Hypit: Testámos a Skill de Agente com IA que Clona Vídeos Virais

O Hypit chegou ao GitHub a 29 de julho de 2026 e ultrapassou as 8 000 estrelas em poucos dias. A 22 de setembro, tinha mais de 13 000 estrelas e 1 500 forks, e liderou o ranking diário da Trendshift. A proposta é direta: clonar qualquer vídeo viral com agentes de IA. Instalámo-lo, executámos sete tarefas reais no Codex e no Claude Code e registámos o que produziu, como funciona por dentro e quanto custou de facto. Esta é a nossa análise. Fonte: github.com/hypit-ai/hypit.

O que é o Hypit?

O Hypit, da Hypit.AI, dá a agentes de programação com IA como o Claude Code e o Codex “uma linguagem e um sistema para criar vídeo.” Não é um editor alojado. É disponibilizado como uma Skill de agente, uma ferramenta de linha de comandos 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, faixas de B-roll, efeitos de filme e um renderizador.

A ideia central é a SVML, a própria linguagem de marcação do Hypit. O seu agente escreve o vídeo em SVML; o Hypit compila-o e renderiza os fotogramas (os exemplos do projeto renderizam em 64 processos paralelos de Chromium headless). A temporização é ancorada em palavras, não em segundos. O WhisperX alinha cada palavra falada, e os visuais ligam-se a trechos do guião. Eis 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 no ecrã exatamente enquanto essas palavras são ditas. Reescreva a frase e a temporização reajusta-se sozinha, e é por isso que um projeto pode gerar dezenas de variantes.

Mais três coisas que vale a pena saber antes de o instalar:

• Os modelos de geração são opcionais. Um projeto pode compilar legendas, motion graphics e visuais renderizados por código num vídeo final, sem chamar qualquer modelo de vídeo.
• Você paga os serviços, não o Hypit. O Hypit é gratuito; o seu agente de programação e os fornecedores de modelos faturam separadamente. O serviço alojado recomendado, HypiHub, vendeu créditos a $15 por 2 000 na nossa execução, e pode ligar as suas próprias chaves de API ou modelos locais em alternativa.
• A licença tem condições. A “Hypit Open Source License” é Apache 2.0 com termos adicionais: pode usar o Hypit comercialmente dentro da sua própria organização, mas alojá-lo como um serviço multi-tenant para outros ou revendê-lo requer uma licença comercial. Os vídeos que criar pertencem-lhe.

Como funciona: o que vimos nas nossas execuções

Instalá-lo é um único comando: npx skills add hypit-ai/hypit -g. Na primeira utilização, o agente encontra ou instala o executável do Hypit (Node.js 22.15 ou mais recente). A partir daí, todas as tarefas seguiram o mesmo ciclo.

1. O agente vê e decompõe a referência

Demos ao Codex um explicador financeiro de 34 segundos e escrevemos “Hypit, copia este vídeo.” Ele viu o clip, descreveu a sua estrutura (uma introdução em talking-head, seguida de cinco gráficos de mercado empilhados um após o outro, com zooms e contrastes exagerados) e propôs um plano: manter o apresentador, a voz e o guião, e reconstruir os gráficos, legendas e movimentos de câmara como elementos editáveis. Depois, perguntou o que queríamos substituir.

2. Orçamenta o trabalho antes de gastar seja o que for

Esta foi a parte mais tranquilizadora. Antes de qualquer chamada paga, o agente apresentou uma tabela de custos e ficou à espera. Para um clip em talking-head em chinês, estimou 4,39 créditos (cerca de $0,03) para transcrever o original e reconstruí-lo localmente, versus $5,69–9,34, antes de tentativas adicionais, para regenerar todos os 132 segundos de filmagem em câmara a 720p. Depois, pediu permissão para cobrar no máximo 10 créditos (cerca de $0,075) apenas pela transcrição, salientando que “ainda não foi feita nenhuma chamada paga.”

3. Constrói, renderiza e entrega-lhe um projeto editável

Depois de aprovado, o agente gera as peças, compila a SVML e renderiza. Recebe um ficheiro final e o projeto por trás dele, que abre no Hypit Studio: código-fonte à esquerda, pré-visualização ao centro, propriedades à direita e uma linha temporal multi-faixa em baixo. Pode editar manualmente ou pedir ao próprio agente para rever e corrigir o corte.

