Hypit: เราทดสอบสกิลของ AI Agent ที่โคลนวิดีโอไวรัลได้

Hypit เปิดตัวบน GitHub เมื่อวันที่ 29 กรกฎาคม 2026 และทะลุ 8,000 ดาวภายในไม่กี่วัน ภายในวันที่ 22 กันยายน มันมีมากกว่า 13,000 ดาวและ 1,500 ฟอร์ก และขึ้นอันดับ 1 บนชาร์ตรายวันของ Trendshift คำโปรยของมันตรงไปตรงมา: โคลนวิดีโอไวรัลอะไรก็ได้ด้วยเอเจนต์ AI เราติดตั้งมัน รันงานจริง 7 งานผ่าน Codex และ Claude Code แล้วบันทึกว่ามันสร้างอะไรออกมา ทำงานภายในอย่างไร และสุดท้ายเสียเงินจริงเท่าไหร่ นี่คือบทแกะเครื่องนั้น แหล่งที่มา: github.com/hypit-ai/hypit.

Hypit คืออะไร?

Hypit จาก Hypit.AI มอบ “ภาษาและระบบสำหรับสร้างวิดีโอ” ให้กับ AI coding agents อย่าง Claude Code และ Codex มันไม่ใช่เอดิเตอร์แบบโฮสต์ มันมาในรูปแบบ Skill สำหรับเอเจนต์ เครื่องมือคอมมานด์ไลน์ และ TypeScript monorepo จำนวน 122 แพ็กเกจ: คอนเนกเตอร์สำหรับ Seedance, GPT Image, Nano Banana, Grok Imagine, MiniMax, ElevenLabs และ Fish Audio รวมถึงคำบรรยาย การลบพื้นหลัง แทร็ก B-roll เอฟเฟกต์ภาพยนตร์ และเรนเดอเรอร์

แกนกลางคือ SVML ซึ่งเป็นมาร์กอัปของ Hypit เอง เอเจนต์ของคุณเขียนวิดีโอเป็น SVML; Hypit จะคอมไพล์และเรนเดอร์เฟรม (ตัวอย่างของมันเรนเดอร์แบบขนานด้วย headless Chromium 64 โปรเซส) การจับเวลาอ้างอิงกับ คำ ไม่ใช่วินาที WhisperX จะจัดแนวทุกคำที่พูด และภาพจะถูกผูกเข้ากับช่วงของสคริปต์ นี่คือโค้ดจริงจากตัวอย่าง football tier-list ในรีโป:

<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}/>

ภาพ B-roll ชื่อ hair-gel จะอยู่บนจอ “พอดีเป๊ะ” ในช่วงที่คำเหล่านั้นถูกพูดอยู่ แก้ประโยคใหม่แล้วไทม์มิงจะไหลปรับเองทั้งหมด นี่คือเหตุผลที่โปรเจกต์เดียวแตกออกไปเป็นเวอร์ชันย่อยได้เป็นสิบ ๆ แบบ

อีก 3 เรื่องที่ควรรู้ก่อนติดตั้ง:

• โมเดลสำหรับการสร้างเป็นตัวเลือกเสริม โปรเจกต์หนึ่งสามารถคอมไพล์คำบรรยาย โมชันกราฟิก และภาพที่เรนเดอร์ด้วยโค้ดให้เป็นวิดีโอสำเร็จได้ โดยไม่ต้องเรียกโมเดลวิดีโอใด ๆ
• คุณจ่ายให้บริการต่าง ๆ ไม่ใช่ Hypit Hypit ใช้ฟรี; ค่าใช้จ่ายจะถูกคิดแยกโดยเอเจนต์เขียนโค้ดและผู้ให้บริการโมเดล บริการโฮสต์ที่มันแนะนำคือ HypiHub ซึ่งขายเครดิตที่ $15 ต่อ 2,000 ในการทดสอบของเรา และคุณสามารถใส่ API keys ของตัวเองหรือใช้โมเดลในเครื่องแทนได้
• ไลเซนส์มีเงื่อนไข “Hypit Open Source License” คือ Apache 2.0 ที่มีเงื่อนไขเพิ่มเติม: คุณใช้เชิงพาณิชย์ภายในองค์กรของคุณได้ แต่ถ้าโฮสต์เป็นบริการแบบ multi-tenant ให้คนอื่นใช้ หรือเอาไปขายต่อ ต้องมีไลเซนส์เชิงพาณิชย์ วิดีโอที่คุณสร้างเป็นของคุณ

