十四个可选密钥：每个解锁什么，不加会退到哪

2026-08-09

OpenMontage 的 README 在 .env 示例段的第一行就写了一句话：every key is optional, add what you have。

这句话很容易被当成客套。真去数那一段，会发现它是有结构的：14 行配置分成 6 个注释组，每组解锁一类能力，缺哪一组就退到哪条免费路径。把这 14 行看懂，比照着教程一口气申请一堆 API 账号有用得多。

先数清楚：14 行里只有 13 个是密钥

README 的 .env 段逐行照抄如下（占位符 your-key 是原文写法，你自己的文件里绝不要把真实密钥贴到任何地方）：

# .env — every key is optional, add what you have

# Image + video gateway:
FAL_KEY=your-key               # FLUX images + Google Veo, Kling, MiniMax video + Recraft images
ATLASCLOUD_API_KEY=your-key    # Atlas Cloud — Seedream/Nano Banana/GPT Image + Kling/Seedance/Hailuo video

# Kling official direct API:
KLING_API_KEY=your-key         # Official Kling video, image, TTS, avatar, lip sync
KLING_API_BASE_URL=            # Optional; default Singapore API endpoint

# Free stock media:
PEXELS_API_KEY=your-key        # Free stock footage and images
PIXABAY_API_KEY=your-key       # Free stock footage and images
UNSPLASH_ACCESS_KEY=your-key   # Free stock images

# Music:
SUNO_API_KEY=your-key          # Full songs, instrumentals, any genre

# Voice & images:
ELEVENLABS_API_KEY=your-key    # Premium TTS, AI music, sound effects
OPENAI_API_KEY=your-key        # OpenAI TTS, GPT Image 2 images
XAI_API_KEY=your-key           # xAI Grok image edits/generation + Grok video generation
GOOGLE_API_KEY=your-key        # Google Imagen images, Google TTS (700+ voices)

# More video providers:
HEYGEN_API_KEY=your-key        # HeyGen — VEO, Sora, Runway, Kling via single gateway
RUNWAY_API_KEY=your-key        # Runway Gen-4 direct

第一处细节：这 14 行里，KLING_API_BASE_URL 不是密钥。README 给它的注释是 Optional; default Singapore API endpoint——它是端点地址，默认走新加坡节点，你不填也不影响 KLING_API_KEY 生效。所以严格说是 13 个密钥加 1 个可选端点。第一次配的时候别把它当成”还差一个 key 没申请”。

第二处细节：注释是按能力分组的，不是按厂商分组的。GOOGLE_API_KEY 一行同时挂着 Google Imagen 图像和 Google TTS 两类能力；ELEVENLABS_API_KEY 一行挂着 TTS、AI 音乐、音效三类；KLING_API_KEY 那行更长，README 注释里写的是 video、image、TTS、avatar、lip sync 五项。一个密钥往往横跨好几张 provider 表，这是后面判断”不加会退到哪”时必须先想清楚的。

底座：不加任何密钥时，你还剩什么

README 有一节标题就叫 “What You Get With Zero API Keys”，开篇原话是：你不需要付费 API 密钥就能做出真视频。make setup 开箱给的是——

能力	免费工具	README 说它做什么
Narration	Piper TTS	免费离线文字转语音
Open footage	Archive.org + NASA + Wikimedia Commons	免费/开放的档案影像与纪录片质感素材
Extra stock	Pexels + Unsplash + Pixabay	免费素材影像/图片（开发者密钥可免费申请）
Composition (React)	Remotion	基于 React 的渲染
Composition (HTML/GSAP)	HyperFrames	HTML/CSS/GSAP 渲染
Post-production	FFmpeg	编码、字幕烧入、音频混合、调色
Subtitles	内置	带词级时间戳的自动字幕

这张表就是那 14 行的”下限”。要理解每一个密钥不加时退到哪，只要把它解锁的能力放回这张表上找对应行就行了。

这里还有一条藏在 Composition & Rendering 表里的关键退路，README 写在 Remotion 那一格：当没有配置任何视频生成 provider 时，agent 生成静态图，由 Remotion 把它们变成完全动起来的视频。 也就是说，一个视频生成密钥都不加，流程本身不会断，只是走向从”生成动态片段”换成了”静态图 + 程序化动画”。

