Hypit 实战：把参考视频拆成可编辑、可复用的 AI 视频工作流

AI 视频“复刻”最有价值的部分，不是一条导出文件，而是一套可编辑的镜头结构、字幕规则、素材槽位和变量。换产品、人物、语言或 CTA 时，团队不必从零开始。

Hypit 是一个面向 Codex 与 Claude Code 等 Agent 的开源视频工作流项目。它可以把参考视频、模板或文字需求组织为可再次运行的视频工程。Hypit 本身免费使用；模型、配音、转写和托管服务按所选服务计费。

制作顺序应当是先理解结构，再制作可变组件，最后渲染和检查。使用自己拥有、获授权或可合法使用的参考与素材。保留的是叙事结构和生产方法，不是他人的人物、品牌、画面或音乐。

Hypit 到底做什么

Hypit 不是一个视频模型。它给 Agent 提供视频制作语言和工程结构，负责把下面几层串起来：

仓库明确说明，没有 Hypit 的席位费、单次渲染费或额外水印，但 Coding Agent 和模型服务有自己的费用。生成前让 Agent 列出准备调用的服务、每个镜头的候选次数和费用上限。

先写蓝图，别直接生成

把下面内容放入任务简报：

目标：制作一条 20 秒 9:16 产品短视频。
受众：了解痛点，但不了解产品的人。
唯一结论：产品能把一个耗时动作缩短到三步。
参考：只分析我有权使用的参考视频结构。
保留：前两秒问题句、镜头节奏、字幕层级、CTA 位置。
替换：人物、品牌、产品镜头、数据、音乐和旁白。
交付：成片、可编辑工程、镜头表、素材清单、费用记录。
验收：事实可追溯；字幕无错字；静音也能看懂；原品牌元素没有残留。

目标：制作一条 20 秒 9:16 产品短视频。
受众：了解痛点，但不了解产品的人。
唯一结论：产品能把一个耗时动作缩短到三步。
参考：只分析我有权使用的参考视频结构。
保留：前两秒问题句、镜头节奏、字幕层级、CTA 位置。
替换：人物、品牌、产品镜头、数据、音乐和旁白。
交付：成片、可编辑工程、镜头表、素材清单、费用记录。
验收：事实可追溯；字幕无错字；静音也能看懂；原品牌元素没有残留。

然后只要求蓝图，不调用生成服务：

请输出每个镜头的目的、台词、字幕重点和时长；
标出 Hook、证明、转折和 CTA；
区分结构与必须替换的素材；
列出需要我补充的品牌资产、事实依据和人员授权；
生成一份新的 20 秒镜头表。

请输出每个镜头的目的、台词、字幕重点和时长；
标出 Hook、证明、转折和 CTA；
区分结构与必须替换的素材；
列出需要我补充的品牌资产、事实依据和人员授权；
生成一份新的 20 秒镜头表。

先确认蓝图，能避免最贵的一轮返工。

安装后先做一个低成本样片

仓库提供安装命令：

npx skills add hypit-ai/hypit -g

npx skills add hypit-ai/hypit -g

安装后在 Agent 会话使用 Hypit Skill。第一版先用已有素材、代码渲染图形、字幕和基础动效。项目说明指出，不调用生成模型也能完成字幕、动效和代码视觉，因此适合先验证结构、节奏和信息密度。

首轮样片只检查四件事：前两秒是否清楚；字幕是否与语音和转场同步；静音时产品信息是否完整；结尾是否只保留一个行动。结构通过后，再把生成预算留给人物口播、关键产品镜头或难以拍摄的 B-roll。

把会变的东西做成变量

Hypit 可将字幕、画面和动效与文本绑定。台词变了，时间关系可以再计算；仍要人工完整播放，因为语言长度、数字读法和强调词会改变节奏。

预算、导出和发布验收

每个镜头都设候选次数。比如实拍加字幕为零次生成；人物口播最多三次；产品 B-roll 最多四次；代码动画不调用模型；超过次数就回到脚本或素材方案，不继续盲抽。草稿先用低成本设置确定构图，再渲染高质量版本。保存 prompt、模型、种子和素材版本，下一轮修改才能复现。

