Knowledge Hub

OpenMontage: ระบบผลิตวิดีโอที่ให้ AI coding assistant เป็นผู้ควบคุมงาน

เรียนรู้วิธีที่ OpenMontage ใช้ YAML pipeline, skill file และจุดอนุมัติโดยมนุษย์ เพื่อให้ AI assistant ผลิตวิดีโอได้ครบตั้งแต่ค้นคว้าถึงเรนเดอร์ พร้อมวิธีติดตั้ง คุมงบ และข้อจำกัดที่ต้องรู้

AI และเทคโนโลยีอ่าน 16 นาทีเผยแพร่ 20 ตุลาคม 2569

Note หน้านี้สร้างจาก repo calesthio/OpenMontage ที่อ่านเมื่อ 2026-10-20 (commit c806645) ผ่านหน้า GitHub, README, AGENT_GUIDE.md และคอมมิตล่าสุด ไม่ได้ clone หรือรันโค้ด ทุกข้อจึงเป็น "อ่านจาก repo" หรือ "ตีความ" ตามที่ระบุ

🎯 แก่นของเรื่อง

OpenMontage ไม่มีโค้ดตัวกลางที่สั่งงานเป็นขั้น ๆ ตัว AI assistant (Claude Code, Cursor, Copilot, Windsurf, Codex) อ่านไฟล์ YAML ที่บอกลำดับขั้น กับไฟล์ Markdown ที่บอกวิธีทำแต่ละขั้น แล้วเรียกเครื่องมือ Python เอง

แก่นคิด

  • ความคิดหลัก: แยกความรู้เป็นชั้น (มีอะไร / ใช้อย่างไร / เทคโนโลยีภายนอก) แล้วให้ AI เป็นผู้ประสาน โดยมีด่านอนุมัติและเพดานงบกั้นไว้
  • ทำไมได้ผล (ตีความ): AI เก่งเรื่องตัดสินใจเชิงสร้างสรรค์และอ่านคำสั่ง แต่พลาดง่ายเมื่อทำงานยาว การบังคับให้ทุกขั้นสร้าง artifact ที่ตรวจด้วย schema และบันทึก checkpoint เป็น JSON ทำให้ข้อผิดพลาดถูกจับตั้งแต่ขั้นนั้น ไม่สะสมไปจนถึงตอนเรนเดอร์
  • 20% ที่สำคัญที่สุดในทางปฏิบัติ:
    1. สายงานมาตรฐาน research → proposal → script → scene_plan → assets → edit → compose
    2. ด่านอนุมัติ 5 จุด (proposal, script, scene plan, assets, publish)
    3. การคุมงบ (ค่าเริ่มต้น: อนุมัติรายการละเกิน $0.50, เพดานรวม $10)
    4. เส้นทางฟรี (Piper, stock และ archive ที่เปิดให้ใช้) เพื่อทดลองโดยไม่เสียเงิน
  • รอได้ก่อน: รายชื่อ provider ทั้งหมด 60+ ราย, Backlot replay, style playbook เชิงลึก

✅ ช่วยให้ดีขึ้นอย่างไร

สถานการณ์ ถ้าไม่มีระบบ เมื่อใช้ OpenMontage วัดอย่างไร หลักฐาน
ค่าใช้จ่ายบานปลาย เรียก API จ่ายไม่รู้ตัว ประมาณราคาก่อนทำ, ถามเมื่อเกิน $0.50, เพดานรวม $10 ยอดใช้จริงเทียบเพดาน อ่านจาก repo (ค่าเริ่มต้น) / ยังไม่ทดสอบ (ผลลดค่าใช้จ่ายจริง)
งานยาวพังกลางทาง เริ่มใหม่ทั้งหมด Checkpoint JSON ต่อขั้น กลับมาทำต่อด้วย checkpoint.get_next_stage() เวลาที่ต้องทำซ้ำหลังพัง อ่านจาก repo (กลไก) / ตีความ (ผลลัพธ์)
ผลงานเป็นสไลด์ภาพนิ่ง ไม่รู้จนเรนเดอร์เสร็จ ให้คะแนน slideshow-risk ก่อน compose และตรวจหลังเรนเดอร์ด้วย ffprobe คะแนนความเสี่ยงก่อน/หลังแก้ อ่านจาก repo (มีฟีเจอร์) / ยังไม่ทดสอบ (ว่าได้ผลแค่ไหน)
เลือกเครื่องมือผิดตัว เลือกตามความเคยชิน ให้คะแนน provider 7 มิติและบันทึกเหตุผลใน decision log ตรวจย้อนหลังได้ว่าเลือกเพราะอะไร อ่านจาก repo (กลไก) / ตีความ (คุณภาพที่ดีขึ้น)
ต้นทุนต่อวิดีโอ จ้างหรือใช้เครื่องมือแยกหลายตัว README ระบุประมาณ $0.15–$1.50 และ $1–$3 ต่อวิดีโอ (ขึ้นกับ provider) ค่าใช้จ่ายต่อวิดีโอ อ่านจาก repo (ตัวเลขประมาณการของ README ไม่ใช่ผลวัด)