要注意这条退路和 README 另一处的区分放在一起看。README 标了 “Important distinction” 的那段说，OpenMontage 也能为免费/开源工作流做出真正的 “video video”——从免费素材库和开放档案构建语料库、检索真实动态片段、剪进时间线。走这条路要在 prompt 里明说 documentary montage、tone poem 或 stock-footage collage，并写清 use real footage only。换句话说，零密钥下有两条不同的路：静态图程序化动画，和真实素材剪辑。你不说清楚，就只能碰运气。

逐组读：解锁什么，不加退到哪

网关组（FAL_KEY / ATLASCLOUD_API_KEY / HEYGEN_API_KEY）。 这三个的共同点是一个密钥后面挂多个模型。README 给 FAL 的注释是 FLUX 图像加 Veo、Kling、MiniMax 视频再加 Recraft 图像；给 Atlas Cloud 的是 Seedream/Nano Banana/GPT Image 加 Kling/Seedance/Hailuo 视频；HEYGEN_API_KEY 那行原文写的是 “VEO, Sora, Runway, Kling via single gateway”，在视频 provider 表里 HeyGen 的类型也被 README 描述为 “Multi-model gateway”。网关型在结构上的特点就是”一个密钥对应表里的多行”——但请注意，模型好不好、贵不贵，README 表格里那些 “High quality”、“Cost-effective” 都是 README 自己的措辞，不是我们的评价，我们一个 API 都没调用过，也不据此做任何选型推荐。

不加这三个，视频侧退到：视频 provider 表里的 3 个 Stock 来源（Pexels、Pixabay、Wikimedia Commons）、4 个 Local GPU 路线，以及上面那条 Remotion 静态图路径。

Kling 直连组（KLING_API_KEY + KLING_API_BASE_URL）。 值得单独说，因为 Kling 在视频 provider 表里出现了两次：一次是 Kling (fal.ai)，一次是 Kling Official，后者 README 注明是独立的 kling_official provider。这和 .env 里 FAL_KEY 与 KLING_API_KEY 是两个独立密钥完全对得上。所以”我已经有 FAL 了还要不要配 Kling 官方”这个问题，答案取决于你要不要那些只挂在官方直连下的能力——README 给 KLING_API_KEY 的注释里除了 video、image，还有 TTS、avatar、lip sync。

免费素材组（PEXELS_API_KEY / PIXABAY_API_KEY / UNSPLASH_ACCESS_KEY）。 这三个虽然写在 .env 里，但零密钥能力表把它们归在 Extra stock 一行，并注明开发者密钥可免费申请。不加的退路很明确：Open footage 那一行的 Archive.org、NASA、Wikimedia Commons 不需要密钥。这三行与前面几组在性质上不是一回事：按 README 的注明，它们的开发者密钥可以免费申请，扩的是素材池的宽度，而不是打开一个花钱的口子。

这里有一处口径差异值得记一笔：.env 里 PIXABAY_API_KEY 的注释只写了 “Free stock footage and images”，而 README 在描述某段演示视频用了什么时提到了 Pixabay 音乐。两处写法不一致，以仓库当前状态为准，我们不推断原因。

音乐组（SUNO_API_KEY）。 这是退路最薄的一组。README 的音乐与音效表只有 3 个 provider：Suno AI（README 注明完整歌曲生成，最长 8 分钟）、ElevenLabs Music、ElevenLabs SFX——三个全是 Cloud API，而零密钥能力表里根本没有”音乐”这一栏。

这里要把两件事分开：README 在描述 make setup 之后会发生什么时，写了 agent 会自动找免版税背景音乐——那是”找现成的”；而音乐与音效表里这 3 个 provider 是”生成新的”。前者不在零密钥能力表里单列，后者一个本地免费兜底都没有。所以如果你的片子必须有一段专门生成的原创配乐，这是这 14 行里退路最短的一组，得在开工前就想清楚，别等到合成阶段才发现。

语音与图像组（ELEVENLABS_API_KEY / OPENAI_API_KEY / XAI_API_KEY / GOOGLE_API_KEY）。 语音侧的退路最扎实：TTS 表里 5 个 provider，前 4 个是 Cloud API，最后一个 Piper 标的是 Local，README 描述为 completely free, offline，正是零密钥能力表里 Narration 那一栏，手动安装步骤里的 python -m pip install piper-tts 装的也是它。图像侧退到 Local Diffusion（Local GPU，README 注为 Stable Diffusion, free）加 Pexels/Pixabay/Unsplash 三家 stock；顺带一提，图像那张 11 行的表里还塞了一个 ManimCE，类型是 Local，做的却是数学动画。

