FireRed-OpenStoryline 教程：安装、API 配置与 AI 视频剪辑

想用 FireRed-OpenStoryline 剪第一条视频，需要先准备运行环境、素材和外部 API 配置，再启动 MCP 服务与对话界面。本文按这个顺序说明源码安装和 Docker 启动方式，最后用一个短视频任务检查剪辑结果。

OpenStoryline 把素材处理、文案生成、时间线规划和渲染拆成 MCP 工具节点。对成片满意后，可以把编辑逻辑保存为 Style Skill，换一组素材时继续使用。

项目地址：github.com/FireRedTeam/FireRed-OpenStoryline
定位：基于自然语言、LLM/VLM 规划和 MCP 工具编排的开源 AI 视频剪辑 Agent。

对话如何驱动剪辑节点

传统智能剪辑通常像模板：选一个风格、塞素材、自动拼接。它能省事，但也容易产出一堆味儿差不多的视频。OpenStoryline 的重点不太一样，它把用户意图先交给 Agent Client 理解，再通过 MCP Server 调用不同节点，完成素材搜索、镜头拆分、内容理解、片段筛选、文案生成、时间线规划、渲染等步骤。

这个流程最大的好处，是可干预。你不是等它“一键出片”然后听天由命，而是可以在中途说：删掉天空镜头、BGM 换得更轻一点、字幕颜色压暗、这段旁白别那么营销。Agent 会定位相关节点局部重跑，不必每次从头再来。

OpenStoryline 把剪辑拆成可查询、可重跑、可沉淀的节点流水线

保存 Style Skills，复用剪辑逻辑

OpenStoryline 最需要单独拎出来讲的，是 Style Skills。

一个视频团队真正稀缺的东西，往往不是“会不会剪”，而是稳定的风格：某类账号的开头节奏、字幕语气、转场密度、BGM 情绪、画面选择偏好、结尾 CTA。过去这些东西藏在剪辑师脑子里，或者散落在项目文件里，很难复制。

OpenStoryline 的做法是：当你对一条成片满意，可以让 Agent 总结这套编辑逻辑，保存成 Markdown Skill。下次换一批素材，只要调用这个 Skill，就能复刻同样的节奏和审美规则。

这点比“一键生成”更现实。因为内容团队真正想要的不是每次都随机出一个新风格，而是同一账号、同一栏目、同一品牌调性能够批量稳定生产。

从源码安装：适合想研究架构的人

如果你想看清楚项目结构，建议先走源码安装。前提是 Python 3.11+，官方推荐 Conda/Miniforge。

git clone https://github.com/FireRedTeam/FireRed-OpenStoryline.git
cd FireRed-OpenStoryline
conda create -n storyline python=3.11
conda activate storyline

Linux/macOS 可以先尝试一键安装资源和依赖：

sh build_env.sh

手动方式则是下载模型与资源，再安装依赖：

chmod +x download.sh
./download.sh
pip install -r requirements.txt

如果你计划使用本地 ASR 粗剪能力，要确认当前环境有 torchaudio。口播视频自动去口头禅、语气词、重复句，靠的就是这类音频识别链路。

需要独立环境时，可以选择临时实验机或云服务器，将 Python 依赖、模型和输出目录与其他项目分开。使用雨云时，可填写优惠码 KuZhuJi；配置应按素材规模、存储空间和实际资源需求选择。如有消费返利，以购买页面所选规格显示的金额为准。

配 API Key：别以为开源就零成本

OpenStoryline 会接入多种外部服务。你至少要准备和配置这些能力中的一部分：

LLM / VLM：用于理解意图、画面和生成规划。
Pexels API Key：用于在线素材搜索。
TTS：MiniMax 或火山等配音服务。
AI Transition：MiniMax Hailuo 或阿里云 Wan 这类视频生成服务。
自定义 BGM、字体、文案模板资源库。

