Hypit
开源爆款视频复刻工具，自我定位不是 Skill 而是「一整套完整制作视频的语言和系统」——丢一条视频进去，产出包含画面、字幕、B-roll、特效节点的完整制作工作流；只有需要写实画面时才接视频生成模型，代码渲染的部分直接用大语言模型编译成片。
简介
Hypit 是一个开源项目（github.com/hypit-ai/hypit），用途是让 AI Agent 复刻任意爆款视频。它的输入是一条已经验证过传播效果的原片（或一段描述想要效果的模板指令），输出是一份可编辑的视频制作工作流——包含画面、字幕、B-roll、特效等分镜级节点，而不是一段需要人再二次加工的拆解脚本。
理解 Hypit 的关键在于它的自我定位：它不是 Skill。素材 2026-09-21-woshipm-workbuddy-hypit-viral-video-clone 中作者马佳彬明确区分了两者——普通「爆款视频复刻 Skill」的流程是拆解视频脚本（有时再配合多模态模型反推生成提示词），交付的是脚本；Hypit 交付的是成品工作流。评论区读者「上官洋洋」把这条差异说得更直白：“普通 Skill 大多只输出拆解后的脚本，Hypit 直接给你整好包含分镜、字幕、特效节点的完整工作流，拿到手稍微改改就能用。”
这也解释了为什么 Hypit 被描述为「一套语言和系统」而非「一个工具」：它要表达的是视频的结构（有哪些镜头、哪些字幕、哪些 B-roll、哪些特效节点），而具体每个画面由谁来渲染，是后续可插拔的一步。它与 AI 视频逐帧逆向工程 属于同一目标（复刻爆款）的两条不同路径：后者是方法（把原片交给 AI 逐帧分析、读出机关、产出提示词、再封装成 Skill），Hypit 是成品工具（把方法论已经封装好了，装完即用）。
关键信息
- 类型：工具（开源项目 / 视频制作工作流生成器）
- 领域：AI 视频生产 · 爆款复刻 · 内容创作自动化
- 开源地址：github.com/hypit-ai/hypit
- 宿主环境：实测在 WorkBuddy 上部署运行（模型选用 GLM-5.3-Flash，约 7 分钟部署完成）
- 配套平台：HypiHub——Hypit 自带的视频生成模型 API 服务聚合平台，需登录并充值
- 输出物：包含画面、字幕、B-roll、特效节点的完整视频制作工作流
- 是否 Skill：否，这是与「爆款视频复刻 Skill」的核心区别
- 成本结构：工具本身开源；成本取决于接入的视频生成模型（或用宿主的内置生成能力消耗积分）
核心特性
1. 双向能力：复刻 + 从零生成
Hypit 有两个方向的能力，而不只是复刻：
- 复刻：丢一条视频进去，产出该视频的完整制作工作流。素材中的示例是复刻视频号上刷到的 15 秒吉列剃须刀广告，作者提出的需求是「1:1 同款复刻，把吉列的名字改成老马」。
- 从零生成：使用它提供的模板，描述想要的视频效果，让 Agent 从零开始写一套视频生成工作流。
第二条容易被忽略但很关键——它把 Hypit 从「复刻工具」扩展成了「视频工作流生成器」，模板是起点而不是终点。
2. 画面来源决定要不要接视频模型（成本分水岭）
这是 Hypit 最重要的一条机制，也是它相对其他复刻方案的成本优势所在：
| 画面来源 | 是否需接视频生成模型 | 消耗 |
|---|---|---|
| 字幕、动效、代码渲染生成的画面 | 不需要 | 只消耗当前大语言模型的 token，直接编译成片 |
| 写实/实拍质感的画面 | 需要 | 视频生成模型 API 费用，或宿主积分 |
作者的概括是：“一般正常的视频生成，需要接入视频生成模型。如果是代码生成的动画视频，那就不需要接入，只使用你当前的大语言模型，消耗 token 就行了。“
3. 交互式确认流程（把人拉回决策位）
Hypit 跑起来后不会直接开跑，而是反问几件关键决策，这是它与「一键出片」类工具的手感差异：
- 复刻目的是什么——给 1/2/3 三个选项点击选择，第 4 个选项允许自行输入需求。作者填的是「1:1 同款复刻，把吉列的名字改成老马」。
- 接入什么视频生成模型（见下方「实用信息」的三选一）。
4. 模型接入三选一（含零成本路径）
| 方案 | 说明 | 成本 |
|---|---|---|
| HypiHub（自带平台） | 类似视频生成模型 API 服务聚合，登录即用 | 需充值 |
| 自有 API Key | 在火山引擎（Seedance）、MiniMax 开放平台注册申请 | 按厂商计费 |
