OpenMontage: biến Claude Code thành đạo diễn dựng video, cần biết gì trước khi dùng

Tóm tắt nhanh

Thông tin xem ngày 03/10/2026, dựa trên README, tệp giấy phép và tệp cấu hình mẫu trong kho GitHub, cùng một bài đánh giá độc lập.

• OpenMontage là một kho mã nguồn mở biến trợ lý lập trình AI (Claude Code, Cursor, Copilot, Windsurf, Codex) thành "đạo diễn" điều phối cả quy trình làm video: nghiên cứu, kịch bản, tạo tài sản, dựng, kiểm tra.
• README nêu 12 pipeline sản xuất, hơn 100 công cụ và hơn 700 tệp kỹ năng, kiến thức sản xuất. Đây là con số do chính tác giả công bố, tôi chưa đếm lại.
• Chạy cơ bản không cần khoá API: có giọng đọc offline Piper, nguồn footage miễn phí và bộ dựng Remotion, HyperFrames, FFmpeg. Dịch vụ trả phí là phần tuỳ chọn.
• Giấy phép là GNU AGPLv3. Đây là điểm cần đọc kỹ trước khi dùng cho dịch vụ thương mại.
• Chưa kiểm chứng: tôi chưa tự cài và chạy OpenMontage trong lần viết này. Mọi mô tả về cách vận hành đến từ tài liệu của dự án.
• Chưa rõ: số sao GitHub giữa các nguồn lệch nhau nên bài này không nêu con số cụ thể; chất lượng video đầu ra trên tiếng Việt cũng chưa có dữ liệu.

Vì sao đáng chú ý với người làm video bán hàng

Phần lớn công cụ AI video bạn thấy hằng ngày là một ô nhập prompt và một nút tạo. OpenMontage đi hướng khác: nó không tự là ứng dụng, mà là một bộ quy trình và công cụ để trợ lý lập trình AI của bạn đọc rồi làm theo.

Nói cách khác, bạn mở Claude Code trong thư mục dự án, gõ một yêu cầu bằng ngôn ngữ thường, và agent đi qua từng khâu như một nhóm sản xuất nhỏ. README của dự án có ví dụ yêu cầu kiểu "làm video giải thích 60 giây về cách mạng nơ-ron học".

Với team nội dung ở Việt Nam, câu hỏi thực tế không phải "nó có hay không" mà là "nó giúp mình lặp lại một quy trình ổn định như thế nào, và chi phí, giấy phép ra sao". Bài này đi theo đúng hướng đó.

OpenMontage gồm những gì

Theo README, dự án đóng gói ba lớp: các pipeline, các công cụ và các tệp kiến thức để agent đọc.

Về pipeline, README liệt kê các loại như Animated Explainer, Animation, Avatar Spokesperson, Cinematic, Clip Factory, Documentary Montage, Hybrid, Localization & Dub, Podcast Repurpose, Screen Demo, Talking Head. README ghi tổng cộng 12 pipeline; trong các lần tôi đọc, danh sách đầy đủ lệch nhau giữa phần tóm tắt và phần liệt kê, nên bạn nên mở README để xem tên chính xác của pipeline cuối.

Về công cụ, dự án nêu hơn 100 công cụ, gồm tạo video (hơn 20 nhà cung cấp), tạo ảnh (hơn 15), giọng đọc (hơn 10), nhạc và hiệu ứng âm thanh, hậu kỳ bằng FFmpeg, nâng cấp chất lượng (tăng độ phân giải, tách nền, phục hồi khuôn mặt) và phân tích (phiên âm, phát hiện cảnh).

Về bộ dựng, có ba lớp: Remotion (React, hợp với video số liệu và hoạt ảnh từ ảnh tĩnh), HyperFrames (HTML, CSS, GSAP, hợp với đồ hoạ chuyển động) và FFmpeg để ghép, mã hoá, đốt phụ đề.

Nếu bạn đã đọc bài của chúng tôi về HyperFrames của HeyGen, điểm đáng để ý là OpenMontage dùng nó như một trong các bộ dựng, chứ không thay thế nó. Hai dự án nằm ở hai tầng khác nhau: HyperFrames là cách dựng, OpenMontage là cách điều phối cả quy trình xung quanh.

Agent làm việc theo trình tự nào

README mô tả luồng làm việc là: nghiên cứu, đề xuất, kịch bản, kế hoạch cảnh, tạo tài sản, dựng, ghép. Mỗi khâu có một tệp Markdown hướng dẫn (README gọi là "stage director skill") và pipeline được khai báo trong tệp YAML.