Warning repo ที่อ่านไม่มีผลทดสอบเปรียบเทียบก่อน/หลังที่วัดได้เอง ตัวเลขทุกตัวเป็นค่าเริ่มต้นหรือประมาณการ ไม่ใช่ผลวัดจริง คุณภาพวิดีโอขึ้นกับ provider ที่เลือกและไม่ได้การันตี

🧠 ภาพรวมระบบ

OpenMontage คือระบบผลิตวิดีโอโอเพนซอร์สสำหรับให้ AI assistant ใช้งาน ผู้ใช้อธิบายวิดีโอเป็นภาษาธรรมดา แล้ว assistant ทำวิจัย เขียนสคริปต์ สร้างสื่อ ตัดต่อ และประกอบไฟล์สุดท้าย (อ่านจาก repo, 2026-10-20)

รายการ ค่าที่อ่านได้
ใบอนุญาต GNU AGPL-3.0
จำนวนที่ระบุ 12 pipeline (README แสดง 11), 100+ tools, 60+ providers, 700+ ไฟล์ skill
ความนิยม ณ วันที่อ่าน ราว 70k ดาว, 9.1k forks
จำนวนคอมมิตบน main 480

Note ตัวเลขจำนวน pipeline ไม่ตรงกัน (12 ในส่วน About เทียบกับ 11 ในตาราง) README กล่าวถึง pipeline แอนิเมชันตัวละครด้วย จึงตีความว่าอาจเป็นตัวที่ 12 แต่ยังไม่ยืนยัน

สถาปัตยกรรมสามชั้นความรู้

ชั้น 1  tools/ + pipeline_defs/    มีอะไรให้ใช้ (เครื่องมือ, manifest YAML)
ชั้น 2  skills/                    ใช้อย่างไร (Markdown ต่อขั้นและต่อเทคนิค)
ชั้น 3  .agents/skills/            ความรู้เทคโนโลยีภายนอก (เช่น Remotion)

โครงสร้างโฟลเดอร์

โฟลเดอร์ หน้าที่
tools/ เครื่องมือผลิต: video, audio, graphics, enhancement, analysis, avatar ฯลฯ
pipeline_defs/ manifest YAML ของแต่ละ pipeline
skills/ skill Markdown (pipeline, creative, core, meta)
schemas/ JSON Schema ตรวจ artifact
styles/ style playbook
remotion-composer/ เอนจินประกอบภาพด้วย React/Remotion
backlot/ แดชบอร์ดสถานะแบบสด
lib/ config, checkpoint, pipeline loader
tests/ contract test, QA, eval
docs/ สถาปัตยกรรมและคู่มือ provider (docs/PROVIDERS.md)

🔄 สายงานผลิต (Stage flow)

แต่ละขั้นสร้าง artifact มาตรฐานที่ต้องผ่าน schema ใน schemas/artifacts/

flowchart LR
  A[research] --> B[proposal]
  B --> C[script]
  C --> D[scene_plan]
  D --> E[assets]
  E --> F[edit]
  F --> G[compose]
Artifact ผลลัพธ์ของขั้น
brief ข้อสรุปจากการค้นคว้า/ข้อเสนอ
script บทพูด
scene_plan แผนฉาก
asset_manifest รายการสื่อที่สร้าง
edit_decisions การตัดสินใจตัดต่อ
render_report รายงานการเรนเดอร์

