零 API 密钥能做到哪一步：七行能力表逐行拆

2026-08-09

第一次评估 OpenMontage，大多数人会直接跳到 README 里那节 “What You Get With Zero API Keys”。这很合理——一个要调十几家 provider 的视频系统，最先要回答的问题就是「我一分钱不花，能走到哪一步」。

那节给了一张七行表。表本身是 README 的口径，不是我们跑出来的结论；但表下面几行文字和 Quick Start 里的前置条件放在一起看，边界会清楚很多。这篇就逐行拆这七行，重点在括号里那些容易被跳过的限定。

先把这张表的性质说清楚

README 这一节的开篇是一句断言：你不需要付费 API 密钥就能做出真视频，make setup 开箱就给你下面这些。

两个限定先立住。第一，这是 README 的措辞，包括表格里那些形容词——比如 Piper TTS 那行，README 的描述是「免费离线文字转语音，真人般的旁白」——都是 README 的描述，不是我们的评价。我们没有安装过这个项目，没有渲染过任何一条视频，也没有听过任何一段由它生成的旁白。第二，「零 API 密钥」这个说法，README 自己在表格里就打了一处折扣，下面第三行会说到。

七行分别是：Narration、Open footage、Extra stock、Composition (React)、Composition (HTML/GSAP)、Post-production、Subtitles。

第 1 行 Narration：Piper TTS

对应的免费工具是 Piper TTS，能力栏写的是免费离线文字转语音。

值得注意的是安装位置：README 给的手动安装串里，python -m pip install piper-tts 是单独一步，排在 pip install -r requirements.txt 和 remotion-composer 目录下 npm install 之后。也就是说这一行的能力来自一个独立安装的包，不是主依赖清单顺带装上的。走 make setup 的人不用管这个顺序，但手动装的人漏掉这一步，掉的就是这一行。

第 2 行 Open footage：Archive.org + NASA + Wikimedia Commons

这一行是三个开放档案来源，README 的描述是免费/开放的档案影像、教育媒体和纪录片质感素材。这一行不需要任何密钥，是七行里「零密钥」成色最足的一行。

它也是后面「真实素材」那条路径的地基——README 说 documentary montage 流水线正是从 Archive.org、NASA、Wikimedia Commons 这几个来源构建一个 CLIP 可搜索的语料库，再把真实动态素材剪成成片。

第 3 行 Extra stock：这行不是零密钥

Pexels + Unsplash + Pixabay，README 描述为免费素材影像/图片，然后括号里跟了一句限定：开发者密钥可免费申请。

这句话把这一行从「零密钥」挪到了「零付费」。对照 README 的 .env 段能看得更实：那里确实列着 PEXELS_API_KEY、PIXABAY_API_KEY、UNSPLASH_ACCESS_KEY 三个条目，占位值都写成 your-key。README 在 .env 段顶部强调的是 every key is optional——每个密钥都是可选的，你有什么就加什么。

所以严格讲，七行表里这一行的准确读法是：不花钱，但要去三家网站各注册一个开发者密钥填进 .env。如果你所在的环境连注册第三方账号都要走审批，这一行对你就是不存在的，能用的只剩第 2 行。

第 4、5 行：两套合成运行时，以及 `render_runtime`

这两行是整张表里信息量最大的部分。

Composition (React) / Remotion：README 描述为基于 React 的渲染，列举了弹簧动画图片场景、文字卡、数据卡、图表、TikTok 式词级字幕、TalkingHead。
Composition (HTML/GSAP) / HyperFrames：README 描述为 HTML/CSS/GSAP 渲染，列举了动态排版、产品宣传片、发布视频、registry blocks、website-to-video、绑定骨架的 SVG 角色动画。

