【GitHub】AI视频开源工具:1条爆款克隆100条,单条1美元

AI视频开源项目里，能把一条爆款克隆成100条变体的不多。Hypit单条成本1美元上下，建议先收藏。

刷到一条爆款，结构清清楚楚，你想换成自己的产品再发一遍。传统做法是重剪一遍，工作量劝退。这个项目换了个思路，把视频写成一份可以读、可以改、可以重跑的文本文件。

先纠正一个 AI 视频工具里最常见的误读。Hypit 不训练模型，也没有一个让你点按钮的网页。

它给 Claude Code、Codex 这类编程 Agent 提供一门叫 SVML 的语言，再加一条命令行工具链。装上之后丢一条爆款视频进去，Agent 交出来的是一份能编辑、能重跑的工程，不是一次性成片。

安装只要一行：

那个 -g 是全局参数，装给你电脑上的 Agent 用，不绑在某个项目里。视频项目本身放哪都行。

视频版的 HTML

一份 .svml 文件把台词、角色、画面、字幕、语音、渲染合成写在同一个地方，写法接近写文档：

台词里用小段标记圈出语义区间。一句「他比 @奖杯 的奖杯还多」，画面里该弹出来的 B-roll 就挂在这个词上。有中文作者管它叫「视频版的 HTML」，我觉得比官方那句 workflow 更好懂。

这是整个项目最值得看的一点，也是视频克隆跟传统剪辑真正的分水岭。

剪映、Premiere 活在秒的世界里。字幕钉在 3.2 秒，插入镜头钉在某个入点，音效钉在某一帧。台词从英文换中文，句子长度一变，前面所有时间码全线错位，只能一轨一轨手调。

Hypit 的脚本里没有时间码。B-roll、特效、音效全部绑在具体的词上，等配音生成、WhisperX 做完词级对齐，每个元素什么时候出现、持续多久，是编译出来的。

删掉一段台词，挂在它下面的语音、字幕、画面整组一起消失，后面的自己往左补位。换语言因此变得很轻，改一行台词，时间自己重排。

模型只是可插拔零件

语音合成、视频生成、图片生成、语音转文字、视觉理解，在这个开源框架里全是可替换的模块。

仓库 packages/ 下实测有 114 个 workspace 包。字幕、排行榜、贴纸、分屏这些视觉组件都是前端代码，靠无头 Chromium 渲染。官方三个样片都跑了 64 个 Chromium 进程并发渲染，一个生成模型 API 都不调，也能出纯动态图形片。

这一层决定了成本结构。真正花钱的只有会说话的人物镜头和生成式 B-roll。

README 里放了三个完整样片，成本不是估的，是仓库里的制作记录。

每个样片都附带三个变体。足球那条的三个变体是解说换成香蕉猫、排名倒过来让 C 罗变 GOAT、所有球员换成科技创始人。同一套结构，三条完全不同的片子。

官方示例把命令切成了四段，把「看」和「花」分开，成本就是这么管住的。

许可证不是纯净的 Apache

README 徽章写的是 Apache-2.0 with conditions，GitHub API 返回的 spdx 标识是 NOASSERTION。我把 LICENSE 翻了一遍。

自己公司内部用、给自家产品当渲染后端、当企业内部工具，都允许。但有两道闸。

网上好几篇中文转载写的是「Apache 2.0，开源可商用可自托管」，这个说法不准确。想做面向企业的多租户产品，得先去谈授权。

门槛也不算低

Node.js 22.15 起步，pnpm 10.33。词级对齐建议本机能跑 WhisperX，64 进程并发渲染吃的是你自己的 CPU 和内存。

它是给 Agent 用的工具，操作员是你的编程 Agent。成片上限取决于你的 Agent 水平和模型当天的发挥。

还有个细节值得说。官方示例里 11 张球员照片是人工提供的，配音和音效也是自备素材，示例里明确写了不使用生成式仿冒真人肖像。它没打算帮你绕开版权。

AI 视频这个赛道去年卷的是「一句话出片」，今年开始有人卷另一件事，怎么把一个跑通的结构低成本地复制一百次。

Hypit 押的是后一条路。作为一个开源项目它很年轻，7 月 29 日才建仓，今天刚发 v0.2.1，生态和组件成熟度都还在爬坡。但方向我觉得对。

跑量的投流团队、TikTok Shop 带货团队、短视频矩阵工作室，还有想把视频生成编进自己流水线的开发者，现在值得装上试一条。只想输入一句话出大片、不碰代码也不养 Agent 的话，它明确不是为你做的。

#AI视频#开源项目#SVML#AIAgent#视频克隆#自动化剪辑#Hypit#GitHub开源

 { 感谢阅读 }

如果本文对您有帮助，欢迎 “点赞“，点“推荐”