Agent gọi các công cụ Python và chọn nhà cung cấp theo bảng chấm điểm bảy tiêu chí: độ hợp nhiệm vụ, chất lượng, khả năng kiểm soát, độ ổn định, chi phí, độ trễ và tính liên tục giữa các cảnh. Trạng thái được lưu thành điểm kiểm tra dạng JSON cùng nhật ký quyết định, nên về lý thuyết bạn có thể xem lại vì sao agent chọn cách này.

Có ba chi tiết mình thấy hữu ích cho người làm thương mại:

1. Cổng duyệt của con người. Agent dừng ở các quyết định sáng tạo để bạn xác nhận, thay vì chạy một mạch đến cuối.
2. Tự kiểm tra sau khi render. Dự án mô tả bước tự đối chiếu với danh sách chất lượng, và có thể từ chối đầu ra vi phạm tiêu chí.
3. Làm theo video tham chiếu. Bạn đưa một video YouTube, agent phân tích rồi đề xuất các biến thể khác đi. Đây là tính năng cần dùng cẩn thận về bản quyền: học cấu trúc thì ổn, bê nguyên nội dung người khác thì không.

Một tính năng nữa là "Backlot", bảng theo dõi dạng storyboard hiển thị tài sản nào đang tạo, cảnh nào đang chờ duyệt. Tôi chưa mở bảng này nên không đánh giá được độ tiện.

Cài đặt và chạy thử

Yêu cầu theo README: Python 3.10 trở lên, FFmpeg, Node.js 18 trở lên và một trợ lý lập trình AI. Lệnh cài nhanh được ghi như sau:

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

Máy không có make thì README đưa cách thủ công: tạo môi trường ảo Python, cài requirements.txt, vào thư mục remotion-composer chạy npm install, cài piper-tts rồi sao chép .env.example thành .env.

Sau khi cài, bạn mở trợ lý AI trong thư mục dự án và mô tả video cần làm. Dự án có tệp hướng dẫn riêng cho từng công cụ: Claude, Cursor, Copilot, Codex và Windsurf.

Tôi chưa chạy các lệnh trên. Nếu bạn thử, hãy bắt đầu bằng một video ngắn, dùng toàn công cụ miễn phí, để biết quy trình có hợp với máy và thói quen của mình không trước khi nạp khoá API trả phí.

Chi phí: miễn phí đến đâu

README nhấn mạnh có thể chạy mà không cần khoá API. Phần miễn phí gồm Piper TTS (đọc offline), các kho footage như Archive.org, NASA, Wikimedia Commons, kho ảnh stock như Pexels, Unsplash, Pixabay (các kho này có thể cần khoá truy cập riêng, bạn xem .env.example), cộng Remotion, HyperFrames và FFmpeg.

Nhà cung cấp trả phí là phần tuỳ chọn. README ước tính khoảng 0,15 đến 3 USD cho mỗi video khi dùng chúng, và nêu ví dụ cỡ 1,33 USD cho một phim hoạt hình ngắn, khoảng 4 đến 5 USD cho sản phẩm điện ảnh. Đây là ước tính của tác giả, giá thực tế phụ thuộc nhà cung cấp và số lần agent phải thử lại.

Dự án có cơ chế kiểm soát chi tiêu: ước tính trước khi chạy, trần chi và ngưỡng duyệt cho từng hành động (mặc định ghi là 0,50 USD). Tuy vậy, tệp .env.example tôi đọc không có biến cấu hình ngân sách riêng, nên bạn cần xem tài liệu để biết đặt các ngưỡng này ở đâu.

Bài đánh giá độc lập của Pixo Video lưu ý một điều đáng nhớ: bản thân dự án miễn phí, chi phí thật nằm ở các lần gọi API mô hình, và vòng thử lại của agent có thể làm hoá đơn phình lên. Nghe hợp lý với bất kỳ hệ thống agent nào, vì vậy hãy đặt trần chi trước khi để nó chạy.

Tệp .env.example liệt kê rất nhiều nhà cung cấp, trong đó có Google, Kling, Runway, HeyGen, ElevenLabs, Suno, Replicate, FAL và cả máy chủ ComfyUI hoặc mô hình cục bộ. Điều này cho thấy dự án thiết kế theo hướng đổi được nhà cung cấp, không khoá vào một hãng.

Giấy phép AGPLv3: đọc kỹ trước khi dùng thương mại

README ghi giấy phép là GNU AGPLv3, và tệp LICENSE trong kho là văn bản Affero GPL phiên bản 3, ngày 19/11/2007. Phần mở đầu của văn bản này nói rằng người vận hành một máy chủ mạng phải cung cấp mã nguồn của bản đã sửa đang chạy ở đó cho người dùng máy chủ.