Nós testámo-lo mesmo: sete tarefas

Executámos sete tarefas nas apps desktop do Codex e do Claude Code, usando Seedance 2 Mini para vídeo e GPT Image 2 para imagens. Eis o que cada uma produziu:

• Motion graphics em talking-head. Pedimos-lhe para copiar o estilo de edição de papel rasgado, autocolantes e fita de um criador para um dos nossos clips em talking-head. Reconstruiu o look de forma convincente.
• Troca de roupa. Um vídeo try-on em tendência, com a roupa substituída por um fato de videojogo. Aguentou-se na maioria dos planos.
• Transferência de estilo. Um clip meme redesenhado num estilo conhecido de animação para adultos. Usou o clip original como base e estilizou por cima, e o resultado foi mesmo bom.
• Troca de sujeito. Um vídeo viral de canto com cerca de um milhão de gostos, com os dois intérpretes substituídos por dois gatos. Houve pequenas falhas, mas no geral foi forte (primeiro clip abaixo).
• Mesmo estilo, novo conteúdo. A partir de um explicador financeiro popular, o agente escreveu um novo guião “Why HBM matters”, desenhou os diagramas em código e gerou um apresentador em câmara para o canto superior esquerdo. No relatório: “Exportado, 37,1 s, 1080p … só foi executada a primeira ronda de geração; nenhuma geração paga adicional.” A tarefa inteira demorou 1 hora e 8 minutos de tempo de agente.
• A surpresa do Blender. Quando lhe pedimos para trocar as iniciais escritas com dominós no vídeo de um reviewer de tecnologia, ignorou por completo os modelos de vídeo. Reconstruiu o plano no Blender, renderizou 87 fotogramas (2,9 segundos a 30 fps) e inseriu-os numa filmagem que, de resto, ficou inalterada. Foi a correção mais cirúrgica da semana.
• Review cinematográfica de telemóvel. Uma análise de produto em estilo filme, refeita com um apresentador digital e B-roll gerado (segundo clip abaixo). No geral, este foi o resultado mais fraco: o aspeto 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, refez um pequeno skit de vendas em que uma boneca parte ovos com um martelo. Avaliámo-lo como mais ou menos ao nível do original, que também era gerado por IA.

Uma nota sobre o que mostramos aqui: a maioria destes testes começou a partir de vídeos de outros criadores, e esses rostos, vozes e filmagens não são nossos para republicar. Por isso, os clips abaixo são resultados sem pessoas no ecrã e com o áudio sem som.

Clips de demonstração das nossas execuções

Dois resultados não editados dos testes acima, cortados da nossa gravação de ecrã.

Veredito honesto: pontos fortes e limites reais

O que nos impressionou:

• Clona a estrutura, não apenas o guião. O resultado é um projeto reutilizável e reexecutável, por isso trocar o apresentador, o produto ou o idioma é uma nova execução, não uma nova edição.
• Temporização ancorada em palavras. Reescreva uma frase e o B-roll, as legendas e os cortes mantêm-se sincronizados.
• Escolhe a ferramenta mais barata que funciona. Usa modelos de vídeo quando precisa de gerar e usa código, ou até Blender, quando basta uma correção cirúrgica.
• Transparência de custos. Estima cada etapa e pede confirmação antes de chamadas pagas, o que é raro em ferramentas de agentes.

Onde fica aquém:

• O agente é a fatura verdadeira. Os exemplos do próprio README do Hypit indicam cerca de $1,10 em taxas de modelos por clonagem. Nos nossos testes, o custo maior foi o agente de programação: sete tarefas fizeram o nosso plano ChatGPT de $100 passar de 50% para 3% da sua franquia de utilização.
• É lento. Uma clonagem demorou mais de uma hora de tempo de agente.
• Remakes realistas continuam a parecer IA. A review cinematográfica era claramente sintética, e os planos gerados mostraram pequenos artefactos.
• Precisa de um workflow de agentes. Precisa de um agente de programação, Node.js 22.15+ e contas de modelos. É amigável para developers, não para quem só quer um vídeo.
• A licença não é totalmente permissiva. Não pode alojar o Hypit como um serviço para outras equipas nem revendê-lo sem uma licença comercial.
• Os direitos são consigo. O Hypit diz que os seus resultados lhe pertencem, mas os rostos, vozes, filmagens e música da referência pertencem aos seus proprietários. Trate um vídeo viral como uma estrutura para aprender, não como material para republicar.

Hypit vs uma ferramenta de vídeo com IA alojada

O Hypit e ferramentas alojadas como o VisionStory acabam ambos num vídeo final, mas começam em pontos diferentes e faturam de formas diferentes.

Escolha Hypit se está a produzir anúncios ou variantes UGC em volume, um formato vencedor merece ser transformado em modelo e há um developer na equipa. Escolha uma ferramenta alojada se quer um vídeo de apresentador hoje e prefere não pagar por horas de tempo de agente para o obter.

O que o Hypit nos ensinou

Após uma semana de execuções, a nossa conclusão é que “clonar qualquer vídeo viral” é a manchete, não o ponto central. A ideia duradoura é transformar a estrutura de um vídeo num modelo que um agente consegue voltar a executar. Você decompõe o que funciona nos vídeos de outras pessoas e nos seus, mantém o esqueleto e deixa o agente gerar as partes que mudam. É para aí que o vídeo com IA está a caminhar, e é a mesma direção do nosso AI Video Agent: descreva o vídeo que quer e deixe um agente montá-lo, sem a configuração nem a fatura do agente.

Para outra perspetiva sobre vídeo orientado por agentes, veja a nossa análise do OpenMontage, que segue uma ideia semelhante com um pipeline diferente.