FireRed OpenStoryline
用自然语言编排素材、脚本、配音和剪辑，把视频制作变成可复用的导演流程。
README 明示需要 API Key、会在线搜索和下载媒体、可调用第三方 AIGC 服务，并对核心开源依赖、演示素材权属及 Apache-2.0 许可作出归属说明。扣分原因是材料未展示最小权限设计、逐项操作确认、完整数据流、密钥存储与脱敏措施、依赖漏洞治理、外部副作用清单或撤销与恢复机制；所谓透明且有人参与的流程主要是产品宣称，未有控制细节支撑。
安装、启动、技能名称和项目结构在 README 内部基本一致，依赖大多固定版本，并提供 Linux、macOS、Windows 和 Docker 路径以及部分安装失败的替代命令。扣分原因是资源下载、模型、FFmpeg、外部 API 和第三方生成服务构成较多可用性依赖，tomli 未固定版本，且所给材料没有运行时错误分类、可操作诊断信息或降级策略。
对初学者、创作爱好者及批量风格复用等受众和场景描述充分，并给出 CLI、Web、MCP、Docker、OpenClaw、Claude Code 和实验性兼容 Agent 的使用方式。扣分原因是能力边界主要通过 TODO 和少量质量、成本提示表达；自然语言触发条件、歧义处理、技能选择冲突及各平台功能差异没有被精确规定。
README 的功能、架构、安装、快速开始、结构、文档和许可组织清楚；跨平台安装说明完整，正式 LICENSE 文件与元数据一致。扣分原因是 FAQ 和教程仅被链接而未包含在证据中，命名跨 OpenStoryline、FireRed-OpenStoryline 和技能名存在轻微变化，NEWS 不是完整变更日志，Docker 标签与仓库修订关系未说明，维护者、支持承诺、报告渠道和发布责任人也不明确。
自然语言规划、媒体检索、脚本、配音、音乐、精细编辑和可复用 Style Skills 形成了具有实际用途的端到端视频工作流；README 提供多类演示并说明输出分辨率和资产模式。扣分原因是这些效果主要由说明和演示主张支撑，没有静态可核验的质量基准、典型耗时、资源占用或成本比较；只对 AI 转场的高成本和不确定性作了局部提示。
版本化依赖、命令、目录结构、Docker 镜像标签、日期化 NEWS、TODO 和明确警告使部分事实可以追踪，LICENSE 也佐证了许可声明。扣分原因是证据仅含 README、LICENSE 和 requirements，缺少实现代码、配置、技能定义、测试及所链接文档，无法交叉验证企业级可靠性、即时结果、精准风格复刻等主要宣称；优点是成本、质量、实验兼容性和未来功能多被明确标为限制或 TODO。
- 在向该系统提供私有素材或生产密钥前，应核实 config.toml 的权限、日志脱敏、密钥生命周期以及媒体和提示词会发送到哪些第三方服务。
- 在线媒体下载、第三方 AIGC、模型和资源压缩包会产生网络、版权、供应链与费用风险；应在隔离环境中审查下载脚本、资源校验和许可证。
- 未展示编辑前确认、操作审计或项目级撤销机制；对源素材使用只读副本，并在验证输出前避免覆盖原文件。
- 依赖虽大多固定版本，但没有锁文件、哈希、漏洞扫描或更新政策证据，且 tomli 未固定版本。
- README 中的演示和可靠性宣称未经本次静态审查运行或独立测试，不应视为性能、质量或确定性保证。
这个 Agent 能做什么，适合哪些场景？
FireRed OpenStoryline 是一个可自托管的 AI 视频剪辑代理，通过对话把创作意图转化为剪辑操作。核心应用位于 src/open_storyline，其中包含 MCP 服务、视频处理节点、Skills、存储模块、提示模板及代理构建代码。它可以搜索并下载媒体、理解和切分素材、生成脚本与旁白，并对镜头顺序、字幕样式、音乐和画面细节进行自然语言驱动的调整。用户可通过 cli.py、基于 FastAPI 的网页服务或 MCP 接口运行工作流，结果是按要求制作的视频；项目也支持将完整流程保存为可复用 Skill。部署边界是用户自己的 Python 或 Docker 环境，但运行前需要在 config.toml 中配置 API Key，部分媒体获取和 AI 转场还依赖外部服务。
用户先提供主题、要求和媒体素材，系统也能在线搜索并下载符合要求的图片或视频。src/open_storyline/nodes 负责素材切分和视频处理，系统结合视觉理解与情绪识别生成故事线、上下文旁白及可模仿参考文本语气和句式的脚本。它能够推荐背景音乐、配音和字体，导入个人播放列表，执行节拍同步，并根据自然语言指令剪切、替换或重排片段，修改脚本，以及调整颜色、字体、描边和位置。open_storyline.mcp.server 暴露 MCP 服务，cli.py 提供命令行对话入口，agent_fastapi:app 提供网页接口。完成的剪辑流程可以归档为自定义 Skill，替换素材后重复应用；另有基于 ASR 的口播粗剪 Skill，可按时间戳移除填充词、口误和重复句子。AI 转场功能会依据前一片段的结束帧、后一片段的开始帧和文字描述调用第三方 AIGC 视频生成服务创建过渡镜头。