关键在表格下面那段：OpenMontage 在提案阶段在 Remotion 与 HyperFrames 之间做选择，并锁定为 render_runtime。README 给的默认倾向是——Remotion 是数据驱动讲解片和任何使用既有 React 场景栈的默认；HyperFrames 是动态图形密集、天然适合用 HTML + GSAP 表达的需求的默认，包括 character-animation 流水线的 SVG/GSAP 骨架输出。完整决策矩阵 README 指向 skills/core/hyperframes.md，这个文件我们没有读过，这里只提它的路径，不描述内容。

这一点对零密钥用户的实际含义是：你不是「没得选」，而是选择被前置到提案阶段并锁定成 render_runtime 这个字段。换句话说，如果你想要的是角色动画，那么运行时的选择在你还没生成任何一帧素材的时候就已经定了。至于锁定之后还能不能改、改的代价有多大，README 没有说明，我们不推断——能确定的只是：把「要不要角色动画 / 是不是数据讲解片」放在提案阶段之前说清楚，是唯一有依据的做法。

第 6 行 Post-production：FFmpeg 不是白送的

这一行是 FFmpeg，README 描述为编码、字幕烧入、音频混合、调色。

但要注意它同时出现在 Quick Start 的 Prerequisites 里。README 列的四项前置是：Python 3.10+、FFmpeg（给的安装指路是 brew install ffmpeg / sudo apt install ffmpeg / ffmpeg.org）、Node.js 18+、以及一个 AI 编码助手。也就是说这一行不是 make setup 给你的，是你自己得先装好的。表格把它列在「开箱可用」里，前置条件那节把它列在「你得先有」里，读的时候把这两处对上，能省一次找不到可执行文件的排查。

第 7 行 Subtitles：内置

最后一行的免费工具栏写的是「内置」，能力是带词级时间戳的自动字幕。这一行和第 4 行 Remotion 里提到的 TikTok 式词级字幕是相互呼应的，但表格里它们分属两行，一个算合成能力、一个算字幕能力。

表下面那段：两条路径，还是三条

七行表后面 README 用加粗小标题写的是「两条『接近免费』的路径」，紧跟着的列表里却是三个条目：图片型视频（Piper 念脚本、图片提供视觉、Remotion 做成有打磨的剪辑）、本地角色动画（SVG 骨架、姿势库、GSAP 时间线，HyperFrames 渲染卡通角色表演到 projects/<project-name>/renders/final.mp4）、真实素材视频（documentary montage 流水线构建 CLIP 可搜索语料库再剪成片）。

标题写的是两条，列表里是三条，两处不一致，以仓库当前状态为准。我不推断哪个是原意，也不拿这个差异去评价项目。

有用的是最后那句触发方式：想走真实素材那条路，README 说在 prompt 里说 documentary montage、tone poem 或 stock-footage collage，并明确说 use real footage only。README 给的示例 prompt 里也是这么写的，比如「Make a 90-second documentary montage about what a city feels like at 4am. Use real footage only, no narration, elegiac tone.」这不是什么魔法咒语，是让 agent 选对流水线的输入信号——OpenMontage 是流水线驱动的，选错流水线，后面每一步都在错的轨道上。

表外还有一块：`.env` 里那两个本地视频开关

七行表之外，README 另有一个折叠块讲有 GPU 时的本地视频生成。这块不在表里，但对「不加付费 provider 密钥还能做什么」这个问题是直接相关的，而且它落在配置的具体取值上，比表格里的形容词好核对得多：

make install-gpu

# Then add to .env:
VIDEO_GEN_LOCAL_ENABLED=true
VIDEO_GEN_LOCAL_MODEL=wan2.1-1.3b  # or wan2.1-14b, hunyuan-1.5, ltx2-local, cogvideo-5b

