sdk
用 JSX 声明式语法统一调用 Kling/Flux/ElevenLabs 等多平台 AI 视频能力的 TypeScript SDK
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
用 JSX 声明式语法统一调用 Kling/Flux/ElevenLabs 等多平台 AI 视频能力的 TypeScript SDK
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。
varg 是由独立开发者 varg 创立的 AI 视频生成 SDK，通过 JSX 语法将 AI 视频创作从命令式代码转变为声明式组件化编程。只需编写类似 React 的 TSX 文件，即可调用 Kling v3、Flux、ElevenLabs、Wan 2.5 等多个顶级 AI 提供商的能力，生成包含视频、图像、配音、音乐、字幕的完整短片。自 2025 年 11 月上线以来，该项目已获得 325 颗 GitHub Stars，吸引了大量 AI 创作者和开发者关注。
2025 年下半年，AI 视频生成技术迎来爆发式突破。Kling（快手可灵）发布 v3 版本，OpenAI Sora 正式开放 API，Runway、Flux 持续迭代。然而，开发者面临一个尴尬的现实：每个平台都有独立的 SDK、不同的 API 认证体系、各自的参数命名方式。想同时用 Kling 生成主体、用 ElevenLabs 做配音、用 Flux 做图转视频？意味着要写三套不同的接入代码，理解三个平台各自的异步任务轮询机制，处理三种不同的输出格式。 varg 正是为解决这一痛点而生。它的核心理念是**「一个 API Key，一个入口，所有 AI 视频能力」**。开发者不再需要逐一对接每个平台，varg SDK 作为统一网关屏蔽了底层差异，通过 Vercel AI SDK 的标准化接口暴露所有功能。
varg 的代码结构可分为三层清晰解耦：
第一层：Provider 层（src/providers/）负责对接各 AI 平台。每个 Provider（如 FalProvider、ElevenLabsProvider、ReplicateProvider）封装特定平台的 SDK，将平台特有调用转化为统一的 Provider 接口。Provider 之间相互独立，新增一个 AI 平台只需新增一个 Provider 文件。
第二层：Core 层（src/core/）是整个 SDK 的调度引擎。Registry 负责维护所有模型（Model）、动作（Action）和技能（Skill）的定义，并提供名称解析和搜索能力。Executor 负责路由执行逻辑，根据定义类型调用对应的 Provider；Schema 层通过 Zod 提供完整的输入输出类型校验，保证各 Provider 之间的数据一致性。
第三层：AI-SDK 层（src/ai-sdk/）基于 Vercel AI SDK 封装高层能力，包括图像生成（generateImage）、视频生成（generateVideo）、音乐生成（generateMusic）、文件缓存（withCache）等。Middleware 机制允许在模型调用前后插入逻辑，例如 wrapVideoModel 用于处理视频占位符，musicPlaceholderFallbackMiddleware 用于流式音乐预览。
此外，src/react/ 模块提供了完整的 JSX 运行时和渲染引擎。通过 vargai render 命令，本地即可执行 <Render> → <Clip> → <Video> / <Speech> / <Music> 组件树，最终输出 MP4 文件。渲染过程基于 Remotion（专业视频合成框架），支持 67 种 GL 过渡效果（fade、crossfade、cube 等），以及 9 种字幕样式（tiktok、karaoke、bounce、typewriter）。
图1：vargHQ 项目创始人头像
varg 最具创新性的设计是将 JSX 引入视频创作领域。传统视频生成 API 需要写这样的代码：
// 传统方式：命令式，参数繁多，难以组合
const video = await kling.generateVideo({ prompt: 'cat waving', model: 'kling-v3' });
const audio = await elevenLabs.speak({ text: 'Hello!', voice: 'adam' });
const merged = await ffmpeg.combine(video, audio);
而 varg 的方式完全不同：
// varg 方式：声明式，组件化，可读性强
export default (
<Render width={1080} height={1920}>
<Music prompt='upbeat electronic' model={varg.musicModel()} volume={0.15} />
<Clip duration={5}>
<Video
prompt={{ text: 'cat waves hello', images: [character] }}
model={varg.videoModel('kling-v3')}
/>
</Clip>
<Captions src={voiceover} style='tiktok' color='#ffffff' withAudio />
</Render>
);
这段代码定义了一个 5 秒的竖版（9:16）短视频，包含 AI 生成的角色动画、背景音乐和自动字幕。<Clip> 对应时间轴上的一个片段，可以叠加多层；<Render> 是根容器，指定输出分辨率和帧率；<Music> 和 <Captions> 则分别添加背景音乐和字幕轨道。
更复杂的场景比如虚拟主播 talking head，需要先用 AI 生成角色图像，再通过 Kling 制作口型同步动画。这展示了 varg 组件之间数据流的灵活性：前一个 Video 的输出可以作为下一个 Video 的输入，形成「图→视频→口型同步」的处理流水线。
varg 不仅仅是一个 SDK，它还深度集成了 AI Agent 生态。项目支持安装为 Claude Code、Cursor、Windsurf 等 AI 编程工具的「技能」：
npx -y skills add vargHQ/skills --all --copy -y
export VARG_API_KEY=***
claude 'create a 10-second product video for white sneakers, 9:16'
这意味着用户无需编写任何 TSX 代码，只需用自然语言描述需求，Agent 自动生成 JSX 并渲染出视频。背后的原理是 varg 提供了 Skill Definition 格式，Agent 可以理解视频创作的「意图」，将其转化为符合 varg 语法的声明式组件。
varg 的依赖栈非常「豪华」：
varg 没有提供 Dockerfile 或 docker-compose.yml，不支持 Kubernetes 部署。这是有意为之的设计：视频渲染涉及大量 FFmpeg 进程和 GPU 调用，更适合在本地开发环境或专门的渲染服务器上运行，而非容器化。 不过，varg 提供了极其顺滑的本地开发体验：
bun install vargai ai # 安装 SDK
bunx vargai init # 初始化项目（登录、配置、生成模板）
bunx vargai render hello.tsx # 渲染 TSX 文件
vargai init 会自动完成 API 认证、目录结构创建和 hello.tsx 模板生成，全程无需手动配置。渲染后的视频支持自动上传到 Cloudflare R2 或 AWS S3，并生成公开访问 URL。
varg 代表了一个重要趋势：AI 工具的抽象层正在从「API 封装」向「声明式框架」演进。React 改变了前端开发的生产力，varg 正在尝试用类似的方式改变视频创作——让非专业程序员也能通过自然语言和声明式语法使用顶级 AI 视频能力。 从增长数据看，该项目 325 Stars、23 Forks、59 个 open issues（社区活跃），且 default_branch 保持高频更新（最近一次 push 在 2026-06-08），说明作者在持续维护。但也需要注意几个局限：
分析基于 GitHub 仓库源码（2026-06-29）