วงจรของแต่ละขั้น

  1. อ่าน director skill ของขั้นนั้น
  2. ทำงาน
  3. ตรวจตัวเองด้วย skills/meta/reviewer.md (ไม่เกิน 2 รอบ แล้วผ่านพร้อมคำเตือน)
  4. เขียน checkpoint
  5. ถ้า manifest ต้องการ ให้เสนอผู้ใช้อนุมัติแล้ว จบเทิร์น

Checkpoint

ประเด็น กฎ (อ่านจาก AGENT_GUIDE.md)
ตำแหน่งไฟล์ projects/<project_id>/checkpoint_<stage>.json
สถานะ completed, failed, awaiting_human, in_progress
ระหว่างทำ in_progress ตอนเข้าขั้น; assets/compose อัปเดต partial_progress ทุกหน่วย
ไฟล์เก่า ย้ายไป projects/<project_id>/history/
ไฟล์ผิดสัญญา ต้องล้มทันที (fail fast)

🚦 ด่านอนุมัติและการคุมงบ

ด่านอนุมัติ (human approval gates)

  • ค่า human_approval_default ใน manifest มีผลบังคับ ห้ามเปลี่ยนเอง
  • ขั้นที่มีด่านจะเขียน completed ไม่ได้ถ้าไม่มี human_approved=True (ตัวเขียนจะโยน GATE VIOLATION)
  • การอนุมัติล่วงหน้าทั้งงานใช้ได้ก็ต่อเมื่อบันทึกใน decision_log ด้วย category: "approval_policy"
  • ด่านที่ README ระบุ: proposal, script, scene plan, assets, publish

งบประมาณ

ค่า ค่าเริ่มต้น
โหมด observe, warn, cap
อนุมัติรายการ เกิน $0.50 ต่อการกระทำ
เพดานรวม $10

ระบบประมาณราคาในขั้น proposal และต้องแจ้งก่อนเรียกบริการที่เสียเงิน ติดตามผ่าน tools/cost_tracker.py

การเลือก provider

  • ตรวจความพร้อมด้วย provider_menu_summary() แสดงเป็น "X of Y configured"
  • ตัวเลือก (tts_selector, image_selector, video_selector) เรียงตามความต้องการผู้ใช้ ความพร้อมใช้ แล้วลำดับการค้นพบ
  • ให้คะแนน 7 มิติ: task fit, output quality, control, reliability, cost efficiency, latency, continuity
  • ก่อนเรียกที่เสียเงิน ต้องแจ้ง: ชื่อ tool, provider, model, เหตุผล, และเป็นตัวอย่างหรือชุดเต็ม
  • ห้ามเปลี่ยน provider, model, render path, เสียงบรรยาย, เพลง หรือโหมดตัวอย่าง→ชุดเต็ม โดยไม่ถาม
  • decision_log เขียนต่อท้ายอย่างเดียว เมื่อเปลี่ยนการตัดสินใจให้เพิ่มรายการใหม่ที่ category และ subject เดิม

Composition runtime

Runtime พื้นฐาน ข้อกำหนด
Remotion React Node.js 18+
HyperFrames HTML/GSAP Node.js 22+

เลือกตอน proposal แล้วล็อกหลังผู้ใช้อนุมัติ (บันทึก render_runtime_selection) ห้ามสลับเงียบ ๆ ถ้าตัวที่ล็อกใช้ไม่ได้ให้รายงานเป็น blocker FFmpeg ใช้เข้ารหัสและหลังการผลิต

🎬 Pipeline ที่มีให้เลือก

Pipeline ใช้เมื่อ
Animated Explainer อธิบายความรู้ มีวิจัย เสียงบรรยาย ภาพ ดนตรี
Animation motion graphics, kinetic typography
Avatar Spokesperson วิดีโอพรีเซนเตอร์เป็นอวตาร
Cinematic เทรลเลอร์ ทีเซอร์ งานอารมณ์
Clip Factory ตัดคลิปสั้นเรียงอันดับจากต้นฉบับยาว
Documentary Montage มอนทาจจากฟุตเทจฟรีและคลังเปิด
Hybrid ผสมฟุตเทจจริงกับภาพที่ AI สร้าง
Localization & Dub คำบรรยาย พากย์ แปลภาษา
Podcast Repurpose ไฮไลต์พอดแคสต์เป็นวิดีโอ
Screen Demo สาธิตซอฟต์แวร์
Talking Head วิดีโอผู้พูดที่ใช้ฟุตเทจเป็นหลัก

