用Hypit复刻一切爆款视频

整条链路其实只有三件事：装好 Skill → 配好 key → 让它开始复刻。中间所有环节（拆片、写脚本、生成素材、渲染成片）都由 AI 完成，你只需要做决定。

一、实操

第一步：装 Skill

Hypit 不是一个网页应用，它是一份给 Coding Agent（Claude Code / Codex）用的 Skill。所以你不用敲任何终端命令，把这句话原样发给 AI：

https://github.com/hypit-ai/hypit 帮我装好这个skill，全局生效

AI 会自己把 Skill 装到全局目录并回报。之后任意目录开新会话，打 / 就能在斜杠菜单里看到 hypit。

第二步：搞定配置

配置只有两件事：拿 key，以及把 key 发给 AI。依赖怎么装、配置怎么写，全交给 AI。

先看这张表：这是我实际用的配置

拿火山方舟的 Key

• 注册登录火山引擎，进入 火山方舟 控制台
• 先充值：火山方舟需要预充值 ¥200 才能开通模型服务
• 在「开通管理」里分别开通 Seedream（图片）和 Seedance（视频）
• 到「API Key 管理」创建一个 Key。只显示一次，当场复制

拿小米 MiMo 的 Key

• 进入小米 MiMo 开放平台，完成账号注册与实名
• 先充值：预充值 $3 就够了
• 在控制台创建一个 API Key，当场复制

一个必须知道的细节：MiMo VoiceDesign 没有持久的音色 ID，每次调用都按描述重新造一个声音。所以想让多条视频用同一个嗓子，唯一的办法是把第一次生成的那段音频存下来当参考复用。我两条案例共用一个主播声音就是这么做的。

把配置和 key 一起发给 AI

两个 key 拿到手之后，连同上面那张配置表一起发给 AI，这段就是配置的全部内容。它读完之后会自己把依赖装掉、把供应商接上、把环境验通，然后告诉你「可以开工了」。

下面这段可以直接复制。表格用 Markdown 写，AI 读起来最准。

/hypit 根据这个 skill 帮我配好环境和模型。以下是我的配置：

| # | 干什么 | 用哪个 |
| --- | --- | --- |
| 1 | 理解需求、编排流程 | 当前 Agent 平台 |
| 2 | 分析参考视频 | 当前 Agent 平台 |
| 3 | 人物及主要图片 | Seedream 5.0 Lite · 文生图 |
| 4 | 界面与卡片 | Seedream 5.0 Lite · 文生图 |
| 5 | 补充图片 | Seedream 5.0 Lite · 文生图 |
| 6 | 图片精修、换材质换场景 | Seedream 5.0 Lite · 图生图 |
| 7 | 人物讲话视频 | Seedance 2 Mini |
| 8 | 产品操作短片 | Seedance 2 Mini |
| 9 | 统一声音参考 | MiMo V2.5 VoiceDesign |
| 10 | 识别口播、对齐字幕 | WhisperX |
| 11 | 绘制字幕、排版、图形 | 本地代码组件 |
| 12 | 合成、导出 | HyperFrames + FFmpeg |

小米 API key：<你的 MiMo Key>
火山 API key：<你的火山方舟 Key>

以上是需要用到的模型 API key。能自己装的依赖你直接装，配好告诉我。

换模型只改这张表。想换更贵的视频模型出 1080p、或者把声音换成别家，改表格里对应那一行重新发一次就行，视频源码一个字都不用动。

第三步：开始复刻

配置好了，一句话开工：

/hypit 复刻这个视频：/path/to/reference.mp4

接下来 AI 会自己走完剩下的路：

• 拆解参考片：下载、词级转写、逐帧读图，读懂它为什么抓人
• 写 Source：用它自创的视频语言 SVML，把这条片子写成可以重跑的源码
• 报价：先列出这次要发哪些付费请求、单价多少（这一步不花钱）
• 构建：生成素材、渲染成片
• 给你看片：你提意见，它改，再跑一遍

返工几乎不花钱。改字幕、改排版、改画幅、改抠图算法全是本地计算，0 元；已经生成的图和口播视频，由 Agent 在运行文件里点名复用，不会重复付费（原理见下文 Q4）。只有换台词、换语言、换人，才需要重新生成。

二、原理拆解

先对齐一个事实：它和现在两种主流做法的区别在哪。

Hypit 不是第三条路。它走的就是写代码这条路，只补了两层：一层管时间，让画面挂在词上；一层管复用，把动效做成组件。下面五个问题，按你用它时会碰到的顺序往下拆。

Q1 复刻，复刻的到底是什么？

是关系：每一次画面变化，在回应哪句话、哪个词。人、产品、台词都可以换，关系留下。

Skill 交给 Agent 的第一件事是读片：一边看逐帧画面，一边看带时间的逐词转写，找出每一次切镜、出图、揭晓、音效在回应什么，再在新台词上把同样的关系搭回去。Skill 里的原话是：参考片的秒数只用来定位证据，新片的时间由新的表演提供。

案例 2 复刻版的稿子，第一组（为排版折了行）：

<HOST>@{phone-a-lead} A || black || phone || with || a @{/phone-a-lead} ||
      @{phone-a-color} clear || case || is || the || safe || choice @{/phone-a-color}
      @{phone-b-lead} but || with @{/phone-b-lead} ||
      @{phone-b-color} cognac || leather || it || looks || far || more || <✦expensive✦ | expensive> @{/phone-b-color}

