hypit 是一个面向 AI Agent（如 Claude Code、Codex、OpenClaw 等）的开源视频生成与复刻工作流引擎。它通过专门的领域特定语言（SVML）与组件化架构，让 Agent 能够像写代码一样解析、编排和批量渲染高质量的短视频。

一、它是什么？

  • Agent 原生的视频 DSL 编译器：它不是一个简单的“文生视频 Prompt 包装器”，而是为 AI Agent 提供了一套视频描述语言和系统（代码基于 TypeScript）。

  • 基于“词对齐”的结构化渲染系统：视频内的镜头、B-roll、特效、字级卡拉 OK 字幕全部与台词/词语（words）锚定，而非机械对齐绝对时间轴（秒）。

  • 全流程工作流（Workflow）载体：支持从参考视频逆向拆解出包含分镜、字幕、素材层级与动效的完整工程文件，并支持无头 Chromium 批量并发渲染（支持 64 进程并发导出）。

二、它能解决什么问题？

  1. 爆款复刻与批量分发成本高

  • 痛点：传统模式下一个爆款视频想要换个演员、换个产品或换个语言测试几十种变体，需要人工反复剪辑或多次重新生成整段视频，成本极高。

  • 解决：一条命令生成上百种变体（1 command, 100 variants）。只需替换脚本中的产品名、主播形象或钩子（Hook），主体结构自动复用。

  1. 纯视频模型（Sora/Runway/Kling 等）的不可控性

  • 痛点：端到端文生视频往往字幕乱码、人物口型对不上、分镜转场无法精准把控。

  • 解决：采用模块化组装——分镜图/视频（Seedance、GPT Image、Veo）、语音对齐（WhisperX）、动态字幕与图形（前端 CSS/Chromium 代码渲染）分层控制，精确可预测。

  1. 商业化短视频的量产成本门槛

  • 痛点：付费信息流广告（Meta/TikTok Ads）、带货 SKU 矩阵号常遭遇“素材疲劳”，制作单条成本在几十到上百美元不等。

  • 解决：根据项目实测，结合低成本生成模型与本地代码渲染，单个 20 秒左右的 UGC/播客变体视频生成成本可压低至 $1 左右。

三、它的核心优势是什么？

  • 代码渲染与生成模型解耦（零 API 成本兜底）：

  • 支持纯前端代码驱动的动效、排版与转场（Code-rendered videos）。无需强依赖昂贵的视频生成模型即可完成动效视频编译。

  • 组件化插拔（Pluggable Components）：

  • 主播、字幕、贴纸、背景音乐完全模块化。例如更换出镜角色时，完全不会破坏原本的字级字幕动画与分镜排版。

  • 极速并发与本地私有化（Local Runtime）：

  • 基于无头浏览器（Headless Chromium）多进程并发渲染，无需依赖第三方的云端剪辑渲染服务器，无水印、无座席授权费。

  • 广泛的模型生态接入：

  • 支持通过自带推荐的 HypiHub，或者对接 HiAPI、Monid、Pollo API 等多模型网关，自由调度 Seedance、GPT Image、Kling、Wan、WhisperX 等模型。

四、它带来了哪些更好的使用体验？

  • “以词控时”的自适应重排：

  • 传统剪辑修改台词会导致音画错位。Hypit 锚定词级时间，当你改写一句台词或翻译成另一门语言（如英语改西班牙语）时，视频节奏与字幕会自动重新流动适配（Re-flows automatically）。

  • 极简的 Agent Skill 交互：

  • 安装全局 Skill（npx skills add hypit-ai/hypit -g）后，在 Claude Code 或命令行终端里直接使用自然语言交互即可驱动：

  • /hypit Clone this video: ./sample.mp4, and replace the product with...

  • Agent 会自动补全工程目录、调用 WhisperX 提取对齐、配置 API 凭证并执行渲染。

  • 从“一次性生成”变成“可编辑资产”：

  • 产出物不是一个封闭的 MP4，而是一套可版本管理、可回滚、可反复调优的 SVML/代码工程，适合建立持续沉淀的模版资产库。