11 个图像来源，以及为什么 ManimCE 被放进了这张表
翻 OpenMontage 的 README，看到 Supported Providers 折叠块里的图像生成表，第一反应大概率是数错了：前十行都是正经的图像来源，最后一行冒出来一个 ManimCE，Type 标 Local，Notes 只有三个词——Mathematical animations。数学动画怎么会算”图像生成”？
这不是排版顺手粘错了，也不是把视频那栏的东西错放了一行。把这张表按类型拆开看，它反映的是这个项目对”图像”这一栏的定义方式，而这个定义方式会直接影响你在没配任何视频密钥时能做出什么。
先把这 11 行摆全
README 在这一节的标题写的是 11 tools/providers，表格实际也是 11 行（以下 Notes 一栏全部是 README 自己的措辞，不是我们的评价）：
| Provider | Type | README 的 Notes |
|---|---|---|
| FLUX | Cloud API | State-of-the-art quality |
| Google Imagen | Cloud API | Imagen 4 — high-quality, multiple aspect ratios |
| Grok Imagine Image | Cloud API | Strong image edits, style transfer, and multi-image compositing |
| GPT Image 2 | Cloud API | OpenAI’s image model |
| Recraft | Cloud API | Design-focused generation |
| Kling Official | Cloud API | Official direct API for Kling image generation and reference workflows |
| Local Diffusion | Local GPU | Stable Diffusion, free |
| Pexels | Stock | Free stock images |
| Pixabay | Stock | Free stock images |
| Unsplash | Stock | Free stock images |
| ManimCE | Local | Mathematical animations |
这里必须先说死一件事：State-of-the-art quality、high-quality、Design-focused 这些词是 README 描述的，我们没有调用过其中任何一个 API，没有生成过任何一张图，也没有验证过任何一条 Notes。所以本文不会拿这些形容词给你排名，也不会说”要画质就选 FLUX”。README 在这一节顶部把完整配置指南（含定价和免费额度）指向了 docs/PROVIDERS.md，那份文档我们没有读过，同样不展开。
按 Type 数一遍，这张表就分成了四种东西
从表里数出来：6 个 Cloud API、1 个 Local GPU、3 个 Stock、1 个 Local。
这四类在你的实际处境里不是同一种资源：
- Cloud API（6 个）——要密钥、要联网、要花钱。这一档能不能用，取决于你
.env里配了什么。 - Local GPU（1 个）——Local Diffusion，README 的注释是 Stable Diffusion, free。这里的”free”指的是不用付 API 费用，代价换成了你自己的显卡。
- Stock（3 个）——Pexels、Pixabay、Unsplash，都标 Free stock images。这一档严格说不是”生成”，是从现成素材库里取。它们在
.env密钥矩阵里各占一项：PEXELS_API_KEY、PIXABAY_API_KEY、UNSPLASH_ACCESS_KEY；README 的零密钥能力表把这三家归在 Extra stock 一行，注明”开发者密钥可免费申请”。 - Local（1 个）——ManimCE。
.env的密钥矩阵里没有与它对应的条目。
看清这个分类逻辑，ManimCE 的位置就不奇怪了。这张表分的不是”用什么技术做出来的”，而是”这一格能不能给流水线交出一份静态视觉素材”。三条路的前置条件差别很大——Stock 要的是可免费申请的开发者密钥，Local Diffusion 要的是显卡，ManimCE 的 Type 只标了 Local——但输出物在流水线眼里占的是同一个能力槽位。
顺带一个可以对照的细节：这 11 行里的 Pexels 和 Pixabay，在 README 的视频生成表里也各出现一次（那边标的是 Free stock footage）；Unsplash 只出现在图像这张表里。Kling Official 也是两张表都在——图像这边 README 写的是 image generation and reference workflows。视频那张 15 行的表本文不铺开，我们另有一篇专门讲。
ManimCE 这一行对应到仓库里的哪个文件
光看 README 的三个词判断不了什么，得往仓库里落。这一行对应的是 skills/creative/manim-usage.md 这个 skill 文件——注意它落在 skills/creative/ 下，而不是 skills/core/。
README 把知识分成三层：Layer 1 是 tools/ + pipeline_defs/（“What exists”），Layer 2 是 skills/（“How to use it”，即 OpenMontage 自己的约定与质量标准），Layer 3 是 .agents/skills/（“How it works”，外部技术知识包）。ManimCE 这一行落在 Layer 2 里，而 Layer 2 又分四个分区：core/、creative/、meta/、pipelines/。我们实读了这几个目录：skills/core/ 只有 6 个文件（color-grading.md、ffmpeg.md、hyperframes.md、remotion.md、subtitle-sync.md、whisperx.md），manim-usage.md 不在其中，而是和 image-gen-usage.md、image-provider-usage.md、stock-sourcing-usage.md、diagram-gen-usage.md、typography.md、video-gen-prompting.md 这些文件一起待在 creative/ 下。
