Hypit：我们实测了能复刻爆款视频的 AI Agent 技能

Hypit 于 2026 年 7 月 29 日登陆 GitHub，几天内就突破 8,000 stars。到 9 月 22 日，它已经拥有超过 13,000 stars 和 1,500 forks，并登顶 Trendshift 的日榜。它的卖点直截了当：用 AI 代理克隆任何爆款视频。我们把它装起来，用 Codex 和 Claude Code 跑了 7 个真实任务，并记录了它做出了什么、底层怎么跑、以及实际花了多少钱。这就是那份拆解报告。来源：github.com/hypit-ai/hypit。

什么是 Hypit？

Hypit 由 Hypit.AI 推出，为 Claude Code、Codex 等 AI 编程代理提供“一套用于创作视频的语言与系统”。它不是托管式编辑器，而是以代理 Skill、命令行工具，以及一个包含 122 个包的 TypeScript 单体仓库形式发布：内置 Seedance、GPT Image、Nano Banana、Grok Imagine、MiniMax、ElevenLabs、Fish Audio 等连接器，并提供字幕、背景移除、B-roll 轨道、电影特效与渲染器。

核心概念是 SVML——Hypit 自家的标记语言。你的代理用 SVML 写视频；Hypit 负责编译并渲染帧（示例会在 64 个并行的无界面 Chromium 进程中渲染）。它的时间轴以词为锚点，而不是以秒为单位。WhisperX 会对齐每一个被说出的单词，画面元素则绑定到脚本文字的区间。下面这段是真实仓库里“足球分档榜”示例的代码：

<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}/>

hair-gel 这张 B-roll 图片会在这些词被说出来的期间精确出现在屏幕上。你只要改写这句话，时间轴就会自动重排，这也是为什么一个项目能轻松衍生出几十个变体。

安装之前，还有 3 点值得先知道：

• 生成模型不是必须的。即使不调用任何视频模型，一个项目也可以把字幕、动效和代码渲染的画面编译成成片。
• 你付费的是服务，不是 Hypit。Hypit 本身免费；你的编程代理与模型供应商会分别计费。它推荐的托管服务 HypiHub，在我们实测中 2,000 积分售价 $15；你也可以改用自己的 API key 或本地模型。
• 许可证带有条件。“Hypit Open Source License” 基于 Apache 2.0 但增加了额外条款：你可以在自己组织内部进行商业使用，但若将其作为面向他人的多租户服务托管，或进行转售，则需要商业许可证。你制作的视频归你所有。

它如何工作：我们实测看到的流程

安装只需一条命令：npx skills add hypit-ai/hypit -g。首次使用时，代理会查找或安装 Hypit 可执行文件（需要 Node.js 22.15 或更新版本）。之后每个任务基本都遵循同一个循环。

1. 代理观看并拆解参考视频

我们给 Codex 一段 34 秒的财经讲解视频，并输入“Hypit，照着这个视频做”。它会先看完片子，描述结构（先是一段口播开场，接着 5 张市场图表依次叠放出现，伴随缩放与夸张对比），然后提出方案：保留出镜人、音色和脚本，把图表、字幕与镜头运动重建为可编辑元素。接着它会问你想替换哪些部分。

2. 在花钱之前先给出报价

这是最让人安心的一点。在任何付费调用之前，代理会先列出成本表并等待确认。以一段中文口播视频为例，它报价4.39 积分（约 $0.03）用于转写原音并在本地重建；而若要在 720p 下重新生成全部 132 秒的出镜画面，则需要$5.69–9.34（不含重试）。随后它会请求授权：仅转写最多扣 10 积分（约 $0.075），并注明“目前尚未进行任何付费调用”。

3. 生成、渲染，并交付一个可编辑项目

一旦批准，代理会生成各个组件，编译 SVML 并渲染。你不仅会拿到成片文件，还会得到背后的项目，它会在 Hypit Studio 中打开：左侧是源码，中间是预览，右侧是属性，下方是多轨时间线。你可以手动编辑，也可以让代理自行复查并修正剪辑。

我们真的跑了：7 个任务

我们用 Codex 和 Claude Code 的桌面应用跑了 7 个任务，视频用 Seedance 2 Mini、图像用 GPT Image 2。下面是每个任务的产出：

