Hypit：バズ動画をクローンするAIエージェントスキルを検証

Hypitは2026年7月29日にGitHubへ登場し、数日で8,000スターを突破しました。9月22日には13,000以上のスターと1,500のフォークを獲得し、Trendshiftの日次チャートで首位に立ちました。売り文句は単刀直入です。AIエージェントで、どんなバズ動画でもクローンする。 私たちはこれをインストールし、CodexとClaude Codeで7つの実タスクを回し、何が作られたのか、内部でどう動いているのか、そして実際にいくらかかったのかを記録しました。これはその分解レビュー（teardown）です。出典： github.com/hypit-ai/hypit。

Hypitとは？

Hypit.AIのHypitは、Claude CodeやCodexのようなAIコーディングエージェントに「動画を作るための言語とシステム」を提供します。ホスト型のエディターではありません。エージェントのSkill、コマンドラインツール、そして122パッケージからなるTypeScriptのモノレポとして提供されます。Seedance、GPT Image、Nano Banana、Grok Imagine、MiniMax、ElevenLabs、Fish Audio向けのコネクターに加え、字幕、背景除去、Bロールトラック、フィルム効果、レンダラーも含まれます。

中核となるアイデアは、Hypit独自のマークアップ言語SVMLです。エージェントはSVMLとして動画を書き、Hypitがそれをコンパイルしてフレームをレンダリングします（サンプルでは、ヘッドレスChromiumを64並列プロセスでレンダリング）。タイミングは秒ではなく単語にアンカーされます。WhisperXが発話された各単語をアラインし、ビジュアルはスクリプトのスパンに紐づきます。これはリポジトリのサッカーのティアリスト例からの実コードです：

<HOST>Ronaldo is <D | Dee> tier. || Bro has @{hair-gel} more ||
  hair gel than @{trophy} trophies || at this point.@{/trophy}@{/hair-gel}

<media-track:Item id="hair-gel" image={broll-hair-gel.image}
  extent={hair-gel-extent} during={story.selection.hair-gel}
  motion={recipes.motion.broll-left}/>

hair-gelのBロール画像は、それらの単語が話されている間ちょうど表示されます。1行を書き換えるとタイミングは自動で再フローするため、1つのプロジェクトから何十ものバリエーションを派生させられるわけです。

インストール前に知っておくべきことが、もう3つあります：

• 生成モデルは必須ではありません。 プロジェクトは、どの動画モデルも呼び出さずに、字幕・モーショングラフィックス・コードでレンダリングしたビジュアルをコンパイルして完成動画にできます。
• 支払うのはHypitではなく各サービスです。 Hypitは無料で、課金されるのはコーディングエージェントと各モデル提供元です。推奨されるホスト型サービスHypiHubは、私たちの検証では2,000クレジットを$15で販売しており、代わりに自分のAPIキーやローカルモデルをつなぐこともできます。
• ライセンスには条件があります。 「Hypit Open Source License」はApache 2.0に追加条項が付いたもので、自社組織内での商用利用は可能ですが、他者向けにマルチテナントのサービスとしてホスティングしたり、転売したりするには商用ライセンスが必要です。作成した動画の権利はあなたに帰属します。

仕組み：実行で見えたこと

インストールはコマンド1つです： npx skills add hypit-ai/hypit -g。初回利用時に、エージェントがHypit実行ファイルを見つけるかインストールします（Node.js 22.15以降）。そこから先は、どのタスクも同じループでした。

1. エージェントが参照動画を見て分解する

私たちはCodexに34秒の金融解説動画を渡し、「Hypit, copy this video.」と入力しました。すると、クリップを視聴し、構成（トーキングヘッドの導入の後に、市場チャート5枚が順番に積み重なる。ズームと誇張されたコントラストあり）を説明し、計画を提案しました。ホスト・音声・スクリプトは維持し、チャート・字幕・カメラワークを編集可能な要素として作り直す、というものです。そして、何を置き換えたいかを尋ねてきました。

2. 何かを消費する前に費用を見積もる

ここが最も安心できた点です。有料呼び出しの前に、エージェントはコスト表を提示して待機しました。中国語のトーキングヘッド動画では、元の内容を文字起こししてローカルで再構築するのに4.39クレジット（約$0.03）、一方で、720pで132秒分のオンカメラ映像をすべて再生成するには、リトライ前で$5.69–9.34と見積もりました。さらに「まだ有料呼び出しは行っていない」と明記したうえで、文字起こしだけに最大10クレジット（約$0.075）課金してよいか許可を求めました。

3. 構築→レンダリング→編集可能なプロジェクトを渡す

承認すると、エージェントが各パーツを生成し、SVMLをコンパイルしてレンダリングします。完成ファイルだけでなく、背後にあるプロジェクトも受け取れます。これはHypit Studioで開けます（左にソース、中央にプレビュー、右にプロパティ、下にマルチトラックのタイムライン）。手動で編集することも、エージェントにカット自体のレビューと修正を依頼することもできます。

実際に回してみた：7つのタスク

私たちはCodexとClaude Codeのデスクトップアプリで7つのタスクを実行し、動画にはSeedance 2 Mini、画像にはGPT Image 2を使用しました。各タスクの成果は次のとおりです：