两个字段名和五个可选模型值都是 README 照抄的：VIDEO_GEN_LOCAL_ENABLED 是布尔开关，VIDEO_GEN_LOCAL_MODEL 的默认写法是 wan2.1-1.3b，注释里另给了 wan2.1-14b、hunyuan-1.5、ltx2-local、cogvideo-5b 四个备选。名字里的 1.3b 与 14b 是两个量级差十倍的选项，但需要多大显存、跑多久、出片什么样，README 没有给数字，我们也没有跑过，所以这里只报字段名和取值，不给任何硬件建议。

要提醒的是，这块的前置是 make install-gpu 与「有 GPU」，它跟七行表那种 make setup 开箱即得不是一个门槛，别把它算进「零密钥开箱能力」里一起宣传。

零密钥 ≠ 零外部服务，这是最该说清的一点

这张表覆盖的是素材与合成侧：谁来念旁白、素材从哪来、用什么渲染、后期怎么做。它没有覆盖的是——谁来做编排、写脚本、选 provider、审片。

按 README 的 Quick Start，第四项前置是一个 AI 编码助手：Claude Code、Cursor、Copilot、Windsurf 或 Codex。这一层本身就是外部服务。而 README 明写通过 Ollama 和 LM Studio 支持本地 LLM 是 “Coming soon”——这是计划不是能力，现在不能按已有功能来规划。

所以「零 API 密钥」这个说法的准确边界是：不需要付费的图像/视频/TTS provider 密钥，不是「整条链不接任何外部服务」。这两件事差得很远，评估的时候别混。

成本数字：能引用，不能推算

README 在示例 prompt 那节给了两档区间：配了图像/视频 provider 的那组标注 ~$0.15–$1.50，完整配置的那组标注 ~$1–$3；演示视频那节也给了逐条的总成本，比如 “THE LAST BANANA” 标 $1.33、“The Library at Alexandria” 标 $0.02。

这些全是项目方在 README 中自行标注的金额，我们没有验证过，也没有调用过其中任何一个 provider API。更要注意的是，README 并没有给零密钥路径的成本口径，所以拿上面这几个数字反推「我走免费路能省多少」是没有依据的。这类推算本文一概不做。

想自己确认边界，跑这几条

与其读表，README 更推荐直接问 registry 你的机器上到底有什么。README 给的两条命令是：

python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.support_envelope(), indent=2))"
python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.provider_menu(), indent=2))"

以及一条不需要 API 密钥的契约测试，和一条零密钥演示：

make test-contracts
make demo

Windows 上装的话，README 给的 PowerShell 手动串是 py -3 -m venv .venv; .\.venv\Scripts\Activate.ps1; python -m pip install -r requirements.txt; cd remotion-composer; npm install; cd ..; python -m pip install piper-tts; Copy-Item .env.example .env，并单独记了一条已知问题：若 npm install 报 ERR_INVALID_ARG_TYPE，改用 npx --yes npm install。这条报错发生在 remotion-composer 那一步，正好卡在第 4 行 Remotion 的安装上，Windows 用户值得先记住。

以上命令与安装串均照抄自 README，我们没有执行过，实际输出与报错以你本地为准。至于 README 指向的 Prompt Gallery（PROMPT_GALLERY.md）和 skills/core/hyperframes.md，我们都没有读过，这里只提文件名，不描述内容。关于 .env 里那一整张付费 provider 密钥矩阵，我们另有一篇专门讲。

本文依据 OpenMontage 官方仓库（github.com/calesthio/OpenMontage）的 README、 AGENT_GUIDE.md、config.yaml、pipeline_defs/ 与 lib/ 下的治理模块整理，核对日 2026-08-09。本文内容为仓库源码与文档口径，我们没有安装或运行过该系统，也没有调用过其中任何一个 provider API，文中出现的成本数字均为项目方在 README 中自行标注的金额，非我们的实测结果。该项目以 AGPL-3.0 发布，部分流水线在 manifest 中自标 stability: beta，请以仓库最新内容为准。许可条款请以官方 LICENSE 原文为准，本文不构成法律意见。安全相关做法请结合自身环境评估，本文不构成安全方案建议。