Hypit：我们实测了能克隆爆款视频的 AI Agent 技能

Hypit 于 2026 年 7 月 29 日登陆 GitHub，并在几天内突破 8,000 星。到 9 月 22 日，它已拥有超过 13,000 星和 1,500 次 fork，并登上 Trendshift 的日榜第一。它的主张很直接：用 AI 代理克隆任何爆款视频。我们安装了它，用 Codex 和 Claude Code 跑了 7 个真实任务，并记录它做出了什么、底层怎么运作，以及实际花了多少钱。这就是这篇拆解。来源：github.com/hypit-ai/hypit。

什么是 Hypit？

Hypit 来自 Hypit.AI，为 Claude Code、Codex 等 AI 编码代理提供“一套用来制作视频的语言与系统”。它不是托管式编辑器。它以代理 Skill、命令行工具，以及一个包含 122 个 package 的 TypeScript monorepo 形式发布：内置 Seedance、GPT Image、Nano Banana、Grok Imagine、MiniMax、ElevenLabs 和 Fish Audio 的连接器，并包含字幕、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 编译它并渲染帧（示例里用 64 个并行的无头 Chromium 进程渲染）。时间轴以词为锚点，而不是以秒为单位。WhisperX 会对齐每一个说出口的词，画面则挂载在脚本的词段上。下面是仓库里“足球分层榜单”示例的真实代码：

<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 这段 B-roll 图片会在这些词被说出来的同时精确出现在屏幕上。你只要改写台词，时间就会自动重新流动，这也是为什么同一个项目能衍生出几十个变体。

安装前还有 3 件事值得先知道：

• 生成模型是可选的。一个项目可以把字幕、动效与代码渲染画面编译成成片，全程不调用任何视频模型。
• 你付费的是服务，不是 Hypit。Hypit 本身免费；你的编码代理与模型供应商会分别计费。它推荐的托管服务 HypiHub 在我们实测时的售价是 $15 买 2,000 积分；你也可以改用自己的 API key 或本地模型。
• 许可证有附加条件。“Hypit Open Source License” 基于 Apache 2.0 但增加了额外条款：你可以在自己的组织内部用于商业用途，但如果要把它托管成面向他人的多租户服务，或进行转售，则需要商业许可证。你制作的视频归你所有。

它怎么运作：我们实测中看到的流程

安装只需要一条命令：npx skills add hypit-ai/hypit -g。首次使用时，代理会找到或安装 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 一个 34 秒的财经讲解视频，并输入“Hypit，复制这个视频”。它先看完片段，描述结构（口播开场，接着 5 张市场图表依次叠放出现，并有缩放与夸张对比），然后给出计划：保留主播、音色与脚本，把图表、字幕和镜头运动重建为可编辑元素。接着它会问我们想替换哪些部分。

2. 它在花钱前先把价格算清楚

这是最让人安心的一点。在进行任何付费调用之前，代理会先列出费用表并等待确认。对于一个中文口播片段，它报价转写原音并在本地重建为 4.39 积分（约 $0.03）；而如果要把 132 秒的出镜画面全部以 720p 重新生成，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），并特别注明“目前尚未进行任何付费调用”。

3. 它生成、渲染，并把可编辑项目交给你

一旦批准，代理就会生成各个组件、编译 SVML 并渲染。你会得到一个成片文件以及背后的项目；项目会在 Hypit Studio 中打开：左侧是源代码，中间是预览，右侧是属性，底部是多轨时间轴。你可以手动修改，也可以让代理直接审阅并修正剪辑。

我们真的跑了：7 个任务实测

我们用 Codex 与 Claude Code 桌面端跑了 7 个任务，视频用 Seedance 2 Mini，图片用 GPT Image 2。每个任务的产出如下：