มันทำงานยังไง: สิ่งที่เราเห็นจากการรันจริง

การติดตั้งใช้คำสั่งเดียว: npx skills add hypit-ai/hypit -g ครั้งแรกที่ใช้งาน เอเจนต์จะค้นหาหรือติดตั้งไฟล์รัน Hypit (ต้องใช้ Node.js 22.15 ขึ้นไป) จากนั้นทุกงานจะวนลูปเดิม ๆ

1. เอเจนต์ดูคลิปอ้างอิงและแยกองค์ประกอบ

เราให้ Codex ดูคลิปอธิบายการเงินยาว 34 วินาที แล้วพิมพ์ว่า “Hypit, copy this video.” มันดูคลิป อธิบายโครงสร้าง (เปิดด้วย talking-head แล้วตามด้วยกราฟตลาด 5 อันซ้อนเรียงกัน พร้อมการซูมและคอนทราสต์แบบเว่อร์ ๆ) และเสนอแผน: คงโฮสต์ เสียง และสคริปต์ไว้ แล้วสร้างกราฟ คำบรรยาย และการเคลื่อนกล้องใหม่ให้เป็นองค์ประกอบที่แก้ไขได้ จากนั้นมันถามว่าเราต้องการเปลี่ยนส่วนไหนบ้าง

2. มันตีราคางานก่อนใช้เงินแม้แต่บาทเดียว

นี่คือส่วนที่ทำให้สบายใจที่สุด ก่อนจะมีการเรียกใช้แบบเสียเงิน เอเจนต์จะวางตารางค่าใช้จ่ายและรอ สำหรับคลิป talking-head ภาษาจีน มันประเมินว่าใช้ 4.39 เครดิต (ประมาณ $0.03) เพื่อถอดเสียงต้นฉบับและสร้างใหม่แบบโลคัล เทียบกับ $5.69–9.34 (ยังไม่รวมรอบลองใหม่) เพื่อสร้างฟุตเทจหน้ากล้องทั้งหมด 132 วินาทีใหม่ที่ 720p จากนั้นมันขออนุญาตคิดค่าใช้จ่ายสูงสุด 10 เครดิต (ประมาณ $0.075) สำหรับการถอดเสียงอย่างเดียว พร้อมระบุว่า “ยังไม่มีการเรียกใช้แบบเสียเงินเกิดขึ้น”

3. มันประกอบ เรนเดอร์ และส่งโปรเจกต์ที่แก้ไขได้ให้คุณ

พออนุมัติแล้ว เอเจนต์จะสร้างชิ้นส่วนต่าง ๆ คอมไพล์ SVML และเรนเดอร์ คุณจะได้ทั้งไฟล์ที่เสร็จแล้ว และ โปรเจกต์เบื้องหลัง ซึ่งเปิดใน Hypit Studio: ซอร์สอยู่ซ้าย พรีวิวอยู่กลาง พร็อพเพอร์ตี้อยู่ขวา และไทม์ไลน์หลายแทร็กอยู่ด้านล่าง คุณแก้เองด้วยมือได้ หรือให้เอเจนต์ช่วยรีวิวและแก้คัตให้เลยก็ได้

เรารันจริง: 7 งาน

เรารันงาน 7 งานผ่านแอปเดสก์ท็อป Codex และ Claude Code โดยใช้ Seedance 2 Mini สำหรับวิดีโอ และ GPT Image 2 สำหรับรูปภาพ นี่คือผลลัพธ์ของแต่ละงาน:

