Hypit: Przetestowaliśmy umiejętność agenta AI, która klonuje viralowe wideo

Hypit trafił na GitHub 29 lipca 2026 i w ciągu kilku dni przekroczył 8 000 gwiazdek. Do 22 września miał już ponad 13 000 gwiazdek i 1 500 forków oraz był na szczycie dziennego rankingu Trendshift. Jego obietnica jest prosta: sklonuj dowolne viralowe wideo z agentami AI. Zainstalowaliśmy go, przepuściliśmy siedem prawdziwych zadań przez Codex i Claude Code i zapisaliśmy, co stworzył, jak działa od kuchni i ile to naprawdę kosztowało. Oto nasza szczegółowa analiza. Źródło: github.com/hypit-ai/hypit.

Czym jest Hypit?

Hypit od Hypit.AI daje agentom kodującym AI, takim jak Claude Code i Codex, “język i system do tworzenia wideo”. To nie jest hostowany edytor. Dostarczany jest jako Skill dla agenta, narzędzie wiersza poleceń oraz monorepo TypeScript z 122 pakietami: konektory do Seedance, GPT Image, Nano Banana, Grok Imagine, MiniMax, ElevenLabs i Fish Audio, a do tego napisy, usuwanie tła, ścieżki B-roll, efekty filmowe i renderer.

Kluczowym pomysłem jest SVML, własny język znaczników Hypit. Twój agent zapisuje wideo jako SVML; Hypit kompiluje to i renderuje klatki (w przykładach renderuje w 64 równoległych, bezinterfejsowych procesach Chromium). Timing jest zakotwiczony w słowach, a nie w sekundach. WhisperX wyrównuje każde wypowiedziane słowo, a wizualizacje przypinają się do fragmentów scenariusza. Oto prawdziwy kod z przykładu repozytorium (football tier-list):

<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}/>

Obraz B-roll hair-gel jest na ekranie dokładnie wtedy, gdy wypowiadane są te słowa. Zmień linijkę, a timing sam się przelicza — dlatego z jednego projektu można wypuścić dziesiątki wariantów.

Trzy rzeczy, które warto wiedzieć przed instalacją:

• Modele generowania są opcjonalne. Projekt może skompilować napisy, motion graphics i wizualizacje renderowane kodem do gotowego wideo bez wywoływania jakiegokolwiek modelu wideo.
• Płacisz za usługi, nie za Hypit. Hypit jest darmowy; Twój agent kodujący i dostawcy modeli rozliczają się osobno. Polecana usługa hostowana, HypiHub, sprzedawała w naszym teście kredyty za $15 za 2 000, a zamiast tego możesz podpiąć własne klucze API lub modele lokalne.
• Licencja ma warunki. “Hypit Open Source License” to Apache 2.0 z dodatkowymi zapisami: możesz używać tego komercyjnie wewnątrz własnej organizacji, ale hostowanie go jako usługi wielodostępnej (multi-tenant) dla innych lub odsprzedaż wymagają licencji komercyjnej. Wideo, które tworzysz, należy do Ciebie.

Jak to działa: co zobaczyliśmy w naszych testach

Instalacja to jedno polecenie: npx skills add hypit-ai/hypit -g. Przy pierwszym uruchomieniu agent znajduje lub instaluje plik wykonywalny Hypit (Node.js 22.15 lub nowszy). Od tego momentu każde zadanie przebiegało w tej samej pętli.

1. Agent ogląda i rozkłada referencję na części

Daliśmy Codexowi 34-sekundowy finansowy explainer i wpisaliśmy: “Hypit, skopiuj to wideo.” Obejrzał klip, opisał jego strukturę (wstęp typu talking head, a potem pięć wykresów rynkowych ułożonych jeden po drugim, z zoomami i przesadzonym kontrastem) i zaproponował plan: zachować prowadzącego, głos i scenariusz oraz odbudować wykresy, napisy i ruchy kamery jako edytowalne elementy. Potem zapytał, co chcemy podmienić.

