OpenMontage vs. brag：兩種 AI 影片工作流差在哪

市面上的 AI 影片工具百百種，彼此的差異不只在於最終能否產出 MP4 影片，更關鍵的在於它們是從哪個階段開始接手。OpenMontage 走的是「一條龍」路線，從前期的研究、提案、腳本，到中期的素材準備，再到後期的剪輯與組合，全部納入管理；而 brag 則是從一個已經存在的專案出發，目標很明確，就是把產品亮點提煉成短版的 launch video 並搭配社群分享文案。

這兩者在定位與量級上截然不同：

OpenMontage：官方定位為開源的 agentic 影片製作系統（open-source, agentic video production system），橫跨多個階段的 production pipeline。
brag：官方定位為 Claude Code 的一項 skill，它會讀取現有專案，規劃好發表短片的分鏡，再交給 Hyperframes 建立與渲染 composition。

簡而言之，如果你需要從最初的研究階段開始，建立一套流程嚴謹、可供審核的影片生產線，那麼 OpenMontage 會是合適的起點；但如果你手邊已經有一個完成度很高的 side project，只想快點包裝出一段發表影片和宣傳文案，那功能集中的 brag 會顯得更精準直接。這份建議是基於官方文件進行的選型分析，而非實際評測後的排名。

官方專案：

OpenMontage：多階段影片 production system

在 OpenMontage 的 README 中，整個工作流被規劃為：

research → proposal → script → scene_plan → assets → edit → compose

根據官方目前的說明，系統內建了 12 條 production pipelines、100+ 個 production tools，以及 700+ 個 agent skill / production-knowledge files。這些規格會隨著版本更迭而變動，因此不建議參考舊文章所寫的 52 tools / 400 skills 等過期數據。

在技術選型上，官方提及了 Remotion、HyperFrames 與 FFmpeg 等不同工具的組合。其中，FFmpeg 主要扮演後製與編碼的角色，並非唯一的 final renderer。此外，由於 OpenMontage 設計了 human approval gates（人工審查機制）、pre-compose validation、post-render self-review，以及成本預算控制（budget controls），我們不該將它誤解為完全無人介入地「全部包辦」。

比較貼切的理解是：AI agent 負責打雜與執行——包含研究、寫腳本、找素材、剪輯與合成——但在涉及創意與品質的關鍵節點，系統仍會停下來，等待人工確認與批准。

安裝 OpenMontage：zero-key 路徑也存在

官方提供的快速上手步驟如下：

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

開始前，建議確認環境中已安裝：

Python 3.10+
FFmpeg
Node.js 18+
一個能讀取檔案並執行 Python 的 AI coding assistant

值得注意的是，雖然可以使用雲端 API keys 來解鎖更多的 provider，但這只是選配。官方的 make setup 與 README 依然保留了 zero-key 的本地執行路徑，所以無需將 OpenAI、Claude 或 FAL keys 視為強制啟動條件。

在執行 make setup 時，系統主要會建立或設定 Python 虛擬環境（virtual environment）、下載相關的 Python 與 Node dependencies（包含 Remotion composer 所需的依賴）、嘗試整合 Piper TTS，並預先快取 HyperFrames runtime。此步驟並非對「複數語言編譯」的效能保證，實際的建置時間仍會因個人網路與系統環境而異。

brag：把既有專案整理成 launch video

brag 本質上是一個 Claude Code skill，同時也提供了 .claude-plugin marketplace manifest。目前官方 README 指出的安裝方式為：

/plugin marketplace add latent-spaces/brag
/plugin install brag@brag

如果上述管道無法運作，官方也提供了 fallback 方案：手動將 skills/brag/ 同步至 ~/.claude/skills/brag/ 目錄下，並重啟 Claude Code 即可。執行此工具需要準備相容 Agent Skills 的 agent、Node.js 22+、FFmpeg 以及 npx hyperframes。

brag 生成的影片預設長度落在 15–25 秒之間，並非固定的 30 秒。完成後，它會輸出以下檔案：

brag-plan.md
composition-brief.md
share-copy.txt
Hyperframes composition
brag.mp4

