlot). Duyệt kỹ ở khâu đề xuất vì ở đó có ước tính chi phí — đừng để nó tự chạy thẳng tới render khi bạn chưa rõ nó định tiêu gì.

So sánh với CapCut và các tool AI video trả phí

Cách hiểu đơn giản: các tool trả phí bán cho bạn "diễn viên và máy quay", CapCut là "ghế dựng", còn OpenMontage là "đạo diễn kiêm tổ sản xuất" — nó không thay thế hai thứ kia mà đứng trên chúng để điều phối. Kịch bản thực tế và hiệu quả nhất với nhiều người làm nội dung: dùng OpenMontage để ra bản dựng thô hàng loạt, sau đó vào CapCut tinh chỉnh lần cuối cho những video quan trọng.

Lỗi và hạn chế thường gặp

Từ quá trình cài đặt, chạy thử của mình và tài liệu của dự án, đây là những điểm dễ vấp nhất:

• Quên điều kiện tiên quyết: OpenMontage không tự chạy một mình — không có trợ lý lập trình AI thì không có gì vận hành được nó. Nhiều người tải về rồi đi tìm "nút chạy" sẽ không thấy, vì OpenMontage không hề có giao diện dựng phim.
• Máy yếu hoặc môi trường ảo hóa: khâu render dùng trình duyệt headless (qua Remotion), máy ít RAM hoặc môi trường máy ảo bị giới hạn bộ nhớ chia sẻ có thể làm bước render sập giữa chừng — đúng lỗi mình gặp khi test trên máy ảo. Máy cá nhân thông thường ít gặp hơn, nhưng hãy render demo kiểm tra trước.
• Ổ cứng chật khi cài trên thư mục tạm: bộ cài (gói npm của Remotion, trình duyệt headless ~92 MB) cần vài trăm MB trống; cài vào thư mục hệ thống bị giới hạn dung lượng sẽ lỗi khó hiểu.
• Kỳ vọng sai về đường miễn phí: video mẫu điện ảnh trên trang chủ của dự án đều dùng API trả phí (Veo, Kling). Đường 0-key cho ra video dạng giải thích/montage đơn giản hơn — tốt cho nội dung kiến thức, chưa phải "phim AI" như quảng cáo thường thấy.
• Tiếng Việt là vùng chưa được dự án kiểm chứng: tài liệu, prompt mẫu và giọng đọc mặc định đều hướng tiếng Anh. Giọng Piper tiếng Việt và chất lượng phụ đề tiếng Việt bạn sẽ phải tự thử và tinh chỉnh — đây là chi phí thời gian có thật.
• Dự án còn rất trẻ: ra mắt tháng 3/2026, chưa có phiên bản phát hành chính thức nào trên GitHub, thay đổi diễn ra hằng tuần. Hôm nay chạy được không đảm bảo tháng sau không phải cài lại.

Kết luận: có đáng dùng không, hợp với ai?

OpenMontage đáng dùng nếu bạn thuộc một trong ba nhóm: người làm nội dung kiến thức/giải thích theo số lượng (video essay, kênh học thuật, tóm tắt sách, tin tức); người đã quen dùng trợ lý lập trình AI và muốn biến nó thành dây chuyền video; hoặc đội nhỏ muốn tự động hóa khâu cắt clip ngắn từ nội dung dài. Với những nhóm này, cái bạn nhận được không phải "một tool tạo clip nữa" mà là một quy trình sản xuất có thể lặp lại, đo chi phí được và không bị khóa vào một nhà cung cấp nào.

Ngược lại, nếu bạn quay footage thật và cần dựng nhanh theo trend, CapCut vẫn là lựa chọn đúng; nếu bạn chỉ cần vài clip chuyển động đẹp cho quảng cáo, thuê thẳng Runway/Kling bản web sẽ nhàn hơn nhiều. Và một lưu ý pháp lý không nên bỏ qua: OpenMontage dùng giấy phép AGPL-3.0 — bạn cứ thoải mái dùng nó để làm video, kể cả video kiếm tiền, vì giấy phép không chi phối sản phẩm đầu ra; nhưng nếu định sửa code và đóng gói thành dịch vụ cho người khác dùng qua mạng, bạn sẽ phải công khai mã nguồn bản sửa theo cùng giấy phép.

Lời khuyên thực tế của mình: dành một buổi cài thử, chạy đúng một video bằng đường miễn phí (pipeline Documentary Montage hoặc Animated Explainer), và tự chấm bản render đầu tiên. Nếu chất lượng đó đủ cho kênh của bạn, bạn vừa có thêm một dây chuyền sản xuất gần như miễn phí; nếu chưa, bạn cũng chỉ mất một buổi để biết chắc — thay vì đoán.

Câu hỏi thường gặp

Đọc thêm