← 报告库

AI 视频 · 产品调研

Hypit：让 AI 编程助手“复刻”爆款短视频

生成日期 2026-10-04 · 调研对象 github.com/hypit-ai/hypit · 数据截至当日 GitHub API 回读

一句话：Hypit 是一个开源的 AI 短视频生产系统，以 skill 形式装进 Claude Code / Codex。把一条爆款视频丢给它，agent 会把视频拆成可编辑的“工作流”（素材、字幕、B-roll、特效、配乐），再换人、换词、换产品、换语言，批量生成同结构的变体。主要客户是投流广告、TikTok 带货、AI UGC 和营销号矩阵。
19.2kStars（2026-07-29 建仓）
2.2kForks
v0.2.17最新版本 · 2026-10-01
~$1官方示例单条成本（模型费）

它到底做什么

官方口号是 “Clone any viral video with AI agents — 1 command, 100 variants, 100M views”。拆开看是三件事：

  1. 拆解：输入参考视频，agent 用 WhisperX 做逐词对齐、识别画面结构（谁在说话、何时切镜、字幕样式、音效触发点），写出一份 SVML 源文件。
  2. 改写：在 SVML 里替换主持人、台词、产品、语言、画幅；没改的部分直接复用。
  3. 生成与渲染：需要新画面时调用视频/图像/语音模型（如 Seedance、GPT Image、ElevenLabs），然后在本地用多个无头 Chromium 并发渲染，ffmpeg 合成成片。

不一定要从参考视频开始：也可以从模板起步，或直接口头描述想要的视频。纯字幕、动效图形、代码渲染的视频可以完全不调用生成模型。

参考视频 / 描述
→
Agent 写 SVML
→
换脸·换词·换 B-roll
→
调用模型补素材
→
Chromium 并发渲染
→
N 条变体

核心设计：SVML，以“词”为时间轴

SVML（Speech Video Markup Language）是 Hypit 自己的视频标记语言，GitHub topics 里把项目归为 compiler、dsl、programming-language。关键点是所有元素锚定在台词的词上，而不是秒数上：B-roll 跟着某句话出现，字幕跟着某个词高亮。好处是改一句台词或换语言后，时间线会自动重新排布，不用手动对时间——这正是“一套结构批量出 100 条变体”能成立的技术前提。

仓库是 TypeScript monorepo，packages/ 下有 100 多个包：编译器、时间线、字幕、排行榜/采访/弹幕贴纸等可插拔组件、Studio 预览界面，以及十几个模型 Provider（Seedance、GPT Image、Nano Banana、Wan、PixVerse、Grok Imagine、MiniMax、ElevenLabs、Fish Audio、WhisperX、火山引擎抠图等）。

技术方案（源码核实，commit 7f730ab）

浅克隆仓库后逐层核对，整条链路是“agent 写源码 → 编译成依赖图 → 调模型补素材 → 编译成 HTML → 无头浏览器逐帧渲染”：

层做什么谁的代码
Skill 知识库skills/hypit/ 下约 640KB 的 Markdown：系统概念、SVML 语法、字幕/音效/镜头制作手册、克隆参考视频的方法。教 agent 怎么“读懂”一条爆款并写出 SVMLHypit，开源
源码格式SVML（XML 风格，<script> 里写台词并用 @{标记} 圈出语义片段）+ SVS 数据/配方文件 + SVRun 运行记录Hypit，开源
编译与执行markup / temporal-markup / elaborator / visual-ir / timeline / runtime 等包：把源码展开成带类型的依赖图，按需执行、缓存结果（SQLite / 本地 / S3）Hypit，开源
组件字幕、排行榜、评论贴纸、分屏、文字动效等可插拔组件，每个配套 Studio 预览插件Hypit，开源
模型 Provider10 个网关 Provider + 十几个模型定义包，统一封装图像、视频、语音、转写请求Hypit 写的客户端，开源；模型本身是第三方
本地服务WhisperX 逐词对齐、OpenCV 图像处理、yt-dlp 下载，用 Python 包装成本地服务Hypit 包装，底层是开源项目
渲染引擎把视觉中间表示编译成 HTML，交给 @hyperframes/engine / producer，用 Puppeteer 驱动无头 Chromium 并发截帧，ffmpeg 合成HeyGen 开源的 HyperFrames（Apache-2.0，5.6 万 star，npm 月下载约 72 万）
HypiHub托管模型网关：OAuth 登录、积分计费，接口 hypit.ai/v1，客户端只看到图像、图像编辑、视频、语音、转写五类操作Hypit，闭源服务端

规模：约 14.3 万行 TypeScript，100 多个包，213 个测试文件。最大的包是 Studio 预览界面（约 1.1 万行）和 CLI（约 6 千行）。

两个容易误解的地方：

开源的部分是它的核心技术吗？

基本是。Hypit 自己写出的差异化技术都在仓库里：以词为锚的语义时间轴（SVML）、组件化的编译和执行系统、模型适配层，以及那套教 agent 拍短视频的制作知识库。没有发现被抽走的闭源核心模块。

没有开源的部分，以及不属于它的部分：

所以它的壁垒不在代码，而在：①一套设计得很完整的视频 DSL 和组件生态，先发占位；②沉淀在 skill 里的短视频制作经验；③许可证禁止他人用这套代码做多租户 SaaS，竞争对手不能直接拿去开托管服务；④HypiHub 作为默认推荐入口带来的模型费分成。换句话说：开源的是产品本身，变现靠托管服务和生态入口，这和 Dify 等“开源核心 + 限制商业托管”的模式一致。

官方示例

类型内容官方标注成本
UGC 排行榜20 秒足球 tier list，附 3 个克隆：换主播、翻转排名、把球员换成科技创始人$1.15
播客切片18 秒分屏采访卖肌酸，克隆成 3 个不同广告垂类$1.07
街头采访26 秒采访，带人脸追踪字幕；克隆含西班牙语版本$1.09

成本是官方自报的模型调用费，不含 Claude Code / Codex 本身的 token 费用。

商业模式与成本

许可证：不是标准 Apache 2.0

LICENSE 是“修改版 Apache 2.0 + 附加条件”（GitHub 显示为 NOASSERTION），结构类似 Dify 的许可证：

热度与质量信号

优点与风险

优点
  • 产出的是可编辑、可重复运行的工作流，而不是一次性成片，适合 A/B 测试和广告素材疲劳后的快速换开头。
  • 以词为锚的时间轴让改台词、多语言本地化成本很低。
  • 模型可插拔，不绑定单一供应商；不需要生成的部分可以零模型费。
  • 以 skill 形式运行在已有的 Claude Code / Codex 里，没有新界面要学。
风险
  • 版权与平台合规：核心卖点是“克隆别人的爆款”，换脸、换声、仿冒结构容易碰到肖像权、版权和平台 AI 内容标注规则。许可证只说成片归你，不替你承担这些风险。
  • 还很早期：0.2.x 版本，托管计费链路有未关闭的 bug，环境依赖（Node 22.15+、pnpm、Chromium、ffmpeg 版本）比较脆弱。
  • 真实成本高于 ~$1：官方数字不含 agent 的 token 消耗，也不含出错重跑的费用。
  • 商业化受限：想把它做成对外的多租户服务需要商业授权。
  • 热度≠口碑：star 增速很快，但缺少独立的长期使用评价，判断需要自己做小规模试用。

适合谁