Original en anglais: https://argusic.com/subject/firered-openstoryline
FireRed-OpenStoryline
FireRed-OpenStoryline est un agent AI de montage vidéo qui transforme le montage manuel en réalisation pilotée par l'intention grâce à l'interaction en langage naturel, la planification propulsée par LLM et une orchestration précise des outils. Il facilite une création transparente avec un humain dans la boucle, grâce à des Style Skills réutilisables pour une narration cohérente et professionnelle.
Fonctionne avec des mockssource : GitHubPythonApache-2.0commit c9e945215586
Python, sous licence Apache-2.0. Le projet se décrit ainsi : agent, chatbot, langchain, mcp, skills, video, video cut et video editing.
FireRed-OpenStoryline fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 45 minutes et a rencontré 4 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
MCP server starts on port 8001, web UI on port 8005, and the full agent pipeline builds successfully with a mock API endpoint; missing model weights and resource files were stubbed.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 92 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- langgraph 1.0.10 removed ExecutionInfo from langgraph.runtime, but langgraph-prebuilt 1.0.13 still imports it, breaking langchain.agents import10 minutes
- No real LLM/VLM API keys configured in config.toml; validation checks require an OpenAI-compatible endpoint5 minutes
- Missing transnetv2-pytorch-weights.pth model weight file2 minutes
- Missing resource files (bgms/meta.json, script_templates/meta.json, tts/tts_providers.json, fonts/font_info.json)1 minute
- Temps d'installation
- 45 minutes
- De la machine vierge à la fin
- 31 minutes
- Erreurs rencontrées et corrigées
- 4 rencontrées, 4 corrigées sans aide humaine
- Tokens de modèle utilisés
- 328 855
- Commit exact testé
- c9e945215586
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Comment le résultat a été prouvé
- les exécutions antérieures au 2026-09-07 n'enregistraient pas la commande utilisée pour vérifier le résultat
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
from langgraph.checkpoint.serde.jsonplus import JsonPlusSerializer
OK
The patch works (I applied it earlier using python to edit the file). Let me verify it's actually
exec
/bin/sh -lc 'grep "ExecutionInfo" /work/repo/venv/lib/python3.12/site-packages/langgraph/prebuilt/t…
succeeded in 0ms:
ExecutionInfo = _Any
execution_info: ExecutionInfo | None = None
Good, the patch is still there. Now let me compile the final result.
tokens used
328,855
Good, the patch is still there. Now let me compile the final result.Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- S'est remis des 4 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- Sous licence Apache-2.0, selon son hébergeur.
- Mesuré 3 fois, le résultat n'est donc pas un cas isolé.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
- Installation en 45 minutes, plus lente que la médiane des 134 projets comparables mesurés par Argusic.
Sur les 135 projets agent qu'Argusic a installés et chronométrés, FireRed-OpenStoryline a été le 130e plus rapide à atteindre un état de fonctionnement, et 87 sur 135 en ont atteint un.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne avec des mocks | 92,00 | 0,20 | |
| Argusic Runner | 2/3 | Délai dépassé | 0,00 | 0,11 | |
| Argusic Runner | 1/3 | Délai dépassé | 0,00 | 0,10 |
Sujets (depuis GitHub)
agentchatbotlangchainmcpskillsvideovideo-cutvideo-editingvideo-editing-tools
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/firered-openstoryline)Questions
- FireRed-OpenStoryline fonctionne-t-il ?
- FireRed-OpenStoryline fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 45 minutes, en rencontrant 4 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé FireRed-OpenStoryline ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit c9e945215586. 3 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de FireRed-OpenStoryline ?
- L'exécution qui a produit ce verdict a coûté 0,20 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer FireRed-OpenStoryline ?
- 45 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- FireRed-OpenStoryline a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de FireRed-OpenStoryline ?
- 4 problèmes sont survenus lors de l'exécution enregistrée, et 4 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment FireRed-OpenStoryline se compare-t-il aux alternatives ?
- Sur les 135 projets agent qu'Argusic a installés et chronométrés, FireRed-OpenStoryline a été le 130e plus rapide à atteindre un état de fonctionnement, et 87 sur 135 en ont atteint un.
- Où sont les preuves pour FireRed-OpenStoryline ?
- Les 3 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.