ป้อนวิดีโออ้างอิง (YouTube, Shorts, Reels, TikTok หรือคลิปในเครื่อง) เพื่อให้วิเคราะห์และวางแผนงานได้ด้วย มี platform output profile สำหรับ YouTube, Shorts, Reels, TikTok, LinkedIn และ cinematic 21:9

🧰 เครื่องมือและ provider

กลุ่ม ตัวอย่างที่ README ระบุ
วิดีโอ (cloud) Kling, Veo, Runway, Seedance, MiniMax, HeyGen
วิดีโอ (GPU ในเครื่อง) WAN, Hunyuan, CogVideo, LTX-Video
ภาพ FLUX, Google Imagen, GPT Image 2, Recraft, Stable Diffusion (local)
เสียงพูด ElevenLabs, Google TTS, OpenAI TTS, Azure, Piper (ฟรี ออฟไลน์)
ดนตรี/เสียงประกอบ Suno, ElevenLabs Music และ SFX
ปรับปรุงภาพ/วิเคราะห์ Real-ESRGAN, background removal, face restoration, WhisperX, scene detection
อวตาร/ลิปซิงก์ SadTalker, MuseTalk, Wav2Lip, Kling
คลังสื่อฟรี Pexels, Pixabay, Unsplash, Wikimedia Commons, Archive.org, NASA

ราคาและรายละเอียดของแต่ละราย ดูใน docs/PROVIDERS.md (ไม่ได้อ่านไฟล์นี้)

🛠️ วิธีติดตั้งและเริ่มใช้

ข้อกำหนด

  • Python 3.10+
  • FFmpeg
  • Node.js 18+ (HyperFrames ต้อง 22+)
  • AI coding assistant ที่อ่านไฟล์และรันโค้ดได้
  • ไม่บังคับ: API key และ GPU

ขั้นตอน

git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup
make demo        # เดโมที่ไม่ใช้ key

จากนั้นเปิดโปรเจกต์ใน AI assistant แล้วพิมพ์สิ่งที่ต้องการ ตัวอย่างจาก README: "Make a 60-second animated explainer about how neural networks learn"

ติดตั้งแบบไม่มี make

# macOS/Linux
python3 -m venv .venv && source .venv/bin/activate && python -m pip install -r requirements.txt && cd remotion-composer && npm install && cd .. && python -m pip install piper-tts && cp .env.example .env

บน Windows PowerShell มีลำดับคำสั่งเทียบเท่า ถ้า npm install ล้มด้วย ERR_INVALID_ARG_TYPE ให้ใช้ npx --yes npm install

คำสั่งที่ใช้บ่อย

คำสั่ง ทำอะไร
make setup ติดตั้ง dependency
make demo เรนเดอร์เดโมแบบไม่ใช้ key
make install-gpu ติดตั้งส่วน GPU
make test-contracts contract test (ไม่ต้องใช้ key)
make test ทดสอบทั้งหมด
python -m backlot open เปิดคลังโปรเจกต์
python -m backlot open <project-id> เปิดบอร์ดสดของโปรเจกต์
python scripts/backlot_simulate_run.py จำลองการผลิต

ตั้งค่า .env

ทุก key ไม่บังคับ: FAL_KEY, ATLASCLOUD_API_KEY, KLING_API_KEY, KLING_API_BASE_URL, PEXELS_API_KEY, PIXABAY_API_KEY, UNSPLASH_ACCESS_KEY, SUNO_API_KEY, ELEVENLABS_API_KEY, OPENAI_API_KEY, XAI_API_KEY, GOOGLE_API_KEY, ARK_API_KEY, HEYGEN_API_KEY, RUNWAY_API_KEY สำหรับ GPU ในเครื่อง ตั้ง VIDEO_GEN_LOCAL_ENABLED=true และ VIDEO_GEN_LOCAL_MODEL (เช่น wan2.2-ti2v-5b)