• โมชันกราฟิกบนคลิป talking-head เราขอให้มันคัดลอกสไตล์ตัดต่อแบบกระดาษฉีก สติกเกอร์ และเทปของครีเอเตอร์คนหนึ่ง มาลงบนคลิป talking-head ของเราเอง มันสร้างลุคกลับมาได้เนียนน่าเชื่อ
• สลับชุด วิดีโอ try-on ที่กำลังมาแรง โดยเปลี่ยนชุดเป็นคอสตูมจากวิดีโอเกม ในช็อตส่วนใหญ่ยังดูไหว
• ถ่ายโอนสไตล์ คลิปมีมที่ถูกวาดใหม่เป็นสไตล์แอนิเมชันสำหรับผู้ใหญ่ที่เป็นที่รู้จัก มันใช้คลิปเดิมเป็นฐานแล้วรีสไตล์ทับ และผลลัพธ์ดีจริง
• สลับตัวแบบ วิดีโอร้องเพลงไวรัลที่มีไลก์ราว ๆ หนึ่งล้าน โดยเปลี่ยนนักแสดง 2 คนเป็นแมว 2 ตัว มีจุดพลาดเล็กน้อย แต่โดยรวมแข็งแรงมาก (คลิปแรกด้านล่าง)
• สไตล์เดิม คอนเทนต์ใหม่ จากคลิปอธิบายการเงินยอดนิยม เอเจนต์เขียนสคริปต์ใหม่ “Why HBM matters” วาดไดอะแกรมด้วยโค้ด และสร้างพรีเซนเตอร์หน้ากล้องไว้ที่มุมซ้ายบน รายงานของมัน: “ส่งออกแล้ว 37.1 วินาที 1080p … รันการสร้างแค่รอบแรก ไม่มีการสร้างแบบเสียเงินเพิ่มเติม” ทั้งงานใช้เวลาของเอเจนต์ 1 ชั่วโมง 8 นาที
• เซอร์ไพรส์จาก Blender เราขอให้มันสลับอักษรย่อที่เรียงด้วยโดมิโนในวิดีโอของนักรีวิวสายเทค มันข้ามโมเดลวิดีโอไปเลย แล้วสร้างช็อตใหม่ใน Blender เรนเดอร์ 87 เฟรม (2.9 วินาทีที่ 30 fps) แล้วนำไปแทรกในฟุตเทจเดิมที่ส่วนอื่นไม่ได้เปลี่ยนเลย นี่คือการแก้แบบผ่าตัดที่คมที่สุดของสัปดาห์
• รีวิวมือถือแบบภาพยนตร์ รีวิวสินค้าสไตล์หนังที่รีเมกใหม่ด้วยพรีเซนเตอร์ดิจิทัลและ B-roll ที่สร้างขึ้น (คลิปที่สองด้านล่าง) โดยรวมเป็นผลลัพธ์ที่อ่อนที่สุด: กลิ่น AI ชัด และยังห่างจากเอดิเตอร์มนุษย์พอสมควร
• สเก็ตช์อีคอมเมิร์ซ จากภาพอ้างอิง 1 ภาพและวิดีโอต้นฉบับ มันรีเมกสเก็ตช์ขายของสั้น ๆ ที่ตุ๊กตาทุบไข่ด้วยค้อน เราให้คะแนนว่าใกล้เคียงต้นฉบับ ซึ่งตัวต้นฉบับเองก็เป็นงานที่สร้างด้วย AI อยู่แล้ว

หมายเหตุเกี่ยวกับสิ่งที่เราแสดงที่นี่: การทดสอบส่วนใหญ่เริ่มจากวิดีโอของครีเอเตอร์คนอื่น ๆ และใบหน้า เสียง และฟุตเทจเหล่านั้นไม่ใช่ของเราที่จะนำมาเผยแพร่ซ้ำ ดังนั้นคลิปด้านล่างเป็นเอาต์พุตที่ไม่มีคนอยู่บนหน้าจอ และปิดเสียงไว้

คลิปเดโมจากการรันของเรา

เอาต์พุต 2 ชิ้นแบบไม่ตัดต่อจากการทดสอบด้านบน ตัดมาจากบันทึกหน้าจอของเรา

คำตัดสินแบบตรงไปตรงมา: จุดแข็งและข้อจำกัดจริง

สิ่งที่เราประทับใจ:

• มันโคลน “โครงสร้าง” ไม่ใช่แค่สคริปต์ เอาต์พุตเป็นโปรเจกต์ที่รันซ้ำได้ ดังนั้นการสลับโฮสต์ สินค้า หรือภาษา คือการรันรอบใหม่ ไม่ใช่การตัดต่อใหม่
• ไทม์มิงผูกกับคำพูด แก้ประโยคแล้ว B-roll คำบรรยาย และคัตต่าง ๆ ยังซิงก์กัน
• มันเลือกเครื่องมือที่ถูกที่สุดที่ยังทำงานได้ มันใช้โมเดลวิดีโอเมื่อจำเป็นต้องสร้าง และใช้โค้ดหรือแม้แต่ Blender เมื่อการแก้แบบผ่าตัดก็พอ
• โปร่งใสเรื่องค่าใช้จ่าย มันประเมินทีละขั้นและถามก่อนเรียกใช้แบบเสียเงิน ซึ่งหาได้ยากในเครื่องมือสายเอเจนต์

