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 estrelas em poucos dias. Em 22 de setembro, já tinha mais de 13 000 estrelas 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 produziu, como funciona por baixo do capô e quanto realmente custou. Este é o nosso teardown. Fonte: github.com/hypit-ai/hypit.

O que é Hypit?

O Hypit, da Hypit.AI, dá a agentes de programação com IA, como Claude Code e Codex, “uma linguagem e um sistema para criar vídeo”. Não é um editor hospedado. Ele vem 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 renderer.

A ideia central é a SVML, a linguagem de marcação própria do Hypit. Seu agente escreve o vídeo em SVML; o Hypit compila e renderiza os frames (nos exemplos, ele renderiza em 64 processos headless do Chromium em paralelo). 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 repo:

<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 frase e o timing se recalcula sozinho — e é por isso que um projeto pode gerar dezenas de variações.

Mais três coisas importantes antes de você 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 programação e os provedores de modelos cobram à parte. O serviço hospedado recomendado por eles, o HypiHub, vendeu créditos a $15 por 2 000 no nosso teste, e você pode usar suas próprias chaves de API ou modelos locais no lugar.
• 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 hospedá-lo como um serviço multi-tenant para terceiros ou revendê-lo 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 destrincha a referência

Nós passamos ao Codex um explicador de finanças de 34 segundos e digitamos “Hypit, copie este vídeo.” Ele assistiu ao clipe, descreveu a estrutura (uma introdução em talking head seguida por 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 roteiro, e reconstruir os gráficos, as legendas e os movimentos de câmera como elementos editáveis. Depois, 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 apresentou uma tabela de custos e esperou. Para um clipe em talking head em chinês, ele estimou 4,39 créditos (cerca de $0,03) para transcrever o original e reconstruí-lo localmente, versus $5,69–9,34, sem contar novas tentativas, para regenerar todos os 132 segundos de imagem em câmera a 720p. Em seguida, 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 monta, renderiza e entrega um projeto editável

Depois da aprovação, o agente gera as peças, compila a 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 ao agente para revisar e corrigir o corte.

Nós realmente testamos: 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 gerou:

• Motion graphics em talking head. Pedimos que ele copiasse o estilo de edição de papel rasgado, adesivos e fita de um creator em um dos nossos clipes em 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 roupa de videogame. Funcionou na maioria dos takes.
• Transferência de estilo. Um clipe meme redesenhado no estilo de uma animação adulta conhecida. Ele usou o clipe original como base e reestilizou 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 intérpretes substituídos por dois gatos. Teve pequenos defeitos, mas no geral ficou forte (primeiro clipe abaixo).
• Mesmo estilo, conteúdo novo. A partir de um explicador de finanças popular, o agente escreveu um novo roteiro “Por que HBM importa”, desenhou os diagramas em código e gerou um apresentador em câmera no canto superior esquerdo. No relatório: “Exportado, 37,1 s, 1080p … apenas a primeira rodada de geração rodou; 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 em um vídeo de um reviewer de tecnologia, ele ignorou totalmente modelos de vídeo. Reconstruiu a cena no Blender, renderizou 87 frames (2,9 segundos a 30 fps) e inseriu no meio de uma filmagem que, fora isso, permaneceu inalterada. 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 pior resultado: o visual de IA ficou 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 skit curto de vendas em que uma boneca quebra ovos com um martelo. Avaliamos como mais ou menos no mesmo 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. Por isso, os clipes abaixo são resultados sem pessoas na tela, e o áudio está mudo.

Clipes de demonstração dos nossos testes

Dois resultados sem edição dos testes acima, recortados 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 frase 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 custo. Ele estima cada etapa e pergunta antes de chamadas pagas — algo raro em ferramentas de agente.

Onde ele falha:

• O agente é a conta de verdade. Os exemplos do README do Hypit listam cerca de $1,10 em taxas de modelo por clone. Nos nossos testes, o maior custo foi o agente de programação: sete tarefas levaram nosso plano ChatGPT de $100 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 ficou claramente sintético, e as cenas geradas mostraram pequenos artefatos.
• Você precisa de um fluxo com agentes. Você precisa de um agente de programação, 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 um serviço para outras equipes nem revendê-lo sem uma licença comercial.
• Os direitos são por sua conta. O Hypit diz que seus resultados 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 hospedada de vídeo com IA

O Hypit e ferramentas hospedadas como o VisionStory chegam ao mesmo destino — um vídeo final —, mas partem de pontos diferentes e cobram de formas diferentes.

Escolha o Hypit se você estiver 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 com apresentador hoje e prefere não pagar por horas de tempo do agente para chegar lá.

O que o Hypit nos ensinou

Depois de uma semana de testes, 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 em um template que um agente consegue reexecutar. Você destrincha 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 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 montá-lo, sem a configuração e sem a conta do agente.

Para outra visão sobre vídeo guiado por agentes, veja nosso teardown do OpenMontage, que persegue uma ideia parecida com um pipeline diferente.