🧪 ลองใช้

ตัวอย่างประกอบ (ตัวเลขเป็นของเรา ไม่ใช่ผลจาก repo): สมมติทำวิดีโออธิบาย 60 วินาที ใช้ภาพสต็อกฟรีและ Piper โดยมีขั้นเสียเงินเพียง 2 รายการ

รายการ ราคา (สมมติ)
ภาพ AI 1 ภาพ $0.30
เพลงประกอบ 1 เพลง $0.80
รวม $1.10

คำนวณตามค่าเริ่มต้น: ทั้งสองรายการเกิน $0.50 จึงต้องขออนุมัติทีละรายการ (2 ครั้ง) ยอดรวม $1.10 ต่ำกว่าเพดาน $10 จึงรันต่อได้ หากทำซ้ำ 10 วิดีโอในโปรเจกต์เดียวกันที่ยอดสะสมเกิน $10 ระบบในโหมด cap ควรหยุด (ตีความจากชื่อโหมด ยังไม่ทดสอบ)

เมื่อไหร่ควรใช้

ใช้เมื่อ ไม่ควรใช้เมื่อ ข้อกำหนดก่อน
ต้องการวิดีโอสั้นที่ผลิตซ้ำได้พร้อมตรวจสอบย้อนหลังได้ ต้องการตัดต่อแบบเจาะจงทีละเฟรมด้วยมือ มี AI coding assistant
อยากทดลองแบบไม่เสียเงินก่อน ต้องการเครื่องมือที่ไม่ผูกกับ AI assistant ติดตั้ง Python, FFmpeg, Node.js
ต้องการบันทึกเหตุผลการเลือกเครื่องมือ นำโค้ดไปทำบริการปิดแหล่งที่มา (AGPL-3.0 มีเงื่อนไข) อ่านเงื่อนไขใบอนุญาตก่อน

ก้าวแรกที่เล็กที่สุด

  1. ติดตั้งตามขั้นตอนด้านบนแล้วรัน make demo
  2. รัน make test-contracts เพื่อยืนยันว่าสภาพแวดล้อมใช้ได้
  3. ขอวิดีโอสั้น 30 วินาทีโดยใช้เฉพาะเส้นทางฟรี

ทดสอบว่ามันช่วยจริง

ตัวชี้วัด ค่าฐาน (ตั้งก่อนรัน) เงื่อนไขผ่าน
เวลาที่คุณลงมือเองต่อวิดีโอ 30 วินาที จับเวลาทำด้วยวิธีเดิมก่อน เวลาลงมือเองลดลงอย่างน้อยตามเกณฑ์ที่ตั้งไว้ล่วงหน้า (เช่น 30%)
ค่าใช้จ่ายจริง เพดานที่ตั้งไว้ ไม่เกินเพดาน และตรงกับประมาณการ ±เกณฑ์ที่กำหนด
จำนวนรอบแก้หลังอนุมัติ asset นับรอบของวิธีเดิม น้อยกว่าหรือเท่าเดิม

⚠️ Risks

Warning ระบบนี้ให้ AI เรียกบริการที่เสียเงินและรันคำสั่งในเครื่องคุณ ตั้งโหมดงบเป็น warn หรือ cap และอย่าให้ API key ที่มีวงเงินสูงในไฟล์ .env ตั้งแต่ครั้งแรก

ความเสี่ยง/ข้อจำกัด รายละเอียด หลักฐาน
ต้องมี key เพื่อได้ความสามารถเต็ม เส้นทางฟรีพึ่งสต็อก/คลังเปิดและภาพนิ่ง อ่านจาก repo
วิดีโอ AI ในเครื่องต้อง GPU ติดตั้งผ่าน make install-gpu อ่านจาก repo
Windows ติดตั้งอาจล้ม ต้องใช้ npx --yes npm install อ่านจาก repo
LLM ในเครื่อง (Ollama, LM Studio) ระบุว่า "coming soon" อ่านจาก repo
คุณภาพขึ้นกับ provider ไม่มีผลวัดคุณภาพใน repo ตีความ
ใบอนุญาต AGPL-3.0 มีเงื่อนไขเมื่อดัดแปลงและให้บริการผ่านเครือข่าย อ่านจาก repo (ชื่อใบอนุญาต); ตีความเงื่อนไข
ความไม่สอดคล้องของตัวเลข pipeline 12 กับ 11 อ่านจาก repo
ส่วนที่ไม่ได้อ่าน docs/PROVIDERS.md, ไฟล์ skill, โค้ดใน tools/ และ lib/ ยังไม่ทดสอบ