2. Wyceni zadanie, zanim wyda cokolwiek

To było najbardziej uspokajające. Zanim wykonał jakiekolwiek płatne wywołanie, agent przedstawił tabelę kosztów i czekał. Dla chińskiego klipu typu talking head wycenił 4,39 kredytu (ok. $0,03) za transkrypcję oryginału i lokalną rekonstrukcję, kontra $5,69–9,34, przed ponownymi próbami, aby wygenerować ponownie całe 132 sekundy materiału z kamery w 720p. Następnie poprosił o zgodę na obciążenie maksymalnie 10 kredytów (ok. $0,075) za samą transkrypcję, zaznaczając, że “nie wykonano jeszcze żadnych płatnych wywołań”.

3. Buduje, renderuje i oddaje Ci edytowalny projekt

Po akceptacji agent generuje elementy, kompiluje SVML i renderuje. Dostajesz gotowy plik oraz projekt stojący za nim, który otwiera się w Hypit Studio: źródło po lewej, podgląd na środku, właściwości po prawej i wielościeżkowa oś czasu na dole. Możesz edytować ręcznie albo poprosić agenta, by sam przejrzał i poprawił montaż.

Faktycznie go uruchomiliśmy: siedem zadań

Przepuściliśmy siedem zadań przez aplikacje desktopowe Codex i Claude Code, używając Seedance 2 Mini do wideo oraz GPT Image 2 do obrazów. Oto, co każde z nich dało:

• Motion graphics do talking head. Poprosiliśmy, żeby przeniósł styl montażu twórcy (podarte papierki, naklejki i taśma) na jeden z naszych klipów typu talking head. Odbudował ten wygląd bardzo przekonująco.
• Podmiana stroju. Popularne wideo typu try-on ze strojem podmienionym na kostium z gry wideo. W większości ujęć się broniło.
• Przeniesienie stylu. Meme-klip przerysowany w znanym stylu animacji dla dorosłych. Wykorzystał oryginalny klip jako bazę i nałożył restyling — rezultat był naprawdę dobry.
• Podmiana bohatera. Viralowe wideo ze śpiewem z około milionem polubień, gdzie dwójkę wykonawców zastąpiły dwa koty. Były drobne wady, ale całościowo wyszło mocno (pierwszy klip poniżej).
• Ten sam styl, nowa treść. Na bazie popularnego finansowego explainera agent napisał nowy scenariusz “Dlaczego HBM ma znaczenie”, narysował diagramy w kodzie i wygenerował prezentera w kadrze (w lewym górnym rogu). W raporcie: “Wyeksportowano, 37,1 s, 1080p … uruchomiła się tylko pierwsza runda generowania; bez dodatkowego płatnego generowania.” Całe zadanie zajęło 1 godzinę 8 minut czasu agenta.
• Niespodzianka z Blenderem. Poproszony o podmianę inicjałów ułożonych z domina w wideo recenzenta technologii, całkowicie pominął modele wideo. Odbudował ujęcie w Blenderze, wyrenderował 87 klatek (2,9 s przy 30 fps) i wkleił je do materiału, który poza tym pozostał niezmieniony. To była najbardziej chirurgiczna poprawka tygodnia.
• Kinematyczna recenzja telefonu. Recenzja produktu w filmowym stylu przerobiona z cyfrowym prezenterem i wygenerowanym B-roll (drugi klip poniżej). To był najsłabszy rezultat: AI było widać na pierwszy rzut oka i odstaje od pracy ludzkiego montażysty.
• Skecz e-commerce. Na podstawie jednego obrazu referencyjnego i wideo źródłowego odtworzył krótki skecz sprzedażowy, w którym lalka rozbija jajka młotkiem. Oceniliśmy go mniej więcej na poziomie oryginału, który sam też był wygenerowany przez AI.