画面、品类、台词全换了，这四条关系一条没丢，这就是复刻。反过来，拆片时漏读一条关系，成片就形似神不似，所以实操里说这一步最致命。

Q2 「动效绑在词上」，是怎么做到的？

稿子里只有词，没有一个秒数。时间是在配音生成之后，从真实的声音里量出来的。

组件那一侧，只认锚点的名字（节选）：

<ranking:TopThreeItem label="Hypit" at={story.moment.reveal}/>
<media-track:Item image={product.image} … during={story.selection.product}/>

所以时间线不是写出来的，是量出来的：稿子怎么改、配音换成谁，画面都跟着词走。反过来也成立，台词一改，这段表演就得重新生成，因为时间来自它。

Q3 动效为什么能写一次、反复用？

因为组件只管「怎么动」。内容、时间、位置、样式四样东西，全从外面传进去。

直接写动画代码时，这四样是写死在同一个文件里的：「第 3.2 秒，左上角，这行字，这样飞进来」。下一条视频四样全变，只能重写。Hypit 把它们拆成组件的参数，拿官方的榜单组件举例：

<ranking:Column frame={board-frame} style={board-style} …>
  <ranking:ColumnItem rank="1" label="Hypit" icon={icon-hypit}
    during={story.selection.hypit-reveal}/>
</ranking:Column>

组件的代码只负责剩下那件事：条目怎么进场、怎么排到自己的位置。下一条视频换掉这四样参数，代码一行不动。

现成的和现写的，是同一套接口。官方已经带了逐词高亮字幕、榜单、卡片堆、评论贴纸、文字层、画中画与 B-roll、11 种全屏特效。没有的效果，Agent 按同一套接口现写一个项目组件（本质是一段 HTML/CSS 程序），这个项目以后接着用。

Q4 返工为什么几乎不花钱？

作品写在一份文件里，「这一次跑什么」写在另一份里。花过钱的产物都留着，下次点名就能接着用。

每次 build 的产物都存进项目的 .hypit/results/。改字幕时，Agent 在 .svrun 里写明「口播视频用上次那两段」，plan 就把对应的生成请求剪掉，剩下的对齐和渲染都在本地跑。这是案例 2 真实的运行文件：

<!-- 两段口播已由 Seedance 生成并付费：显式复用，重跑只做本地工作 -->
<build-record id="kept-part-one"
  build="bld_20260917T154106043Z_BD20FF7B3B" output="part-one-take.video"/>
<satisfy output="part-one-take.video" candidate="kept-part-one"/>

没有「自动复用」这回事。官方文档原话是「Hypit 没有隐式缓存」：prompt 没变也不会自己复用，必须在 .svrun 里点名。好处是 plan 里看得见哪些请求被省掉，不会悄悄重复扣钱，也不会把改过的素材错当成旧的。

花钱之前还有一道闸：只有 build 会真正发出请求。plan 先列出这次要发哪些付费请求，pricing 读出对应单价。中途失败也不白花，这次 Build 结束，已经完成的产物留在结果里，下一次点名接着用。

Q5 换模型，为什么不用改视频？

视频源码只写「要什么」，「找谁要」写在另一份配置里。

源码里写的是 Model，比如「要一段 Seedance 2 Mini 的口播视频」。执行时，hypit.runtime.json 把每一种能力绑到一个服务入口：哪家服务、哪个 Key、开几路并发。真正去调 API 的是 Provider 包。这是我这套配置的真实绑定：

"bindings": {
  "@hypit/seedream@1#seedream-5-lite":              "framelab.ark",
  "@hypit/seedance@1#seedance-2-mini":              "framelab.ark",
  "@hypit/mimo-speech@1#mimo-v2.5-tts-voicedesign": "framelab.mimo",
  "@hypit/whisperx@1#whisperx-alignment":           "whisperx.local",
  "@hypit/render-hyperframes@1#render-visual":      "hyperframes.local"
}

左边是要什么，右边是找谁要：ark 是火山方舟，mimo 是小米 MiMo，local 是本机。你在第二步 发给 AI 的那张表，最后就变成了这几行。换供应商改的是右边，视频源码一个字不动。

官方没接的服务，也能现接。火山方舟不在官方内置的供应商里，这里的 framelab 是这个项目自己写的一个 Provider 包（在 packages/provider-framelab），用来接火山方舟和小米 MiMo。另外，生成模型本身也是可选的：一条片子可以完全由组件画出来，不调任何模型，模型费用就是 0。

三、它做不到什么

• 台词一改，口播就得重新生成。时间来自表演，这笔钱省不掉。
• 像不像，看 Agent 读片细不细。我第一版每 2 秒取一帧，漏了逐词字幕和「左先右后」的入场，返工了一整轮。
• 好不好看，看生成模型当天的发挥。Hypit 管组织，不训练模型，也不替你抽卡。
• 没有口播的纯动画，没有词可挂。节奏得自己用秒或帧来写。
• 协议是改过的 Apache 2.0。自家业务、给客户做片都能商用；做多租户 SaaS 或拿它转售，要另买商业授权；做出来的成片归你。
• 本机不轻。要 Node 22.15 以上；本地 WhisperX 和逐帧渲染吃 CPU 和内存，嫌重可以换官方托管的 HypiHub。