Hypit xuất hiện trên GitHub vào ngày 29/07/2026 và vượt mốc 8 000 sao chỉ trong vài ngày. Tới 22/09, dự án đã có hơn 13 000 sao và 1 500 fork, đồng thời đứng đầu bảng xếp hạng theo ngày của Trendshift. Lời chào hàng thì thẳng thừng: nhân bản mọi video viral bằng AI agent. Chúng tôi đã cài đặt, chạy 7 tác vụ thực tế qua Codex và Claude Code, rồi ghi lại: nó tạo ra gì, hoạt động “bên trong” ra sao, và thực sự tốn bao nhiêu. Đây chính là bài mổ xẻ đó. Nguồn: github.com/hypit-ai/hypit.
Hypit là gì?
Hypit, đến từ Hypit.AI, cung cấp cho các AI coding agent như Claude Code và Codex “một ngôn ngữ và hệ thống để tạo video.” Đây không phải editor dạng hosted. Nó được phát hành dưới dạng một Skill cho agent, một công cụ dòng lệnh và một TypeScript monorepo gồm 122 package: connector cho Seedance, GPT Image, Nano Banana, Grok Imagine, MiniMax, ElevenLabs và Fish Audio, cùng caption, tách nền, track B-roll, hiệu ứng phim và trình render.
Ý tưởng cốt lõi là SVML, ngôn ngữ markup do Hypit tự thiết kế. Agent của bạn viết video bằng SVML; Hypit biên dịch và render từng frame (ví dụ của họ render bằng 64 tiến trình Chromium headless chạy song song). Nhịp thời gian được neo theo từ, không phải theo giây. WhisperX căn chỉnh mọi từ được nói, và hình ảnh được gắn vào các đoạn span của kịch bản. Đây là mã thật từ ví dụ football tier-list trong 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}/>Ảnh B-roll hair-gel sẽ xuất hiện đúng chính xác trong lúc các từ đó được nói. Bạn chỉ cần viết lại câu, và nhịp thời gian sẽ tự chảy lại, nên một dự án có thể “đẻ” ra hàng chục biến thể.
Thêm 3 điều đáng biết trước khi bạn cài đặt:
- Mô hình tạo sinh là tùy chọn. Một dự án có thể biên dịch caption, motion graphic và hình ảnh render bằng code thành video hoàn chỉnh mà không cần gọi bất kỳ mô hình video nào.
- Bạn trả tiền cho dịch vụ, không phải Hypit. Hypit miễn phí; AI coding agent và các nhà cung cấp mô hình sẽ tính phí riêng. Dịch vụ hosted mà họ khuyến nghị, HypiHub, bán credit với giá $15 cho 2 000 trong lần chạy của chúng tôi; và bạn cũng có thể dùng API key của riêng mình hoặc mô hình chạy cục bộ thay thế.
- License có điều kiện. “Hypit Open Source License” là Apache 2.0 kèm điều khoản bổ sung: bạn có thể dùng thương mại trong nội bộ tổ chức của mình, nhưng nếu host thành dịch vụ multi-tenant cho người khác hoặc bán lại thì cần license thương mại. Video bạn tạo ra thuộc về bạn.
Cách nó hoạt động: những gì chúng tôi thấy khi chạy thử
Cài đặt chỉ cần một lệnh: npx skills add hypit-ai/hypit -g. Lần đầu dùng, agent sẽ tìm hoặc cài file thực thi Hypit (Node.js 22.15 trở lên). Từ đó, mọi tác vụ đều theo cùng một vòng lặp.
1. Agent xem và bóc tách video tham chiếu
Chúng tôi đưa cho Codex một video giải thích tài chính dài 34 giây và gõ “Hypit, copy video này.” Nó xem clip, mô tả cấu trúc (mở đầu talking-head, rồi 5 biểu đồ thị trường xếp chồng lần lượt, có zoom và tương phản phóng đại) và đề xuất kế hoạch: giữ nguyên host, giọng nói và kịch bản, rồi dựng lại biểu đồ, caption và chuyển động camera thành các thành phần có thể chỉnh sửa. Sau đó nó hỏi chúng tôi muốn thay thế những gì.
2. Nó báo giá trước khi tiêu bất kỳ khoản nào
Đây là phần khiến chúng tôi yên tâm nhất. Trước mọi lời gọi có tính phí, agent đưa ra một bảng chi phí và chờ. Với một clip talking-head tiếng Trung, nó báo 4.39 credit (khoảng $0.03) để chép lời bản gốc và dựng lại cục bộ, so với $5.69–9.34, chưa tính retry, để tạo lại toàn bộ 132 giây cảnh quay on-camera ở 720p. Sau đó nó xin phép tính tối đa 10 credit (khoảng $0.075) chỉ cho phần chép lời, đồng thời nhấn mạnh rằng “chưa có lời gọi trả phí nào được thực hiện.”