配置入口是 config.toml。这里不要把真实 key 写进公开仓库，也别把它塞进文章或截图。视频生成类 API 成本不低，尤其 AI 转场会受素材、prompt 和模型波动影响，官方也提醒建议小规模测试后再批量开启。

启动方式：先起 MCP，再起界面

源码方式下，先启动 MCP Server。

macOS / Linux：

PYTHONPATH=src python -m open_storyline.mcp.server

Windows PowerShell：

$env:PYTHONPATH="src"; python -m open_storyline.mcp.server

然后启动对话界面。命令行入口：

python cli.py

Web 入口：

uvicorn agent_fastapi:app --host 127.0.0.1 --port 7860

浏览器访问：

http://127.0.0.1:7860

如果你只是想先体验，不研究代码，Docker 会更省心。

docker pull openstoryline/openstoryline:v1.0.1

docker run \
  -v "$(pwd)/config.toml":/app/config.toml \
  -v "$(pwd)/outputs":/app/outputs \
  -v "$(pwd)/run.sh":/app/run.sh \
  -p 7860:7860 \
  openstoryline/openstoryline:v1.0.1

执行前先进入克隆的项目目录，确认 config.toml 已配置、run.sh 存在，并创建 outputs 目录。国内环境也可以按官方说明使用阿里云镜像源。无论哪种方式，都建议把 config.toml、outputs、素材目录挂载出来，别让容器一删，配置和成片全没了。

OpenClaw / Claude Code 玩法

OpenStoryline 已经接入 OpenClaw，并提供两个 Skills：

openstoryline-install：负责安装、配置和首跑验证。
openstoryline-use：负责启动服务并执行实际剪辑流程。

OpenClaw 里可以直接让它帮你安装相关 Skills。手动方式：

openclaw skills install openstoryline-install
openclaw skills install openstoryline-use

如果当前 OpenClaw 版本不支持，也可以试 ClawHub：

npx clawhub install openstoryline-install
npx clawhub install openstoryline-use

Claude Code 如果在仓库根目录启动，可以直接用项目内置 Skills：

/openstoryline-install
/openstoryline-use

也可以拷贝到全局 Skills：

mkdir -p ~/.claude/skills
cp -R .claude/skills/openstoryline-install ~/.claude/skills/
cp -R .claude/skills/openstoryline-use ~/.claude/skills/

这类集成的意义，不是让 Claude Code “知道有这么个项目”，而是让它按项目约定完成安装、启动、素材处理和成片流程。Agent Skills 在这里不只是说明书，更像工作规程。

第一条视频怎么测

第一次别上来就做复杂大片。建议用一个边界很清楚的任务：

用我上传的 6 段咖啡店素材，剪一个 30 秒探店短视频。节奏轻快，字幕口吻像小红书日常分享，BGM 不要太吵，结尾加一句“周末可以来坐坐”。先生成草稿，不要开启 AI 转场。

你要重点看四件事：

它是否正确拆分素材和识别画面。
文案是否真的贴合素材，而不是泛泛营销话。
BGM、字幕和镜头节奏是否统一。
对话式修改是否能局部重做，而不是整条推倒重来。

如果这些都过了，再测试 Style Skill：让它总结这条视频的剪辑逻辑，下次换一组素材复刻同款风格。

适合谁，不适合谁

OpenStoryline 适合三类人：短视频团队、自媒体批量生产者、想研究 Agent + MCP 工作流的开发者。它把视频创作拆成透明节点，这对团队复盘和二次开发很友好。

但它不适合把一切都外包给 AI 的人。素材版权仍然由用户负责；AI 转场有成本和随机性；默认开源素材效果未必能直接达到商业成片质感；真正要长期用，还是要维护自己的音乐、字体、脚本模板和素材库。

成片质量仍取决于素材、剪辑判断和维护的风格规则。可以先在小规模素材上检查对话修改与 Skill 复用是否符合自己的流程，再决定是否批量使用。