Runway 直连（RUNWAY_API_KEY）。 README 注释是 Runway Gen-4 direct，与视频表里的 Runway Gen-4 一行对应。退路同网关组。

密钥之外的一条侧路：本地 GPU

README 折叠块里还给了不靠密钥的另一种”解锁”：

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

这两行不是密钥，是开关和模型名。它们和视频 provider 表里那 4 个 Local GPU 条目（WAN 2.1、Hunyuan、CogVideo、LTX-Video）对得上。有没有能跑的显卡、跑得动哪个尺寸，取决于你自己的机器，我们没有跑过任何一个，不给建议。

别拿 `.env` 猜能力：去问 registry

配完密钥最容易犯的错，是照着 .env 自己脑补”我现在能做什么”。README 在给 agent 的上手路径里给的办法是查 registry，两条命令：

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))"

这两条命令照抄自仓库文档，我们没有运行过，实际输出以你本地跑出来的为准。从调用形式能读出 registry 对象提供了 discover()、support_envelope()、provider_menu() 三个方法；AGENT_GUIDE.md 里还给这两者留了注释，provider_menu 是按能力分组的完整菜单，support_envelope 被明确警告”慢、输出量大，只用于调试”。

AGENT_GUIDE.md 在这件事上有几条硬条款，与密钥直接相关：preflight 是强制的，且 preflight 时必须展示 Provider Menu，用户必须看到自己有什么、还能解锁什么；不要孤立地呈现单个不可用工具，要永远展示完整能力图景，用 “X of Y providers configured for this capability.” 这种说法；不要硬编码 provider 名、API key 名或安装 URL，要从 registry 的 install_instructions 和 dependencies 字段读。最后这条尤其值得注意——它意味着”该配哪个环境变量”这件事的权威来源是 registry，不是任何一篇教程里抄来的变量名，也包括本文。

需要提醒的是，这些都是写给模型看的契约文本，是指令不是工程保障；能不能落地取决于你用的 agent 和它当时的上下文。

三处数字要自己数

写这类文章最容易翻车的就是照抄数字，这里如实列出三处可核实的不一致，只陈述差异，不推断原因，也不拿它评价项目：

TTS：README 的 provider 表标题写 5 个，表格也是 5 行；而 README 架构图里 tools/audio/ 写的是 “4 TTS providers”。
视频：provider 表标题写 15 个 providers，表格 15 行；架构图里 tools/video/ 写的是 “13 video gen tools + compose, stitch, trim”。这两个不是同一个口径，一个数 provider，一个数 tool，引用时要说清是哪个。
Node 版本：Quick Start 的 Prerequisites 写的是 Node.js 18+，而 Composition & Rendering 表里 HyperFrames 标的是 Local (Node.js ≥ 22)，Remotion 那格只写了 Local (Node.js)。这一条和本文关系很直接——HyperFrames 是零密钥路径里的合成运行时之一，按最低前置条件装好的环境未必满足它标注的下限。我们没有实测过，不断言它一定跑不起来，只提醒你装之前先看一眼自己的 Node 版本。

关于钱，以及一个容易被忽略的前提

README 里出现的那些金额——README 列的 5 段演示视频里有 4 段标了总成本，分别是 $1.33、$0.02、$0.69、$0.15（还有一段没标），以及示例 prompt 那节标的 ~$0.15–$1.50 和 ~$1–$3——都是项目方在 README 中自行标注的数字，我们没有验证过，也不能拿它推算你自己做一条要花多少钱。你的片长、重试次数、选的 provider 都不一样。

最后是那个容易被”零密钥”三个字盖住的前提：这 14 行说的是媒体 provider 的密钥。Quick Start 的四个前置条件里，第四项是”一个 AI 编码助手”——Claude Code、Cursor、Copilot、Windsurf 或 Codex。README 里通过 Ollama 和 LM Studio 支持本地 LLM 那条写的是 “Coming soon”，那是计划不是现有能力。所以即使这 14 行你一个都不填，编排这一侧仍然跑在你的 AI 编码助手上。

务实的次序是：先跑零密钥路径，看它在哪一步卡住；再回来只加那一个密钥。而不是先把 13 个申请一遍。

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。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。