• 口播动效复刻。我们让它把某位创作者的“撕纸+贴纸+胶带”剪辑风格套到我们自己的口播片段上。它把质感还原得相当像。
• 换装。把一条热门试穿视频的服装替换成游戏角色服装。大多数镜头都能站得住。
• 风格迁移。把一个梗图片段重绘成某个知名成人动画风格。它以原片为底进行再风格化，效果确实不错。
• 主体替换。一条约 100 万点赞的爆款唱歌视频，把两位表演者替换成两只猫。小瑕疵有，但整体很强（下方第一个片段）。
• 同风格，新内容。基于一条热门财经讲解，代理写了新的“Why HBM matters”脚本，用代码画示意图，并在左上角生成了出镜讲解者。它的报告写道：“已导出，37.1 秒，1080p … 只运行了第一轮生成，没有额外的付费生成。” 整个任务耗费了1 小时 8 分钟的代理时间。
• Blender 惊喜。我们让它替换某位科技评测视频里用多米诺骨牌拼出来的首字母，它完全跳过视频模型，直接用 Blender 重建镜头，渲染了 87 帧（30 fps 下 2.9 秒），再把它拼接回其他未改动的画面里。这是本周最“外科手术式”的修复。
• 电影感手机评测。把一条电影风产品评测重制为数字人讲解，并生成 B-roll（下方第二个片段）。整体是最弱的结果：AI 味很明显，和真人剪辑师相比差距不小。
• 电商小短剧。基于一张参考图和源视频，重制了一段“玩偶用锤子砸鸡蛋”的短促销剧情。我们给它的评分大致与原片相当——而原片本身也是 AI 生成的。

关于我们在这里展示的内容说明：这些测试大多从其他创作者的视频开始，而那些人脸、声音与画面并非我们所有，无法直接转载。因此下面的片段都是“画面没有人物出镜”的输出版本，且音频已静音。

实测 Demo 片段

从上面的测试中截取两段未剪辑的输出，来自我们的录屏。

坦诚结论：优势与真实边界

让我们惊艳的点：

• 它克隆的是结构，不只是脚本。输出是可重复运行的项目，所以换出镜人、产品或语言，属于“再跑一次”，而不是“重新剪一次”。
• 以词为锚的时间轴。改写一句台词，B-roll、字幕与剪辑点依然能保持同步。
• 总能选到够用且最便宜的工具。必须生成时才用视频模型；只需微创修补时，就用代码，甚至用 Blender。
• 成本非常透明。它会估算每一步，并在付费调用前征求确认——在代理工具里这很少见。

不足之处：

• 真正的大头是代理费用。Hypit 自己的 README 示例称每次克隆的模型费用约 $1.10。我们的实测中，成本更高的是编程代理：7 个任务把我们 $100 的 ChatGPT 套餐可用额度从 50% 用到了 3%。
• 它很慢。有一次克隆耗费了超过 1 小时的代理时间。
• 写实重制依然有 AI 味。电影感评测明显是合成的，生成镜头也能看到小伪影。
• 你需要一套代理工作流。你得有编程代理、Node.js 22.15+ 和模型账号。它对开发者友好，但对“只想做个视频”的人不够友好。
• 许可证并非完全宽松。未经商业许可，你不能把 Hypit 作为服务提供给其他团队，也不能转售。
• 版权责任在你自己。Hypit 说产出归你，但参考视频的人脸、声音、素材与音乐仍归原权利人。把爆款视频当作结构来学习，而不是当作素材直接再发布。

Hypit vs 托管式 AI 视频工具

Hypit 和 VisionStory 这类托管式工具最终都能输出成片，但起点不同、计费方式也不同。

适合选择 Hypit 的情况：你要批量制作广告或 UGC 变体、值得把一个爆款格式模板化，并且团队里有开发者。更适合选择托管式工具的情况：你想今天就拿到一条出镜讲解视频，也不想为了它支付数小时的代理时间成本。

Hypit 给我们的启发

跑了一周后，我们的感受是：“克隆任何爆款视频”是标题，但不是重点。更长期、更关键的想法，是把视频的结构变成代理可重复运行的模板。你拆解别人的视频（以及你自己的视频）里有效的做法，保留骨架，让代理去生成那些会变化的部分。AI 视频正在朝这个方向走，这也与我们自己的 AI Video Agent 同一路线：描述你想要的视频，让代理自动组装出来——无需复杂配置，也无需承担高额的代理账单。

如果你还想看另一种“代理驱动的视频”思路，可以看看我们对 OpenMontage 的拆解，它用不同的流水线追求了相似的理念。