ข้อผิดพลาดที่พบบ่อย (ตีความจากกฎใน AGENT_GUIDE.md)

  • เขียนสคริปต์เรียกเครื่องมือตรง ๆ แทนที่จะผ่าน pipeline ซึ่งกฎระบุห้าม
  • เริ่มสร้างสื่อก่อนอนุมัติแผน
  • สลับ provider หรือ runtime เองเมื่อตัวเดิมล้มเหลว แทนที่จะรายงาน blocker
  • เข้าใจว่า "ไม่มี orchestrator" แปลว่า "ไม่มีกฎ" ความจริงกฎอยู่ในไฟล์ Markdown/YAML และ schema

✅ แยกข้อเท็จจริงกับความเห็น

ประเภท เนื้อหา
ข้อเท็จจริง (อ่านจาก repo) โฟลเดอร์, ลำดับขั้น, สถานะ checkpoint, งบเริ่มต้น, ใบอนุญาต, คำสั่งติดตั้ง
คำโฆษณาของโครงการ "first open-source, agentic video production system" (ยังไม่มีหลักฐานยืนยันความเป็นรายแรก)
การตีความ เหตุผลที่ checkpoint และ schema ลดความเสี่ยง, ผลต่อต้นทุนและเวลา
ยังไม่ทดสอบ คุณภาพวิดีโอ, ความเร็ว, พฤติกรรมของโหมด cap

📋 รายการตรวจ (Checklist)

สถานะ ก่อนเริ่มงาน
⚪ Python 3.10+, FFmpeg, Node.js ติดตั้งแล้ว
⚪ make setup และ make demo ผ่าน
⚪ ตั้งโหมดงบและเพดานแล้ว
⚪ เลือก pipeline และ runtime ที่เหมาะกับงาน
⚪ อ่านเงื่อนไข AGPL-3.0 หากจะนำไปใช้เชิงพาณิชย์
⚪ ตรวจ asset ที่สร้างก่อนสั่ง compose
⚪ ตรวจ render_report ก่อนเผยแพร่

🧩 ทดสอบความเข้าใจ

คำถาม คำตอบ คำตอบผิดที่พบบ่อย
ทำไมระบบที่ "ไม่มีโค้ด orchestrator" ยังคุมลำดับขั้นได้ AI อ่าน manifest และ skill ส่วน schema, checkpoint, GATE VIOLATION บังคับกฎในโค้ด "AI ทำตามอิสระ ไม่มีกฎ"
งบรวม $10 พอสำหรับ 12 รายการที่รายการละ $0.90 หรือไม่ และต้องอนุมัติกี่ครั้ง ไม่พอ ($10.80) ต้องอนุมัติ 12 ครั้ง และรายการที่ 12 ชนเพดานในโหมด cap "พอ เพราะแต่ละรายการถูก"
ผู้ใช้อนุมัติแผนแล้ว AI เปลี่ยนไปใช้ provider ที่ถูกกว่าเองตอน assets ถูกหรือไม่ ไม่ถูก ต้องถามก่อนเปลี่ยน provider และบันทึกการเปลี่ยนใน decision_log "ถูก เพราะประหยัดเงิน"
ถ้าเรนเดอร์ล้มที่ขั้น compose ต้องเริ่มใหม่ทั้งหมดไหม ไม่ต้อง ใช้ checkpoint ของขั้นก่อนหน้าแล้วต่อด้วย checkpoint.get_next_stage() "ต้องเริ่มใหม่เพราะ AI จำไม่ได้"
ต้นทุน $0.15–$1.50 ต่อวิดีโอ ใช้วางแผนงบจริงได้เลยหรือไม่ (กับดัก) ไม่ควร เป็นประมาณการของ README ต้องดูประมาณการใน proposal และลองตัวอย่างก่อน "ใช่ เป็นราคามาตรฐาน"
ทำไมไม่ควรเขียนสคริปต์เรียก tool ตรง ๆ ทั้งที่เร็วกว่า ข้ามด่านอนุมัติ การตรวจ schema การติดตามงบ และ decision log ซึ่งเป็นแก่นระบบ "ข้ามได้ถ้าเราเชื่อใจผลลัพธ์"