[ ] 参考、人物、音乐、品牌和素材都有可用权利或替换方案
[ ] 每条数字、价格和功能描述都有依据
[ ] 语音、逐词字幕和转场同步
[ ] 目标画幅的安全区没有裁掉关键信息
[ ] Logo、链接和 CTA 与当前活动一致
[ ] 工程、素材、字体、音轨和最终导出均已归档
[ ] 一人关闭声音检查，一人从事实和品牌角度检查

[ ] 参考、人物、音乐、品牌和素材都有可用权利或替换方案
[ ] 每条数字、价格和功能描述都有依据
[ ] 语音、逐词字幕和转场同步
[ ] 目标画幅的安全区没有裁掉关键信息
[ ] Logo、链接和 CTA 与当前活动一致
[ ] 工程、素材、字体、音轨和最终导出均已归档
[ ] 一人关闭声音检查，一人从事实和品牌角度检查

使用 ClaudeAPI 编排创作任务时，也应将素材来源、镜头变量、成本记录和发布验收保留在同一工作流中。

开工前先交出一份素材包，别让 Agent 猜

很多返工不是出在生成环节，而是输入散在聊天记录、表格和个人电脑里。开始前建立一个素材包：brief.md 写受众、唯一结论、时长、画幅和 CTA；claims.csv 写每条卖点的来源、可用措辞与禁用措辞；assets.csv 写素材来源、地区、人物、音乐和商标的使用限制。把“可进入工程的素材”和“只可借鉴节奏、镜头数量、信息层级的参考”分开登记。

先让 Agent 输出镜头表，不调用任何生成服务：

根据 brief.md、claims.csv、assets.csv 建立 20 秒、9:16 的可编辑工程。
每个镜头写明时长、叙事目的、屏幕文字、素材文件、是否允许生成和候选次数上限。
无法在 claims.csv 或 assets.csv 找到依据的主张、数字和品牌元素，一律标记为【待补】。
保留变量：product_name、market、language、cta_url、voice_id、legal_line。

根据 brief.md、claims.csv、assets.csv 建立 20 秒、9:16 的可编辑工程。
每个镜头写明时长、叙事目的、屏幕文字、素材文件、是否允许生成和候选次数上限。
无法在 claims.csv 或 assets.csv 找到依据的主张、数字和品牌元素，一律标记为【待补】。
保留变量：product_name、market、language、cta_url、voice_id、legal_line。

给变量命名，才谈得上把一条片改成多条

锁住镜头顺序、字幕层级和 CTA 安全区；只把产品、市场、语言、链接和口播开放为变量。每一轮只改一类变量。不要在同一次导出里同时换人物、语言、产品和画幅，否则成片出问题时没有人能定位原因。

product_name: "示例产品"
market: "CN"
language: "zh-CN"
cta_url: "https://example.com"
voice_id: "approved-voice-01"
headline: "把手工整理压缩为三步"
proof_line: "数据待市场团队确认"

product_name: "示例产品"
market: "CN"
language: "zh-CN"
cta_url: "https://example.com"
voice_id: "approved-voice-01"
headline: "把手工整理压缩为三步"
proof_line: "数据待市场团队确认"

发布前逐帧验收，而不是只看时间轴

[ ] 0–2 秒静音时能看出主题和受众
[ ] 每条功能、价格、日期和对比说法都有来源
[ ] 人物、产品、音乐、商标与素材的使用范围已确认
[ ] 字幕核对了数字、专有名词、断句、标点和读音
[ ] 竖版安全区没有被平台按钮或标题遮挡
[ ] 工程、素材包、导出文件和发布日期可以相互对应
[ ] 改版请求写镜头号和变量名，不写“整体再高级一点”

[ ] 0–2 秒静音时能看出主题和受众
[ ] 每条功能、价格、日期和对比说法都有来源
[ ] 人物、产品、音乐、商标与素材的使用范围已确认
[ ] 字幕核对了数字、专有名词、断句、标点和读音
[ ] 竖版安全区没有被平台按钮或标题遮挡
[ ] 工程、素材包、导出文件和发布日期可以相互对应
[ ] 改版请求写镜头号和变量名，不写“整体再高级一点”

Hypit 的价值不在于多出一条成片，而在于留下可复用的镜头结构、变量表和修改记录。下次换产品或市场，团队可以从这些资产开始。