จุดที่ยังไม่ถึง:

• ค่าเอเจนต์ต่างหากที่เป็นบิลจริง ตัวอย่างใน README ของ Hypit ระบุค่าธรรมเนียมโมเดลราว ๆ $1.10 ต่อการโคลน 1 ครั้ง แต่ในการทดสอบของเรา ต้นทุนที่ใหญ่กว่าคือเอเจนต์เขียนโค้ด: 7 งานทำให้แพ็กเกจ ChatGPT ราคา $100 ของเราจากใช้ได้ 50% เหลือ 3% ของโควตาการใช้งาน
• มันช้า การโคลน 1 งานใช้เวลาของเอเจนต์มากกว่า 1 ชั่วโมง
• รีเมกแบบสมจริงยังดูเป็น AI รีวิวแบบภาพยนตร์ดูสังเคราะห์ชัด และช็อตที่สร้างมีอาร์ติแฟกต์เล็ก ๆ
• คุณต้องมีเวิร์กโฟลว์แบบเอเจนต์ คุณต้องมี coding agent, Node.js 22.15+ และแอคเคานต์โมเดล มันเป็นมิตรกับนักพัฒนา ไม่ใช่คนที่ “แค่อยากได้วิดีโอ”
• ไลเซนส์ไม่ใช่แบบ permissive เต็มรูปแบบ คุณโฮสต์ Hypit เป็นบริการให้ทีมอื่นใช้ หรือเอาไปขายต่อไม่ได้ หากไม่มีไลเซนส์เชิงพาณิชย์
• เรื่องสิทธิ์เป็นความรับผิดชอบของคุณ Hypit บอกว่าเอาต์พุตเป็นของคุณ แต่ใบหน้า เสียง ฟุตเทจ และเพลงในวิดีโออ้างอิงเป็นของเจ้าของสิทธิ์ โปรดมองวิดีโอไวรัลเป็น “โครงสร้าง” ไว้เรียนรู้ ไม่ใช่เนื้อหาสำหรับเอาไปเผยแพร่ซ้ำ

Hypit vs เครื่องมือวิดีโอ AI แบบโฮสต์

Hypit และเครื่องมือแบบโฮสต์อย่าง VisionStory ต่างก็ลงท้ายด้วยวิดีโอที่เสร็จแล้วเหมือนกัน แต่เริ่มต้นคนละจุด และคิดเงินคนละแบบ

เลือก Hypit ถ้า คุณกำลังผลิตโฆษณาหรือเวอร์ชัน UGC จำนวนมาก รูปแบบที่ชนะคุ้มค่ากับการทำเป็นเทมเพลต และทีมมีนักพัฒนา เลือกเครื่องมือแบบโฮสต์ถ้า คุณต้องการวิดีโอพรีเซนเตอร์วันนี้ และไม่อยากจ่ายเวลาเอเจนต์เป็นชั่วโมง ๆ เพื่อให้ได้มันมา

สิ่งที่ Hypit สอนเรา

หลังจากลองรันอยู่หนึ่งสัปดาห์ มุมมองของเราคือ “โคลนวิดีโอไวรัลอะไรก็ได้” เป็นพาดหัว ไม่ใช่แก่นจริง ไอเดียที่ยั่งยืนคือการเปลี่ยน โครงสร้าง ของวิดีโอให้เป็นเทมเพลตที่เอเจนต์รันซ้ำได้ คุณแยกสิ่งที่เวิร์กในวิดีโอของคนอื่นและของตัวเอง เก็บโครงไว้ แล้วให้เอเจนต์สร้างส่วนที่เปลี่ยนไป นั่นคือทิศทางที่วิดีโอ AI กำลังมุ่งหน้าไป และเป็นทิศทางเดียวกับ AI Video Agent ของเรา: บรรยายวิดีโอที่คุณต้องการ แล้วให้เอเจนต์ประกอบให้ โดยไม่ต้องตั้งค่าและไม่ต้องจ่ายบิลเอเจนต์

ถ้าคุณอยากดูอีกมุมของวิดีโอที่ขับเคลื่อนด้วยเอเจนต์ ลองอ่านบทแกะเครื่องของเราเกี่ยวกับ OpenMontage ซึ่งไล่แนวคิดคล้ายกันแต่ใช้พายป์ไลน์ต่างออกไป