| 只做解析和脚本 | 解析出的脚本发给豆包，用豆包的免费视频生成额度出片 | 零成本（白嫖豆包额度） |
| 宿主内置能力 | 例如 WorkBuddy 的 Videogen | 消耗宿主积分 |
5. 实测效果与稳定性
作者对工具本身的评价是正面的——「还原度很高，比一般的视频复刻 Skill 还稳定」。但他在同一段里立刻把归因说清楚：“效果好坏……根本原因取决于你使用的是什么视频生成模型”；“至于你要拿来复刻什么，复刻后能达到什么样的效果，其实最终还是取决于你接入的是什么视频生成模型”。换句话说，Hypit 负责流程的完整度与稳定性，视频模型负责画面上限。
不同素材中的观点
目前 Hypit 仅出现在 1 篇素材中，以下为该作者的完整观点记录：
- 2026-09-21-woshipm-workbuddy-hypit-viral-video-clone（马佳彬 · 人人都是产品经理）：作者把爆款复刻方案分成三条路线——① 装「爆款视频复刻 Skill」（拆解脚本 + 可能用多模态模型反推提示词）；② 用专业 AI 视频生产工具（点名 libTV、Lovart，以及即梦推出的同类功能），但基本都要会员或积分；③ 装 Hypit 这类开源工具，随便一个 Agent 装完就能用，对小白更划算。实测路径：在 WorkBuddy 新建任务 → 用「部署这个项目 github.com/hypit-ai/hypit」部署（GLM-5.3-Flash，约 7 分钟）→ 上传 15 秒吉列剃须刀广告 +
/hypit 复刻这条视频 gillette.mp4→ 回答两轮确认（复刻目的 = 1:1 同款改名为老马；模型接入 = 使用 WorkBuddy 内置 Videogen）→ 约 28 分钟后复刻完成。作者到 WorkBuddy 官网查积分明细，发现这次 Videogen 实际调用的是 kling-v3-t2v，15 秒视频消耗约 800 积分（积分可通过签到/做任务获取），并给出对照：“如果换成用 Seedance2.5 模型生成，那大概也得十几块钱起步。“结论：还原度很高、比一般复刻 Skill 更稳定，最终效果取决于接入的视频生成模型。作者的额外用法是把开源地址直接发给 Agent，“让它去帮你整理解读总结”，把工具学习本身也外包给 AI。
实用信息
安装与部署
- 开源地址：
github.com/hypit-ai/hypit - 部署方式：在 Agent 中直接下发提示词即可，原文原样为：
部署这个项目 github.com/hypit-ai/hypit- 实测参数：宿主模型 GLM-5.3-Flash，部署耗时约 7 分钟
- 部署后可追问：直接问 Agent「Hypit 到底有什么功能、能做什么」，让它整理工具说明
基本用法
# 1) 在已部署 Hypit 的会话中上传目标视频文件
# 2) 下发复刻指令（原文原样）
/hypit 复刻这条视频 gillette.mp4
# 3) 回答 Hypit 的两轮确认
# - 复刻目的（1/2/3 选项，或自定义输入）
# - 接入的视频生成模型（HypiHub / 自有 API Key / 只做解析走豆包免费额度）
# 4) 等待工作流跑完（15 秒原片实测约 28 分钟）适用场景
- 需要复刻而非原创：手上有已验证传播效果的爆款（带货短视频、TVC 广告、信息流广告、AI 特效视频），希望拿到可编辑的制作工作流。
- 希望避开会员/积分门槛：相比 libTV、Lovart、即梦同类功能，Hypit 是开源的，桌面端 Agent 装完即用。
- 只想要脚本：走「只做解析和脚本」分支，把解析结果送去豆包用免费额度出片，零成本。
- 代码渲染型视频：字幕、动效、代码生成的动画视频不需要接视频模型，只花 token。
注意事项
- 成本不由 Hypit 决定，由视频模型决定。接入 Seedance 2.5 这类顶级模型，15 秒成片约十几元起步；用宿主内置能力（如 Videogen）则消耗积分。
- 宿主内置生成能力可能不稳定。WorkBuddy 的 Videogen「并不特指哪一个视频生成模型」，背后有时调混元、有时调可灵，“好像没啥规律”——同一入口的不同次调用可能落到不同模型。
- 复刻质量的上限是模型。工具负责工作流的完整与稳定，画面还原度取决于所选模型；作者建议”有钱的不要考虑太多，直接选 Seedance 模型”。
- 注意与 Skill 混淆。Hypit 不是 Skill，装完之后不会以
/skill形式出现在技能列表里，而是以「项目/系统」的方式驱动整条制作链路。