单看文件名，前面那张表里的几类来源在 skills/creative/ 里大都能找到名字对得上的文件——image-gen-usage.md 与 image-provider-usage.md 对图像生成、stock-sourcing-usage.md 对素材库、manim-usage.md 对 ManimCE。这些文件的正文我们一个都没有读过，这里只按实读到的路径和文件名说明它们的位置，不描述里面写了什么。
再往 README 的架构图上对一眼，tools/graphics/ 那一行的原文是 “9 image/graphics generation tools + diagrams, code snippets, math”。这句话里”图表（diagrams）、代码片段（code snippets）、数学（math）“是和图像并列写出来的三类。换句话说，graphics 这一栏本来就不止管”画图”，数学动画在这一栏里有明确位置。
这里也有一处可核实的数字差异：provider 表标的是 11，架构图里 tools/graphics/ 标的是 9 个工具。 两处不是同一个计数口径——一个数的是 provider/来源，一个数的是 Python 工具文件，而且架构图那句还在 9 之外用加号另挂了三类。我们只陈述这个差异，不推断哪个数字更准、也不拿它评价这个项目。同一张 README 里这类口径差不止一处：TTS 那节表格列了 5 个 provider，架构图里 tools/audio/ 写的是 4 TTS providers；Node.js 前置条件写的是 18+，而 HyperFrames 那行标的是 Node.js ≥ 22。都是文本之间的差异，说到这儿为止。
为什么静态图这一栏值得你认真配
如果你把 OpenMontage 当成”文字生成视频”的工具，图像 provider 看上去只是配角。但 README 在 Composition & Rendering 那张表里给 Remotion 写了一句很关键的话（原文大意照录）：当没有配置任何视频生成 provider 时，agent 生成静态图，再由 Remotion 把它们变成完全动起来的视频。
这句话把图像这一栏的地位抬起来了。在一个密钥都没配、或者只配了图像密钥的环境里，这 11 行就不是备选项，而是主路径——素材从这里出，动效交给 Remotion 的程序化场景去补。README 的零密钥能力表里，与静态素材直接相关的那两行是 Extra stock（Pexels + Unsplash + Pixabay，注明开发者密钥可免费申请）和 Composition (React)（Remotion）；.env 那一段的头一行注释原文是 # .env — every key is optional, add what you have。这条路径在什么条件下走得通，你对着这张表数一下自己手上有几格就知道了。
需要提醒的是，这条”静态图 + Remotion”的路，走的是 README 那张表里的两套合成运行时之一。另一套 HyperFrames 标的是 Local (Node.js ≥ 22)，通过 npx hyperframes 使用，不需要 checkout 整个 monorepo。README 给这两套运行时配了一条硬治理规则：运行时在提案阶段就被选定，记为 render_runtime，并通过 edit_decisions 锁定；在运行时之间静默切换是一次治理违规（governance violation）。完整的决策矩阵 README 指向 skills/core/hyperframes.md，那份文件我们没有读过，不描述它的内容。与之呼应的是 AGENT_GUIDE.md 里那节标题——“Present Both Composition Runtimes (HARD RULE)“，两套运行时都得摆给用户看。
怎么查你自己这 11 格里点亮了几个
不要靠数 .env 里写了几个密钥来猜。README 和 AGENT_GUIDE.md 给的办法是问 registry：
python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.provider_menu(), indent=2))"
python -c "from tools.tool_registry import registry; import json; registry.discover(); print(json.dumps(registry.support_envelope(), indent=2))"
AGENT_GUIDE.md 的 Mandatory Preflight 一节给这两条命令各配了一句注释：前者是按能力分组的可用/不可用完整菜单；后者是每个工具的完整契约，原文明确警告 慢、输出量大，只用于调试。所以日常想知道”图像这一栏我有几格”，用第一条就够，第二条别顺手跑。这两条命令照抄自仓库文档，我们没有执行过，返回里到底有哪些字段我们也没有读过 tools/tool_registry.py，不做描述——实际输出以你本地跑出来的为准。
AGENT_GUIDE.md 的 “What Not To Do” 里有两条正好卡在这张表上：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；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。第二条落到图像这一栏就是：不管你配了几个，agent 该告诉你的是”11 个里配好了几个”，而不是只说”FLUX 用不了”。同一节里还有一条：preflight 时不许跳过 Provider Menu，原文的说法是用户必须看到自己有什么以及还能解锁什么。
最后一句关于密钥：Kling 在这套体系里出现两次，一次经 fal.ai 网关，一次是官方直连（provider 名 kling_official），对应 .env 里 FAL_KEY 与 KLING_API_KEY 两个独立的密钥项。配的时候别把它们当成同一个东西。本文所有密钥一律写成 $FAL_KEY、<YOUR_API_KEY> 这样的占位符，真实值只放在你自己的 .env 里。
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。