• 口播动效包装。我们让它把某创作者“撕纸 + 贴纸 + 胶带”的剪辑风格，套用到我们自己的口播片段上。它重建出来的观感相当像。
• 换装。把一个热门试穿视频的衣服换成游戏角色服装。大部分镜头都站得住。
• 风格迁移。把一个 meme 片段重画成知名成人动画风格。它以原片为底再做重绘，成品确实不错。
• 主体替换。一个点赞约 100 万的爆款唱歌视频，把两位表演者换成两只猫。有些小瑕疵，但整体很强（下面第一个片段）。
• 同风格，新内容。基于一个热门财经讲解，代理写了新的“Why HBM matters”脚本，用代码画图，并在左上角生成一个出镜讲解者。它的报告写道：“已导出，37.1 s，1080p … 仅运行第一轮生成；没有额外付费生成。”整个任务耗时1 小时 8 分钟的代理时间。
• Blender 的惊喜。我们让它替换某科技评测视频里用多米诺骨牌拼出的首字母，它完全跳过了视频模型，直接用 Blender 重建镜头，渲染了87 帧（30 fps 下的 2.9 秒），再把它拼回其余未改动的原片里。这是本周最“外科手术式”的修复。
• 电影感手机评测。把一条电影风格的产品评测，用数字主播和生成的 B-roll 重做（下面第二个片段）。整体是最弱的一项：AI 味很明显，和真人剪辑师相比差距不小。
• 电商短剧。基于一张参考图和源视频，它重做了一条销售短剧：一个娃娃用锤子砸鸡蛋。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补充说明：这些测试多数从其他创作者的视频起步，而那些人脸、声音和素材不属于我们，无法公开转发。所以你在下方看到的片段都是“画面无人出镜”的输出版本，且音频已静音。

我们的实测 Demo 片段

下面是上面测试中的两个未剪辑输出，直接从我们的录屏中截取。

坦白评价：亮点与真实边界

让我们印象深刻的点：

• 它克隆的是结构，而不只是脚本。输出是可重复运行的项目，所以替换主播、产品或语言，相当于再跑一次，而不是重新剪一次。
• 以“词”为锚的时间对齐。改一行台词，B-roll、字幕与剪辑点依然同步。
• 它会选“够用且最便宜”的工具。必须生成时才用视频模型；如果只需要精修，它会用代码甚至 Blender。
• 成本透明。每一步都会先估算费用，并在付费调用前征询确认——在代理工具里很少见。

它的短板：

• 真正的大头是代理费用。Hypit 自己的 README 示例里，每次克隆的模型费用大约是 $1.10。我们实测里更贵的是编码代理：7 个任务把我们 $100 的 ChatGPT 套餐从 50% 用量打到只剩 3%。
• 它很慢。有一次克隆跑了超过 1 小时的代理时间。
• 写实重制依然会有 AI 质感。那条电影感评测明显是合成的，生成镜头也会出现一些小伪影。
• 你得有“代理式工作流”。你需要编码代理、Node.js 22.15+，以及各模型的账户。它对开发者友好，但不适合只想要一个视频的人。
• 许可证并非完全宽松。没有商业许可证，你不能把 Hypit 托管成面向其他团队的服务，也不能转售。
• 版权责任在你。Hypit 说你的输出归你所有，但参考视频中的人脸、声音、素材与音乐归各自权利人所有。把爆款视频当作“结构范本”来学习，而不是当作可以直接复刻再发布的素材。

Hypit vs 托管式 AI 视频工具

Hypit 和 VisionStory 这类托管工具最终都能得到一个成片视频，但起点不同、计费方式也不同。

适合选择 Hypit 的情况：你在大批量产出广告或 UGC 变体、一个已验证的爆款格式值得模板化，而且团队里有开发者。适合选择托管工具的情况：你今天就要一个讲解/口播视频，并且不想为了它额外支付数小时的代理时间。

Hypit 给我们的启发

跑完一周，我们的结论是：“克隆任何爆款视频”是标题，而不是重点。更有长期价值的想法，是把视频的结构变成一个代理可重复运行的模板。你拆解别人的视频和自己作品里哪些地方有效，保留骨架，让代理生成那些会变化的部分。这就是 AI 视频的方向，也与我们自己的 AI Video Agent 一致：描述你想要的视频，让代理帮你组装完成——无需复杂搭建，也不必承担高昂的代理账单。

想看另一种代理驱动的视频思路，也可以读我们对 OpenMontage 的拆解，它用不同的流水线实现了类似理念。