Điều đó khác với giấy phép lỏng như MIT. Nếu bạn chỉ dùng công cụ nội bộ để làm video cho khách thì tình huống khác với việc bạn sửa mã rồi cung cấp thành dịch vụ trên web cho người ngoài. Nhưng ranh giới cụ thể, ví dụ cách xử lý sản phẩm đầu ra, hay khi nào việc dùng nội bộ trở thành phân phối, là câu hỏi pháp lý mà bài này không trả lời được.

Lời khuyên thực tế: đọc văn bản gốc, và nếu định xây dịch vụ thương mại trên nền OpenMontage, hãy hỏi người am hiểu pháp lý trước khi bắt đầu. Tôi chỉ nêu điều văn bản nói, không tư vấn.

Một lưu ý thứ hai: các nhà cung cấp mô hình và kho footage có điều khoản riêng. Footage từ nguồn miễn phí vẫn có điều kiện sử dụng và ghi công khác nhau, nên kiểm tra từng nguồn khi làm video bán hàng.

Điểm yếu cần biết

Bài đánh giá của Pixo Video xếp OpenMontage vào nhóm "kỹ năng điện ảnh cho agent" và chỉ ra giới hạn: không có giao diện duyệt trực quan, việc kiểm soát chất lượng dựa vào trao đổi bằng văn bản chứ không phải một trình dựng với dòng thời gian. Chính README cũng nói quy trình cần một trợ lý lập trình AI, không có giao diện web riêng.

Nghĩa là nếu team của bạn quen CapCut hoặc Premiere và muốn kéo thả, OpenMontage không thay thế được cho cảm giác đó. Bài đánh giá cho rằng nó hợp với người đã làm việc trong các agent lập trình và muốn tự động hoá những định dạng video rõ ràng.

Ngoài ra, một số thứ chưa có thông tin: chất lượng giọng đọc tiếng Việt của Piper và các nhà cung cấp, khả năng tạo phụ đề tiếng Việt đúng dấu, và độ ổn định của pipeline khi khối lượng lớn. Tôi không đoán các điểm này, bạn cần thử trên nội dung thật của mình.

Ý nghĩa với người làm nội dung và bán hàng

Điểm đáng giá không nằm ở chuyện "AI tự làm video". Nó nằm ở việc quy trình được ghi thành tệp, có bước duyệt, có nhật ký quyết định và có ngưỡng chi. Một team nhỏ làm video sản phẩm lặp lại hằng tuần sẽ thấy lợi ở chỗ này: cùng một quy trình, ít phụ thuộc vào trí nhớ của một người.

Một cách dùng hợp lý cho video bán hàng ngắn:

1. Chọn một định dạng lặp lại, ví dụ video giải thích sản phẩm 30 đến 60 giây hoặc một loạt clip từ một podcast, rồi chọn pipeline tương ứng (Animated Explainer, Clip Factory, Podcast Repurpose).
2. Chạy bằng công cụ miễn phí trước, đặt trần chi tiêu thấp, xem bản đầu và ghi lại chỗ nào cần sửa.
3. Chỉ bật nhà cung cấp trả phí cho khâu mà bản miễn phí chưa đủ tốt, thường là giọng đọc hoặc cảnh quay tạo bằng AI.
4. Kiểm tra phụ đề và cách đọc tên thương hiệu bằng tai, vì đây là chỗ lỗi dễ lọt qua khi làm cho thị trường Việt Nam.
5. Ghi lại kết quả, thời gian và chi phí thật của lần chạy đầu, rồi mới quyết định có đưa vào quy trình chính hay không.

Với thương hiệu, bài học rộng hơn là: agent hợp với việc điều phối khâu, còn cảm quan thương hiệu vẫn cần người quyết. Cổng duyệt của OpenMontage đáng được dùng thật, không phải nhấn "đồng ý" cho xong.

Cuối cùng, đừng để con số sao GitHub quyết định. Hai nguồn tôi đọc cho số khác nhau ở hai thời điểm khác nhau, nên tôi không nêu. Điều đáng quan tâm hơn là dự án có hợp quy trình của bạn, có giấy phép chấp nhận được và có chạy ổn trên máy của bạn hay không.

Kết

OpenMontage là một hướng đáng thử cho những ai đã có thói quen làm việc với trợ lý lập trình AI: quy trình rõ, có bước duyệt, bắt đầu được mà không tốn tiền. Hai điều cần xử lý trước là giấy phép AGPLv3 và chi phí API khi bật nhà cung cấp trả phí.

Hãy thử một video ngắn bằng công cụ miễn phí, ghi lại điều bạn thấy, rồi mới quyết định. Chúng tôi sẽ cập nhật khi tự chạy thử xong.