3. Nó dựng, render và đưa bạn một dự án có thể chỉnh sửa
Khi được duyệt, agent tạo các thành phần, biên dịch SVML và render. Bạn nhận được một tệp hoàn chỉnh và cả dự án phía sau, mở trong Hypit Studio: nguồn ở bên trái, preview ở giữa, thuộc tính bên phải và timeline đa track phía dưới. Bạn có thể tự sửa tay hoặc yêu cầu agent rà soát và sửa chính cú cắt.
lsj-reconstruction dài 2.90 giây trên một track riêng; footage gốc phía dưới không hề bị động tới. Footage bên thứ ba đã được làm mờ.Chúng tôi đã chạy thật: 7 tác vụ
Chúng tôi chạy 7 tác vụ qua app desktop của Codex và Claude Code, dùng Seedance 2 Mini cho video và GPT Image 2 cho hình ảnh. Đây là những gì mỗi tác vụ tạo ra:
- Motion graphic cho talking-head. Chúng tôi yêu cầu nó copy phong cách dựng “giấy rách, sticker và băng dính” của một creator lên một clip talking-head của chính chúng tôi. Nó tái hiện phong cách đó rất thuyết phục.
- Đổi trang phục. Một video try-on đang thịnh hành, với trang phục được thay bằng đồ trong game. Kết quả ổn trong hầu hết các cảnh.
- Chuyển phong cách. Một clip meme được vẽ lại theo phong cách hoạt hình người lớn nổi tiếng. Nó dùng clip gốc làm nền rồi “restyle” chồng lên, và kết quả thực sự rất tốt.
- Đổi chủ thể. Một video hát viral khoảng một triệu lượt thích, với hai người biểu diễn được thay bằng hai con mèo. Có vài lỗi nhỏ, nhưng tổng thể rất ổn (clip đầu tiên bên dưới).
- Giữ phong cách, đổi nội dung. Từ một video giải thích tài chính phổ biến, agent viết kịch bản mới “Vì sao HBM quan trọng”, vẽ sơ đồ bằng code và tạo một người dẫn on-camera ở góc trên bên trái. Báo cáo của nó: “Đã xuất, 37.1 giây, 1080p … chỉ chạy vòng tạo sinh đầu tiên; không có tạo sinh trả phí bổ sung.” Toàn bộ tác vụ tốn 1 giờ 8 phút thời gian của agent.
- Bất ngờ từ Blender. Khi được yêu cầu đổi các chữ cái viết bằng domino trong video của một reviewer công nghệ, nó bỏ qua mô hình video hoàn toàn. Nó dựng lại cảnh trong Blender, render 87 frame (2.9 giây ở 30 fps) và ghép vào footage vốn không thay đổi. Đây là pha “phẫu thuật” gọn nhất trong tuần.
- Review điện thoại kiểu điện ảnh. Một video review sản phẩm theo phong cách phim được làm lại với người dẫn kỹ thuật số và B-roll tạo sinh (clip thứ hai bên dưới). Tổng thể đây là kết quả yếu nhất: chất “AI” lộ rõ, và kém xa một editor người thật.
- Tiểu phẩm e-commerce. Từ một ảnh tham chiếu và video nguồn, nó làm lại một tiểu phẩm bán hàng ngắn trong đó một con búp bê đập trứng bằng búa. Chúng tôi chấm ngang ngửa bản gốc, vốn cũng là AI tạo.
Một lưu ý về những gì chúng tôi hiển thị ở đây: đa số bài test bắt đầu từ video của các creator khác, và những gương mặt, giọng nói, footage đó không thuộc quyền của chúng tôi để đăng lại. Vì vậy các clip bên dưới là đầu ra không có người trên màn hình, và âm thanh đã được tắt.
Clip demo từ các lần chạy
Hai đầu ra chưa chỉnh sửa từ các bài test ở trên, cắt từ bản ghi màn hình của chúng tôi.
Kết luận thẳng thắn: điểm mạnh và giới hạn thực tế
Điều khiến chúng tôi ấn tượng:
- Nó nhân bản cấu trúc, không chỉ kịch bản. Đầu ra là một dự án có thể chạy lại, nên đổi host, sản phẩm hoặc ngôn ngữ là chạy lại, không phải edit lại.
- Nhịp thời gian neo theo từ. Viết lại một câu và B-roll, caption, các cú cắt vẫn đồng bộ.
