Hypit: testamos a skill de agente de IA que clona vídeos virais

O Hypit chegou ao GitHub em 29 de julho de 2026 e passou de 8.000 stars em poucos dias. Em 22 de setembro, já tinha mais de 13.000 stars e 1.500 forks, e liderou o ranking diário do Trendshift. A proposta é direta: clonar qualquer vídeo viral com agentes de IA. Nós instalamos, rodamos sete tarefas reais no Codex e no Claude Code e registramos o que ele gerou, como funciona por baixo do capô e quanto realmente custou. Este é o nosso teardown. Fonte: github.com/hypit-ai/hypit.

O que é o Hypit?

O Hypit, da Hypit.AI, oferece a agentes de codificação com IA como Claude Code e Codex “uma linguagem e um sistema para criar vídeo”. Não é um editor hospedado. Ele chega como uma Skill de agente, uma ferramenta de linha de comando e um monorepo TypeScript com 122 pacotes: conectores para Seedance, GPT Image, Nano Banana, Grok Imagine, MiniMax, ElevenLabs e Fish Audio, além de legendas, remoção de fundo, trilhas de B-roll, efeitos de filme e um renderizador.

A ideia central é o SVML, a própria linguagem de marcação do Hypit. Seu agente escreve o vídeo em SVML; o Hypit compila e renderiza os frames (nos exemplos, ele renderiza em 64 processos paralelos de Chromium headless). O timing é ancorado em palavras, não em segundos. O WhisperX alinha cada palavra falada, e os visuais se prendem a trechos do roteiro. Este é um código real do exemplo de tier-list de futebol do repositório:

<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}/>

A imagem de B-roll hair-gel fica na tela exatamente enquanto aquelas palavras são ditas. Reescreva a linha e o timing se reajusta sozinho — e é por isso que um mesmo projeto pode gerar dezenas de variações.

Mais três coisas que vale saber antes de instalar:

• Modelos de geração são opcionais. Um projeto pode compilar legendas, motion graphics e visuais renderizados por código em um vídeo final sem chamar nenhum modelo de vídeo.
• Você paga pelos serviços, não pelo Hypit. O Hypit é gratuito; seu agente de codificação e os provedores de modelos cobram separadamente. O serviço hospedado recomendado por eles, o HypiHub, vendeu créditos por $15 por 2.000 no nosso teste, e você também pode usar suas próprias chaves de API ou modelos locais.
• A licença tem condições. A “Hypit Open Source License” é Apache 2.0 com termos extras: você pode usar comercialmente dentro da sua própria organização, mas hospedar como um serviço multi-tenant para outras pessoas ou revender exige uma licença comercial. Os vídeos que você cria são seus.

Como funciona: o que vimos nos nossos testes

Instalar é um comando só: npx skills add hypit-ai/hypit -g. No primeiro uso, o agente encontra ou instala o executável do Hypit (Node.js 22.15 ou mais recente). A partir daí, toda tarefa seguiu o mesmo ciclo.

1. O agente assiste e decompõe a referência

Entregamos ao Codex um explicador financeiro de 34 segundos e digitamos “Hypit, copie este vídeo”. Ele assistiu ao clipe, descreveu a estrutura (uma introdução talking head seguida de cinco gráficos de mercado empilhados um após o outro, com zooms e contrastes exagerados) e propôs um plano: manter apresentador, voz e roteiro, e reconstruir os gráficos, legendas e movimentos de câmera como elementos editáveis. Em seguida, perguntou o que queríamos substituir.

2. Ele precifica o trabalho antes de gastar qualquer coisa

Essa foi a parte mais tranquilizadora. Antes de qualquer chamada paga, o agente montou uma tabela de custos e esperou. Para um clipe talking head em chinês, ele estimou 4,39 créditos (cerca de $0,03) para transcrever o original e reconstruí-lo localmente, contra $5,69–9,34, antes de tentativas extras, para regerar todos os 132 segundos de filmagem on-camera em 720p. Depois, pediu permissão para cobrar no máximo 10 créditos (cerca de $0,075) apenas pela transcrição, observando que “nenhuma chamada paga foi feita ainda”.

3. Ele constrói, renderiza e te entrega um projeto editável

Após a aprovação, o agente gera as partes, compila o SVML e renderiza. Você recebe um arquivo final e o projeto por trás dele, que abre no Hypit Studio: fonte à esquerda, prévia no meio, propriedades à direita e uma timeline multifaixa embaixo. Você pode editar manualmente ou pedir para o próprio agente revisar e corrigir o corte.