📚 Sources

รายการ รายละเอียด
Repo calesthio/OpenMontage https://github.com/calesthio/OpenMontage
Commit ที่อ่าน c806645 (2026-10-16, "Remove remaining Sponsors section from README")
วันที่อ่าน 2026-10-20
ไฟล์ที่อ่าน หน้า repo, README.md, AGENT_GUIDE.md (ผ่านการดึงหน้าเว็บ ไม่ใช้ gh)
ไฟล์ที่ไม่ได้อ่าน docs/PROVIDERS.md, skills/, pipeline_defs/, tools/, lib/

🔤 ตัวย่อที่ใช้ในหน้านี้

ตัวย่อ ชื่อเต็ม คืออะไร อ่านค่าอย่างไร
AI Artificial Intelligence ปัญญาประดิษฐ์ "AI assistant" = ผู้ช่วยที่ใช้โมเดล AI
API Application Programming Interface ช่องทางให้โปรแกรมเรียกบริการ "API key" = รหัสเรียกใช้บริการของ provider
AGPL GNU Affero General Public License ใบอนุญาตโอเพนซอร์สแบบ copyleft ที่ครอบคลุมการให้บริการผ่านเครือข่าย AGPL-3.0 = เวอร์ชัน 3.0
CLI Command-Line Interface ใช้งานผ่านบรรทัดคำสั่ง Claude Code เป็นเครื่องมือแบบ CLI
GPU Graphics Processing Unit ชิปประมวลผลภาพ ใช้รันโมเดลสร้างวิดีโอในเครื่อง "ต้องใช้ GPU" = ต้องมีการ์ดจอที่รองรับ
TTS Text-to-Speech แปลงข้อความเป็นเสียงพูด Piper TTS = ตัวสร้างเสียงฟรีแบบออฟไลน์
LLM Large Language Model โมเดลภาษาขนาดใหญ่ "LLM ในเครื่อง" = รันโมเดลบนเครื่องผู้ใช้
YAML YAML Ain't Markup Language รูปแบบไฟล์ตั้งค่าอ่านง่าย pipeline_defs/*.yaml = manifest ของ pipeline
JSON JavaScript Object Notation รูปแบบข้อมูลโครงสร้าง checkpoint_<stage>.json = ไฟล์สถานะ
SFX Sound Effects เสียงประกอบ "Music และ SFX" = ดนตรีและเสียงเอฟเฟกต์
GSAP GreenSock Animation Platform ไลบรารีแอนิเมชันบนเว็บ HyperFrames ใช้ HTML/GSAP
HTML HyperText Markup Language ภาษาโครงหน้าเว็บ HyperFrames ประกอบภาพด้วย HTML
FFmpeg Fast Forward MPEG เครื่องมือประมวลผลวิดีโอ/เสียงบนบรรทัดคำสั่ง ใช้เข้ารหัสและหลังการผลิต
ffprobe (ส่วนหนึ่งของ FFmpeg) เครื่องมืออ่านข้อมูลไฟล์สื่อ ใช้ตรวจวิดีโอที่เรนเดอร์แล้ว
URL Uniform Resource Locator ที่อยู่เว็บ KLING_API_BASE_URL = ที่อยู่ฐานของ API
TikTok, Shorts, Reels ชื่อแพลตฟอร์ม แพลตฟอร์มวิดีโอสั้น ใช้เป็นชื่อ output profile
WAN, LTX-Video, WhisperX, Real-ESRGAN ชื่อโมเดล/เครื่องมือ โมเดลสร้างวิดีโอ ถอดเสียง หรือขยายภาพ ตัวอย่างใน VIDEO_GEN_LOCAL_MODEL: wan2.2-ti2v-5b
$ ดอลลาร์สหรัฐ หน่วยเงินของงบประมาณ $0.50 = ห้าสิบเซนต์
s วินาที หน่วยเวลา 60 s = 60 วินาที
21:9 อัตราส่วนภาพ สัดส่วนกว้างต่อสูง แบบภาพยนตร์ จอกว้างกว่า 16:9
70k, 9.1k k = พัน หน่วยย่อของจำนวน 70k = ราว 70,000
60+, 100+, 700+ เครื่องหมาย + "อย่างน้อย" 100+ tools = มากกว่า 100 ตัว