其中 share-copy.txt 提供了標準的社群推播文案，可直接貼在 Twitter/X、LinkedIn 或 Discord 等平台；若有不同平台的需求，可在此基礎上自行另存不同的變體（variants），官方並未保證會自動生成三套不同的 X（Twitter）推文。

兩條 workflow 怎麼走

OpenMontage

研究（Research）：收集主題背景與素材資訊。
提案（Proposal）：生成企劃方向，等待使用者確認與挑選。
腳本（Script）：編寫旁白口白與逐字稿。
畫面規劃（Scene plan）：編排視覺節奏、轉場與具體的畫面素材需求。
素材準備（Assets）：搜集或利用 AI 生成所需的圖片、音訊與影片片段。
剪輯與合成（Edit / Compose）：根據設定的 render_runtime，呼叫 Remotion 或 HyperFrames，並結合 FFmpeg 進行編碼、上字幕及混音等後製工作。
驗證與檢視（Validation / Review）：進行合成前驗證（pre-compose validation）與渲染後的自我審查（post-render self-review）。

官方資料指出系統支援 checkpoint、resumable state 與 stage-level governance。較精確的解讀是：整個流程能在受控的架構下儲存進度、隨時暫停並重新接續執行，而不是指每個階段都能在沒有上下文的狀況下，無條件單獨重新執行。

brag

專案檢視：掃描目錄，優先讀取現有的 index.html、樣式表、README、package.json、路由設定以及核心程式碼。
亮點提煉：從專案中理出最吸引人的 entry point、關鍵動作（key action）、執行結果以及最具代表性的功能。
規劃與分鏡：生成初步規劃方案，記錄於 brag-plan.md。
Composition brief：產出給 Hyperframes 讀取的 composition-brief.md，內容涵蓋專案定位、分鏡細節、影片語氣、尺寸格式以及建議引用的專案素材。
影片合成：交由 Hyperframes 完成建立、檢驗與最終的影片渲染。
分享文案：產生 share-copy.txt，如有社群分流需求可自行調整出不同的變體（variants）。

這套流程並非只是把 UI 截圖無腦丟給後端，官方也沒有「3 分鐘內搞定」的承諾。實際花費的時間，將視專案規模、畫面的複雜度、渲染資源與個人電腦配備而定。

差異表

比較面向	OpenMontage	brag
核心範圍	涵蓋研究、腳本、素材生成到剪輯合成的多階段 production pipeline	將現有專案整理為短版 launch video 與社群發表文案
起手需求	Python、FFmpeg、Node.js、AI coding assistant，API keys 為選配	Claude Code、Node.js 22+、FFmpeg、`npx hyperframes`
控制方式	pipelines、stage director skills、approval gates、checkpoint、decision log	產品視角、分鏡、語氣與 composition brief；由 Hyperframes 主導 composition、timing、runtime 及 render
主要輸出	依選定的 pipeline 輸出旁白、素材、字幕、音訊與合成結果	`brag-plan.md`、`composition-brief.md`、`share-copy.txt`、composition、`brag.mp4`
適合情境	多階段的大型影片製作、需要嚴格審查與預算/品質把關的正式專案	手邊已有現成專案，想快速產出短片與社群行銷包裝時

我會怎麼選

如果你的出發點非常明確，只是想把一個已經做好的專案，快速包裝成短小精悍的 launch video 與社群宣傳組件，那麼 brag 那套針對性強的工作流顯然更為乾淨俐落；但如果你面對的是一個需要從頭做主題研究、構思腳本、生成素材，最後還要經過層層品管的完整影片專案，那麼 OpenMontage 的多階段 production pipeline 才能提供足夠的控制力與完整度。

需要再次說明的是，上述分析完全是根據官方 README、Makefile、brag skill 以及 Claude Code plugin 等文件所梳理出的選型框架，並非我本人在此次實測中運行 make setup、/brag 或 npx hyperframes render 後所給出的具體效能背書。