Rodamos de verdade: sete tarefas

Rodamos sete tarefas nos apps desktop do Codex e do Claude Code, usando Seedance 2 Mini para vídeo e GPT Image 2 para imagens. Veja o que cada uma entregou:

• Motion graphics em talking head. Pedimos que ele copiasse o estilo de edição de um creator (papel rasgado, stickers e fita) em um dos nossos próprios clipes talking head. Ele reconstruiu o visual de forma convincente.
• Troca de roupa. Um vídeo de try-on em alta, com o look substituído por uma fantasia de videogame. Funcionou na maioria dos takes.
• Transferência de estilo. Um meme redesenhado em um estilo conhecido de animação adulta. Ele usou o clipe original como base e restilizou por cima, e o resultado ficou realmente bom.
• Troca de sujeito. Um vídeo viral de canto com cerca de um milhão de curtidas, com os dois performers substituídos por dois gatos. Teve pequenas falhas, mas no geral ficou forte (primeiro clipe abaixo).
• Mesmo estilo, conteúdo novo. A partir de um explicador financeiro popular, o agente escreveu um novo roteiro “Why HBM matters”, desenhou os diagramas em código e gerou um apresentador on-camera para o canto superior esquerdo. Relatório dele: “Exportado, 37,1 s, 1080p … apenas a primeira rodada de geração foi executada; nenhuma geração paga adicional.” A tarefa inteira levou 1 hora e 8 minutos de tempo do agente.
• A surpresa do Blender. Quando pedimos que ele trocasse as iniciais formadas por dominós no vídeo de um reviewer de tecnologia, ele pulou totalmente os modelos de vídeo. Reconstruiu o take no Blender, renderizou 87 frames (2,9 segundos a 30 fps) e inseriu no meio de uma filmagem que, fora isso, permaneceu igual. Foi a correção mais cirúrgica da semana.
• Review cinematográfico de celular. Um review de produto em estilo filme refeito com um apresentador digital e B-roll gerado (segundo clipe abaixo). No geral, foi o resultado mais fraco: o visual de IA era óbvio, e fica bem atrás de um editor humano.
• Skit de e-commerce. A partir de uma imagem de referência e do vídeo de origem, ele refez um pequeno skit de vendas em que uma boneca quebra ovos com um martelo. Avaliamos como mais ou menos no nível do original, que já era gerado por IA.

Uma observação sobre o que mostramos aqui: a maioria desses testes começou a partir de vídeos de outros creators, e esses rostos, vozes e filmagens não são nossos para republicar. Então, os clipes abaixo são resultados sem pessoas na tela, e o áudio está mudo.

Clipes de demo dos nossos testes

Dois outputs sem edição dos testes acima, cortados da nossa gravação de tela.

Veredito honesto: pontos fortes e limites reais

O que nos impressionou:

• Ele clona a estrutura, não só o roteiro. O resultado é um projeto reexecutável; então trocar o apresentador, o produto ou o idioma é uma nova execução, não uma nova edição.
• Timing ancorado em palavras. Reescreva uma linha e o B-roll, as legendas e os cortes continuam sincronizados.
• Ele escolhe a ferramenta mais barata que resolve. Usa modelos de vídeo quando precisa gerar, e código ou até Blender quando uma correção cirúrgica basta.
• Transparência de custos. Ele estima cada etapa e pergunta antes de fazer chamadas pagas — algo raro em ferramentas de agentes.

Onde ele deixa a desejar:

• O agente é a conta de verdade. Os exemplos no próprio README do Hypit listam cerca de $1,10 em taxas de modelos por clone. Nos nossos testes, o maior custo foi o agente de codificação: sete tarefas derrubaram o nosso plano de $100 do ChatGPT de 50% para 3% da franquia de uso.
• Ele é lento. Um clone levou mais de uma hora de tempo do agente.
• Remakes realistas ainda parecem IA. O review cinematográfico era claramente sintético, e os takes gerados mostraram pequenos artefatos.
• Você precisa de um workflow com agentes. Você precisa de um agente de codificação, Node.js 22.15+ e contas de modelos. É amigável para desenvolvedores — não para quem só quer um vídeo.
• A licença não é totalmente permissiva. Você não pode hospedar o Hypit como serviço para outras equipes nem revender sem uma licença comercial.
• Os direitos são sua responsabilidade. O Hypit diz que seus outputs pertencem a você, mas os rostos, vozes, filmagens e música da referência pertencem aos respectivos donos. Trate um vídeo viral como uma estrutura para aprender — não como material para republicar.

Hypit vs uma ferramenta de vídeo com IA hospedada

Hypit e ferramentas hospedadas como o VisionStory chegam a um vídeo final, mas partem de lugares diferentes e cobram de formas diferentes.

Escolha o Hypit se você está produzindo anúncios ou variações de UGC em volume, um formato vencedor vale a pena virar template e há um desenvolvedor no time. Escolha uma ferramenta hospedada se você quer um vídeo de apresentador hoje e prefere não pagar por horas de tempo de agente para chegar lá.

O que o Hypit nos ensinou

Depois de uma semana de testes, nossa visão é que “clonar qualquer vídeo viral” é a manchete — não o ponto. A ideia duradoura é transformar a estrutura de um vídeo em um template que um agente pode reexecutar. Você decompõe o que funciona nos vídeos dos outros e nos seus, mantém o esqueleto e deixa o agente gerar as partes que mudam. É para lá que o vídeo com IA está indo — e é a mesma direção do nosso AI Video Agent: descreva o vídeo que você quer e deixe um agente montar tudo, sem a configuração e sem a conta do agente.

Para outra perspectiva sobre vídeo com agentes, veja nosso teardown do OpenMontage, que segue uma ideia parecida com um pipeline diferente.