แถวที่มาจากความรู้ทั่วไป ไม่ใช่นิยามจาก repo: AI, API, AGPL, CLI, GPU, TTS, LLM, YAML, JSON, SFX, GSAP, HTML, FFmpeg, ffprobe, URL, หน่วยและสัญลักษณ์ทั้งหมด

📌 Summary

ประเด็น ข้อสรุป
คืออะไร ระบบผลิตวิดีโอที่ AI assistant อ่าน YAML/Markdown แล้วเรียกเครื่องมือ Python
แก่นความคิด ชั้นความรู้ + artifact ที่ตรวจด้วย schema + checkpoint + ด่านอนุมัติ + เพดานงบ
เริ่มต้น make setup → make demo → make test-contracts
ค่าเริ่มต้นงบ อนุมัติรายการละเกิน $0.50, เพดานรวม $10
ข้อควรระวัง คุณภาพและต้นทุนจริงยังไม่มีผลวัดใน repo, ต้องดู AGPL-3.0, ยังอ่านไม่ครบ
สถานะหน้านี้ จำกัด: อ่านผ่านหน้าเว็บและ 2 ไฟล์ ไม่ได้ใช้ gh ไม่ได้รันโค้ด
Facebook

ความรู้ที่เกี่ยวข้อง

10 Prompt สั่งภาพยนตร์ให้คลิปวิดีโอ AI จากภาพอ้างอิง

ชุดคำสั่ง 10 แบบที่ใช้เปลี่ยนภาพนิ่งเป็นคลิปแนวตั้ง 9:16 ยาว 10 วินาทีให้ดูเป็นภาพยนตร์ ด้วยการกำหนดการเคลื่อนกล้อง แสง และโทนสี พร้อมท้ายคำสั่งกันคลิปไม่สมจริง อ่านแล้วเขียนคำสั่งวิดีโอที่คุมกล้องได้ทีละแบบ

AI และเทคโนโลยี11 นาที20 ตุลาคม 2569

Core Lock + Variable Swap: แตกหลายมุมภาพจาก Prompt เดียว

วิธีเขียน Prompt ภาพ AI ให้ได้หลายช็อตที่โทนและตัวละครเหมือนกัน โดยล็อกท่อนหน้าไว้แล้วสลับเฉพาะท่อนท้าย 5 มิติ พร้อมตัวอย่างคำนวณ ข้อจำกัด และแบบทดสอบ

AI และเทคโนโลยี10 นาที20 ตุลาคม 2569

Claude Code mods: มองเห็นและคุมสิ่งที่ AI Agent กำลังทำ

คู่มือศึกษา claude-code-mods ชุดปลั๊กอินที่ใช้ hook ของ Claude Code เพื่อแสดงสถานะ context, ติดตามรีวิว, พรีวิว Markdown และสกัดกั้นคำสั่งเสี่ยงอย่าง rm -r และ force push อ่านจาก repo จริง พร้อมวิธีติดตั้ง ตัวอย่างคำนวณ และแบบทดสอบความเข้าใจ

AI และเทคโนโลยี18 นาที19 ตุลาคม 2569

5 ระดับของ AI Agent: จากตอบคำถามสู่การทำงานอัตโนมัติ

แบ่งความสามารถของ AI Agent เป็น 5 ระดับ ตั้งแต่ตอบตามคำสั่ง จำบริบท ใช้เครื่องมือลงมือทำ ทำงานเป็นทีม ไปจนถึงตั้งเป้าหมายและปรับปรุงตัวเอง อ่านแล้วใช้จัดระดับระบบที่มีอยู่และเลือกระดับที่เหมาะกับงาน

AI และเทคโนโลยี13 นาที19 ตุลาคม 2569