• トーキングヘッド向けモーショングラフィックス。 あるクリエイターの「破れた紙＋ステッカー＋テープ」風の編集スタイルを、私たちのトーキングヘッド素材にコピーするよう依頼しました。見た目は説得力高く再現されました。
• 衣装の差し替え。 流行の試着動画で、衣装をゲームのコスチュームに置き換え。多くのショットで破綻しませんでした。
• スタイル転写。 有名な大人向けアニメ風に描き直したミーム動画。元クリップをベースに上からスタイリングし直し、結果は正直かなり良かったです。
• 被写体の差し替え。 いいねが約100万あるバズ歌唱動画で、2人のパフォーマーを2匹の猫に置き換え。細かい欠点はあるものの、全体として強い仕上がりでした（下の1本目）。
• 同じスタイルで新しい内容。 人気の金融解説動画を元に、エージェントが「Why HBM matters」という新しいスクリプトを書き、図をコードで描き、左上隅にオンカメラのプレゼンターを生成しました。レポートには「書き出し済み、37.1 s、1080p… 生成は1ラウンド目のみ。追加の有料生成なし」とあります。タスク全体はエージェント時間で1時間8分かかりました。
• Blenderのサプライズ。 テックレビュアーの動画内で、ドミノで並べたイニシャルを差し替えるよう依頼すると、動画モデルを完全にスキップ。Blenderでショットを作り直し、87フレーム（30 fpsで2.9秒）をレンダリングして、他はそのままの映像に差し込みました。今週で最も「外科手術」的な修正でした。
• 映画風のスマホレビュー。 デジタルプレゼンターと生成Bロールで作り直した、映画調の製品レビュー（下の2本目）。全体としてこれは最も弱い結果で、AIっぽさが目立ち、人間の編集者には大きく及びませんでした。
• ECスキット。 参照画像1枚と元動画から、人形がハンマーで卵を割る短いセールススキットを作り直し。元動画（それ自体もAI生成）と概ね同等と評価しました。

ここで見せる内容について補足です。これらのテストの多くは他のクリエイターの動画から始めており、顔・音声・素材映像を私たちが再公開する権利はありません。そこで、下のクリップは画面内に人物が出ない出力だけを掲載し、音声もミュートしています。

実行デモクリップ

上のテストから、私たちの画面収録を切り出した未編集の出力を2本紹介します。

率直な評価：強みと現実的な限界

良かった点：

• スクリプトだけでなく「構造」をクローンする。 出力は再実行可能なプロジェクトなので、ホスト・製品・言語の差し替えは「新しい編集」ではなく「新しい実行」になります。
• 単語に紐づくタイミング。 1行を書き換えても、Bロール・字幕・カットが同期したまま保たれます。
• 動くなら最も安い手段を選ぶ。 生成が必要なときは動画モデルを使い、外科的な修正で足りるならコード、場合によってはBlenderさえ使います。
• コストの透明性。 各ステップを見積もり、有料呼び出しの前に確認を求めます。エージェント系ツールではかなり珍しいです。

物足りない点：

• 本当の請求はエージェント側。 HypitのREADMEの例では、クローンあたりのモデル料金は約$1.10とされています。私たちの検証では、より大きかったのはコーディングエージェントのコストで、7つのタスクで$100のChatGPTプランの利用枠が50%から3%まで減りました。
• 遅い。 1回のクローンにエージェント時間で1時間以上かかったものもあります。
• リアル系のリメイクは、まだAIっぽい。 映画風レビューは明らかに合成感があり、生成ショットには小さなアーティファクトも出ました。
• エージェント前提のワークフローが必要。 コーディングエージェント、Node.js 22.15+、モデルのアカウントが必要です。開発者には優しい一方で、「とにかく動画が欲しい」人向けではありません。
• ライセンスは完全に寛容ではない。 Hypitを他チーム向けのサービスとしてホストしたり、転売したりすることは、商用ライセンスなしではできません。
• 権利処理は自己責任。 Hypitは出力の権利はあなたにあると言いますが、参照元の顔・音声・映像・音楽はそれぞれの権利者のものです。バズ動画は再投稿する素材ではなく、学ぶべき「構造」として扱いましょう。

Hypit vs ホスト型のAI動画ツール

Hypitと、VisionStoryのようなホスト型ツールは、どちらも最終的には完成動画にたどり着きますが、出発点も課金の仕組みも異なります。

Hypitを選ぶべきなのは、広告やUGCのバリエーションを大量に作り、勝ちパターンをテンプレ化する価値があり、チームに開発者がいる場合。ホスト型ツールを選ぶべきなのは、今日プレゼンター動画が必要で、そのためにエージェント時間を何時間も課金してまで回したくない場合です。

Hypitから学んだこと

1週間回してみて感じたのは、「どんなバズ動画でもクローン」は見出しであって本質ではない、ということです。持続的なアイデアは、動画の構造を、エージェントが再実行できるテンプレートに変えること。他人の動画や自分の動画の「効いている部分」を分解し、骨格は残し、変わる部分だけをエージェントに生成させる。AI動画はそこへ向かっています。そしてこれは、私たちのAI動画エージェントと同じ方向性でもあります。欲しい動画を説明するだけで、セットアップもエージェント課金もなく、エージェントが組み立ててくれる。

エージェント駆動の動画について別の視点が欲しければ、似た発想を別のパイプラインで追求しているOpenMontageの分解レビューもご覧ください。