hypit
hypit-ai/hypit加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你看到一条 TikTok 爆款视频——20 秒的足球排行，梅西 S 级、C 罗 D 级，字幕卡点精准，BGM 卡点完美。你想把同样的套路换成自己的产品或人物，快速量产 100 条变体。
传统的做法是：找剪辑师一帧帧模仿，或者自己花几个小时对着 PR/达芬奇手动操作。而 Hypit 告诉你：把这 20 秒视频丢给 AI Agent，10 分钟后，100 条不同内容的变体视频已经躺在你的文件夹里。
这就是 Hypit 解决的核心问题——视频创作的规模化和工作流复用。
短视频内容行业有一个隐秘的规律：爆款视频的结构是可以被复制的。Hook 句式、画面节奏、字幕样式、BGM 卡点——这些模板一旦验证有效，就可以批量生产变体。
问题在于，这种"复制"在传统工具里需要大量手工操作。脚本拆解、转场模仿、字幕重新对齐，每一步都依赖人工。一条 20 秒视频的手工变体化，可能需要 2-3 小时。
Hypit 的出现，直接把这个过程自动化了。它的核心思路是：不再按时间轴（秒）来组织视频内容，而是按语义（文字）来锚定所有元素。这样一来，换掉"梅西"换成"C 罗"，整个视频的字幕时间轴、画面覆盖、表情包弹出位置，全部自动重新对齐。
Hypit 的核心创新，是一种名为 SVML（Semantic Video Markup Language） 的领域特定语言。开发者将其类比为"视频版的 HTML"——所有视觉和听觉元素，都通过文字语义而非帧时间来声明。
举例：一条视频里说"现在揭晓第一名"时，要同时出现字幕、BGM 变调、一个表情包动画。在传统工具里，这需要精确到毫秒级的关键帧设置；在 SVML 里，只需声明"这行文字出现时，触发这些效果"，Hypit 的编译器会自动计算时间轴。
SVML 的好处在于可读性和可维护性。一份 .svml 文件就是一个完整的视频工程，不依赖特定的视频编辑软件，任何文本编辑器都可以修改。这意味着 AI Agent 可以直接读取、理解和修改视频工程文件——而这在传统 PR/达芬奇项目里是不可能的。
Hypit 采用 pnpm monorepo 架构，项目下有超过 100 个独立 packages，形成了完整的视频创作技术栈。
| 层级 | 核心包 | 说明 |
|---|---|---|
| 编译器 | compiler-node、compiler-markup-node | 解析 SVML 文件，生成中间可视表达式（Visual IR） |
| 核心运行时 | core、runtime、runtime-local | 调度任务、管理 Build Result、控制执行流程 |
| CLI | cli、video-cli | 面向用户的命令行入口 |
| 浏览器编辑器 | studio、studio-adapter | Hypit Studio，基于 HyperFrames 的浏览器端视频预览 |
| 渲染 | film、film-studio、render-hyperframes | 视频帧渲染引擎，支持多轨道并行 |
| 字幕 | caption、caption-fine、caption-fine-studio | 多格式字幕生成，支持颜色盒卡拉 OK 字幕 |
| 语音 | speech、speech-alignment、elevenlabs-speech、fishaudio-speech | 语音合成 + 词级对齐 |
| 图片生成 | image-compose、gpt-image、seedance、grok-imagine、pixverse、wan | 对接多个图像生成模型 |
| 视频生成 | seedance、seedance-kits | Seedance 视频模型集成 |
| 转录 | whisperx、whisperx-word-align | WhisperX 语音识别 + 词级时间对齐 |
| 素材下载 | yt-dlp | 从 YouTube/TikTok 下载原始素材 |
| 抠图 | background-removal、volcengine-matting | 背景移除 |
| 字体 | fonts-open | 开源字体管理 |
| 存储 | resource-store-fs、resource-store-s3、store-sqlite | 本地/云端资源存储 + SQLite 状态管理 |
| AI 模型路由 | model-kit、provider-* 系列 | 统一抽象多模型服务商（HypiHub、Monid、Pollo、HiAPI 等） |
特别值得注意的是 provider-* 系列包的设计：Hypit 并没有绑定某个特定 AI 服务商，而是通过 Provider 抽象层，将 Seedance、GPT Image、WhisperX、GPT Image 2 等多个服务商统一接入。这种设计让用户可以自由选择性价比最高的模型组合，也避免了单一服务商涨价或宕机带来的业务风险。
Hypit 支持两条使用路径：
路径一：从参考视频克隆（最适合新手）
把一条喜欢的视频丢给 AI Agent，告诉它"把这个视频里的人物换成我，排名内容换成我的产品"。Agent 会自动分析参考视频的结构——镜头、BGM、字幕格式、B-roll 选择——然后用你的内容重新生成整个工作流。官方示例中，一条"GOAT 争论"视频（足球排行），总成本 $1.15，输出了 3 条不同主题的变体。
路径二：从零描述创建（适合有明确想法的用户）
直接告诉 Agent"做一个访谈视频，A 角色向 B 角色推荐 C 产品"，Agent 从零规划整个视频结构，选择合适的模板，生成所有素材。
工具上手门槛方面：这不是一个普通用户可以直接打开网页使用的工具。它需要：
如果你只想点几个按钮就出视频，Hypit 不是答案。但如果你有批量视频生产的需求，愿意花时间理解工作流，它的效率提升是指数级的。
部署难度：困难
Hypit 没有提供 Dockerfile 或 docker-compose，这对习惯了一键部署的用户来说是最大的门槛。正确的方式是通过 npm 安装：
npx skills add hypit-ai/hypit -g
安装后，Agent 会自动检查并安装 hypit 可执行文件。运行时依赖包括：
本地存储需要 5GB+，内存 8GB+，如果运行浏览器渲染还需要 GPU 4GB+。
好消息是，Hypit 提供了 Hypit Studio——一个基于浏览器的可视化编辑器，在视频生成后可以预览时间轴、修改属性、添加注释。Studio 通过 HyperFrames 技术在浏览器内实时渲染视频预览，不需要导出就能看到最终效果。
许可证争议：Hypit 使用的是"Apache 2.0 + 商业限制"的混合许可证，多租户 SaaS 服务需要购买商业许可。对于想在 Hypit 基础上构建商业服务（如视频生成平台）的开发者来说，这是一道门槛。
学习曲线陡峭：SVML 语言本身需要学习成本，monorepo 的 100+ packages 结构对代码贡献者也有一定要求。
外部 API 依赖：视频生成依赖 Seedance、GPT Image 等外部服务，这些服务本身有成本（官方示例 $1.07-$1.15/条），且服务可用性不受 Hypit 控制。
硬件要求高：64 个并发无头 Chromium 进程的渲染方式，对机器性能要求较高。
Hypit 代表了一个新兴趋势——用 AI Agent 接管"结构性重复"的工作。
在 Hypit 出现之前，AI 视频工具的竞争主要在"单条视频质量"上。Hypit 切换了竞争维度：不是"生成一条更好的视频"，而是"让批量生成变得可行"。这对于广告营销、社交媒体运营、内容农场等场景，有直接的商业价值。
项目本身增长迅猛——2026 年内从 0 增长到近 2 万 stars，Trendshift 排行 TypeScript 类目第一，且持续保持日更趋势。这种增长速度说明市场需求真实存在。
一句话总结：Hypit 不是一个视频生成工具，而是一套让 AI Agent 学会做视频的操作系统。如果你有批量视频生产需求，值得投入时间学习；如果你只是想偶尔生成一条视频，它可能过于复杂。