- 缺少专业剪辑经验的内容创作者，希望通过对话完成旅行 Vlog、开箱或年度回顾视频。
- 需要批量生产同一风格视频的内容团队，可先把完整剪辑流程保存为 Skill，再替换素材复用。
- 制作测评、种草或轻松 Vlog 的创作者，可用参考文案复刻特定语气、节奏和句式。
- 处理访谈、讲解或其他口播素材的剪辑人员，可用 ASR 粗剪 Skill 清除填充词、口误和重复内容。
- 需要统一声音与视觉调性的团队，可让系统按内容和情绪推荐 BGM、配音、字体并进行节拍同步。
- 希望把视频剪辑接入其他代理工作流的开发者，可运行项目的 MCP 服务，或使用 OpenClaw、Claude Code 与实验性的 Codex Skills。
这个 Agent 有哪些优点和局限？
- 覆盖从媒体搜索、素材理解、脚本和旁白生成到剪辑、音乐、配音与字体推荐的端到端流程，而非只生成剪辑建议。
- 剪切、换片、镜头重排和字幕视觉细节均可通过自然语言反复修改，并立即查看结果。
- 完整剪辑流程可保存为自定义 Skill，通过替换素材复用风格，适合系列内容和批量制作。
- 同时提供 CLI、FastAPI Web 界面、MCP 服务和 Docker 镜像，并附带 Claude Code 与 OpenClaw Skills。
- 提供按时间戳工作的 ASR 口播粗剪，以及利用相邻关键帧和描述生成过渡镜头的 AI 转场功能。
- 安装涉及 Python 环境、模型与资源下载、依赖安装和 config.toml API Key 配置；Windows 还需手动放置资源。
- AI 转场依赖第三方 AIGC 视频生成服务，文档明确提示成本较高，且结果会随素材、提示词和模型表现而波动。
- 开源字体和音乐受到许可限制，默认受限模式只能展示基础效果；更高质量效果需要配置自定义素材库。
- 语音克隆、更多转场与滤镜、图像和视频生成编辑、GPU 加速渲染及精彩片段选择仍列在 TODO 中。
- Codex 和其他兼容代理的 Skills 支持被标为实验性，不能视为与仓库内 Claude Code Skills 同等成熟。
- 个人播放列表、在线媒体搜索和 API 驱动能力会带来网络、凭据及外部服务可用性依赖。
如何安装或部署这个 Agent？
需要 Python 3.11 或更高版本，推荐使用 Conda。执行：
git clone https://github.com/FireRedTeam/FireRed-OpenStoryline.git
cd FireRed-OpenStoryline
conda create -n storyline python=3.11
conda activate storylineLinux 或 macOS 可自动安装：
sh build_env.sh手动安装时，先安装 wget，再执行：
chmod +x download.sh
./download.sh
pip install -r requirements.txt如果使用 storyline.local_asr，还需在同一环境安装 torchaudio。Windows 用户需要在项目根目录创建 resource，将 models.zip 解压到 .storyline，将 resource.zip 解压到 resource，然后执行 pip install -r requirements.txt。启动前必须按照项目的 API Key 配置要求编辑 config.toml。项目也提供 Docker 镜像 openstoryline/openstoryline:v1.0.1；容器运行时需挂载 config.toml、outputs 和 run.sh，并映射 7860 端口。
如何使用这个 Agent？
先在 config.toml 中配置所需 API Key。macOS 或 Linux 启动 MCP 服务：
PYTHONPATH=src python -m open_storyline.mcp.serverWindows 使用：
$env:PYTHONPATH="src"; python -m open_storyline.mcp.server随后启动命令行界面：
python cli.py或启动 Web 服务：
uvicorn agent_fastapi:app --host 127.0.0.1 --port 8005用户通过对话提交主题、剪辑要求和素材，并继续用自然语言要求剪切、换片、重排或调整脚本和视觉样式。Claude Code 可从仓库根目录运行 /openstoryline-install 和 /openstoryline-use。Codex 的实验性安装命令为 npx skills add FireRedTeam/FireRed-OpenStoryline --skill openstoryline-install --agent codex，以及对 openstoryline-use 执行同类命令。