Uwaga o tym, co tu pokazujemy: większość testów startowała od filmów innych twórców, a te twarze, głosy i materiały nie należą do nas, więc nie możemy ich publikować ponownie. Dlatego klipy poniżej to rezultaty bez ludzi na ekranie, a dźwięk jest wyciszony.

Demo z naszych testów

Dwa nieedytowane rezultaty z testów powyżej, wycięte z naszego nagrania ekranu.

Szczery werdykt: mocne strony i realne ograniczenia

Co zrobiło na nas wrażenie:

• Klonuje strukturę, nie tylko scenariusz. Rezultatem jest projekt do ponownego uruchomienia, więc podmiana prowadzącego, produktu lub języka to kolejne uruchomienie, a nie kolejna edycja.
• Timing zakotwiczony w słowach. Zmień zdanie, a B-roll, napisy i cięcia zostają zsynchronizowane.
• Wybiera najtańsze narzędzie, które wystarczy. Używa modeli wideo, gdy musi generować, a kodu (a nawet Blendera), gdy wystarczy chirurgiczna poprawka.
• Przejrzystość kosztów. Szacuje każdy krok i pyta przed płatnymi wywołaniami — to rzadkość wśród narzędzi agentowych.

Gdzie to nie dowozi:

• To agent jest prawdziwym rachunkiem. W przykładach w README Hypit podaje ok. $1,10 opłat za modele na klon. W naszych testach większym kosztem był agent kodujący: siedem zadań zbiło nasz plan ChatGPT za $100 z 50% do 3% limitu użycia.
• Jest wolny. Jeden klon zajął ponad godzinę czasu agenta.
• Realistyczne przeróbki nadal wyglądają jak AI. Kinematyczna recenzja była wyraźnie syntetyczna, a w wygenerowanych ujęciach widać było drobne artefakty.
• Potrzebujesz workflow z agentem. Potrzebujesz agenta kodującego, Node.js 22.15+ i kont u dostawców modeli. To jest przyjazne dla developerów, nie dla kogoś, kto po prostu chce wideo.
• Licencja nie jest w pełni liberalna. Nie możesz hostować Hypit jako usługi dla innych zespołów ani go odsprzedawać bez licencji komercyjnej.
• Za prawa odpowiadasz Ty. Hypit mówi, że Twoje rezultaty należą do Ciebie, ale twarze, głosy, materiały i muzyka z referencji należą do ich właścicieli. Traktuj viralowe wideo jako strukturę do nauki, a nie materiał do ponownej publikacji.

Hypit vs hostowane narzędzie do wideo AI

Hypit i hostowane narzędzia takie jak VisionStory kończą się gotowym wideo, ale startują z innych miejsc i inaczej się rozliczają.

Wybierz Hypit, jeśli produkujesz reklamy lub warianty UGC na dużą skalę, opłaca się szablonować wygrywający format, a w zespole jest developer. Wybierz narzędzie hostowane, jeśli chcesz dziś wideo z prezenterem i wolisz nie płacić za godziny czasu agenta, żeby je uzyskać.

Czego nauczył nas Hypit

Po tygodniu testów uważamy, że “sklonuj dowolne viralowe wideo” to nagłówek, a nie sedno. Trwały pomysł polega na zamianie struktury wideo w szablon, który agent może uruchamiać ponownie. Rozkładasz na czynniki to, co działa w cudzych filmach i w Twoich, zostawiasz szkielet i pozwalasz agentowi generować elementy, które się zmieniają. W tę stronę zmierza wideo AI — i to ten sam kierunek co nasz AI Video Agent: opisz, jakiego wideo chcesz, a agent je złoży — bez konfiguracji i bez rachunku za czas agenta.

Jeśli interesuje Cię inne podejście do wideo sterowanego agentami, zobacz naszą szczegółową analizę OpenMontage, które idzie w podobnym kierunku, ale innym pipeline’em.