- Nó chọn công cụ rẻ nhất nhưng vẫn hiệu quả. Nó dùng mô hình video khi bắt buộc phải tạo sinh, và dùng code hoặc thậm chí Blender khi chỉ cần một chỉnh sửa “phẫu thuật”.
- Minh bạch chi phí. Nó ước tính từng bước và hỏi trước khi gọi dịch vụ trả phí — điều hiếm thấy ở các công cụ dạng agent.
Điểm còn thiếu:
- Agent mới là hóa đơn thật. Ngay trong ví dụ README của Hypit, phí mô hình khoảng $1.10 cho mỗi lần clone. Trong test của chúng tôi, khoản lớn hơn lại là AI coding agent: 7 tác vụ kéo gói ChatGPT $100 của chúng tôi từ 50% xuống còn 3% hạn mức sử dụng.
- Nó chậm. Một lần clone mất hơn một giờ thời gian agent.
- Remake “thực” vẫn trông như AI. Bản review kiểu điện ảnh rõ ràng là tổng hợp, và các cảnh tạo sinh có những artifact nhỏ.
- Bạn cần một quy trình làm việc với agent. Bạn cần AI coding agent, Node.js 22.15+ và tài khoản mô hình. Nó thân thiện với developer, không dành cho người chỉ muốn có một video.
- License không hoàn toàn “thoáng”. Bạn không thể host Hypit như một dịch vụ cho các team khác hoặc bán lại nếu không có license thương mại.
- Quyền sử dụng là trách nhiệm của bạn. Hypit nói đầu ra thuộc về bạn, nhưng gương mặt, giọng nói, footage và nhạc của video tham chiếu thuộc về chủ sở hữu của chúng. Hãy coi video viral là cấu trúc để học, không phải tư liệu để đăng lại.
Hypit so với một công cụ Video AI dạng hosted
Hypit và các công cụ hosted như VisionStory đều cho ra một video hoàn chỉnh, nhưng chúng bắt đầu từ những điểm khác nhau và tính phí theo những cách khác nhau.
| Hypit (agent skill) | VisionStory (hosted) | |
|---|---|---|
| Điểm bắt đầu | Một video tham chiếu hoặc một bản brief bằng chữ | Một bức ảnh, một avatar hoặc một kịch bản |
| Thiết lập | Cài skill; AI coding agent, Node.js 22.15+ và tài khoản mô hình | Không cần; chạy ngay trên trình duyệt |
| Bạn trả cho gì | Mức sử dụng AI coding agent cộng với credit mô hình (ví dụ Hypit: khoảng $1 phí mô hình mỗi lần clone; chi phí agent của chúng tôi còn cao hơn nhiều) | Gói đăng ký hoặc credit |
| Thời gian cho mỗi video | Vài phút đến hơn một giờ thời gian agent | Vài phút |
| Bạn nhận được gì | Một dự án SVML có thể chỉnh sửa, chạy lại, kèm bản render | Một video avatar biết nói hoặc Video AI hoàn chỉnh |
| Bản quyền/quyền sử dụng | Bạn phải tự xử lý quyền đối với mọi footage, gương mặt hoặc giọng nói bạn clone | Avatar và giọng nói của bạn hoặc đã được cấp phép |
| Phù hợp nhất khi | Bạn sẽ kiếm tiền từ nhiều biến thể và sống trong workflow dạng agent | Bạn muốn có ngay một video biết nói hoàn chỉnh mà không cần chạy agent |
Chọn Hypit nếu bạn sản xuất quảng cáo hoặc biến thể UGC với số lượng lớn, một format thắng đáng để “đóng khuôn” thành template, và team có developer. Chọn công cụ hosted nếu bạn muốn có video người dẫn ngay hôm nay và không muốn trả tiền cho hàng giờ thời gian agent chỉ để có được nó.
Những gì Hypit dạy chúng tôi
Sau một tuần chạy thử, nhận định của chúng tôi là “clone mọi video viral” chỉ là headline, không phải trọng tâm. Ý tưởng bền vững là biến cấu trúc của video thành một template để agent có thể chạy lại. Bạn bóc tách những gì hiệu quả trong video của người khác và của chính mình, giữ bộ khung, rồi để agent tạo ra các phần thay đổi. Đó là hướng mà Video AI đang đi tới, và cũng là hướng của AI Video Agent của chúng tôi: mô tả video bạn muốn và để agent lắp ráp, không cần thiết lập rườm rà hay “hóa đơn agent”.
Nếu muốn xem một góc nhìn khác về video do agent dẫn dắt, hãy xem bài mổ xẻ OpenMontage của chúng tôi, dự án theo đuổi ý tưởng tương tự nhưng với pipeline khác.
