Hypit 是什么？

Hypit 是一个让 AI Agent 制作视频的开源项目。你把参考视频、人物图片和要求交给 Codex，Agent 就可以借助 Hypit 组织素材生成、剪辑、字幕和画中画，最后导出视频。

它还会留下可编辑的工程。以后想改字幕或调整画中画，可以复用已经生成的素材，继续修改。

开源地址：

hypit-ai/hypit

这个是用我自己的 Minimax H3 API 做的，如果走官方 API 或者用 SeedDance，效果会更好

**下面我们从安装开始，完整走一遍操作。**模型配置分两条路线：有 Hypit 额度用内置服务，没有额度就接自己的 API。 本例实际走的是自有 API 路线。

  1. 明确分工：Hypit、Codex 与生成模型各自负责什么？

我们需要先厘清流水线中各项工具的具体职责，避免出现定位混乱：

  • Codex 的工作：作为代码与工程执行助手，Codex 负责解析用户的自然语言需求、检查并配置本机开发环境、读取并拆解参考视频的分镜结构、生成和修改工程源文件，并组织调用底层引擎完成自动化流水线。
  • 图像与视频模型的工作：专门负责生成静态视觉资产与动态画面。在本例中，图像模型负责生成古装男子在现代直播间中的首帧图像，视频模型则负责把首帧驱动为说话中的主播动态，并依据提示词生成穿插使用的外部车流空镜。
  • Hypit 引擎的工作：作为核心编排中心，Hypit 记录所有生成的资产依赖，规定镜头序列与切换时钟，控制字幕展示时机与外观样式，管理画中画的位置、层级与圆角遮罩，并在素材齐备后调用底层渲染器合成最终成片。

为了兼顾不同读者的实际条件，本教程将生成模型配置明确拆分为两条独立路线：

  • 路线 A：Hypit 账户内拥有可用额度，直接通过官方 HypiHub 服务调用内置托管模型。
  • 路线 B：没有 Hypit 平台额度，明确配置并接入属于你自己的第三方 API 接口。

你只需在路线 A 和路线 B 中挑选符合自身条件的一条完成配置，随后即可汇入共同的制作与编排流程。

  1. 准备工作与素材规范

在开始操作前，需要准备好 Codex 、一条清晰的参考视频，以及一张希望替换进去的目标人物参考图。

人物参考图应尽量选择五官立体、光照均匀、衣饰结构与发型细节清晰的单人照片。由于参考图本身不包含运动信息，仅凭一张静态图不能假定模型会自动做出与原片主播相同的耸肩、摊手或手势动作。

如果你打算将成品公开发布，且不希望使用原视频主播的原声，应在正式制作前录制好替换用的台词干音。更换配音音频会导致发音停顿与段落时长改变，届时需要重新比对调整切镜与字幕出现的时间节点。

\2. 安装

执行官方 Skill 全局安装命令：

npx skills add hypit-ai/hypit -g

相关项目的安装入口可参考

Hypit 仓库地址

，具体流程细节可参考

官方 Quickstart 手册

。

路线 A：有 Hypit 额度，使用内置服务

有额度的话，可以直接让 Codex 使用 Hypit 内置服务，不需要另外配置自己的 API。

请使用 Hypit 内置服务，帮我完成登录，检查可用模型和额度。先告诉我预计消耗多少，再开始生成。

路线 B：没有 Hypit 额度，使用自己的 API

这次我走的是自有 API 路线：用 Google 生成图片，用 ZenMux 的 MiniMax H3 Max 生成视频。

我先让 Codex 配置接口，确认模型能够调用，再继续制作。

生图使用 Google API，视频使用 ZenMux 的 MiniMax H3 Max。请帮我完成配置并检查是否可用，需要付费测试时先说明费用。

把原视频和韩立图片交给 Codex

接下来，我把超哥说车的视频链接和韩立图片一起发给 Codex，明确只复刻开头 20 秒。

请复刻这条视频的前 20 秒，人物替换成我提供的韩立。保留原片构图、切镜节奏、字幕和画中画，声音沿用原声。所有操作在同一个 Hypit 工程里完成。

这里要说清楚复刻范围，否则原片十几分钟，Codex 可能按整条视频规划。

先看首帧，再生成视频

我让 Codex 先拆解镜头，生成四张首帧：直播间里的韩立、夕阳城市车流、白色奔驰隧道和日间街头车流。

这一步主要看人物像不像、服装对不对、场景有没有跑偏。首帧不满意，就先修改，再继续生成动态视频。

请先展示四个场景的首帧。保留韩立的面孔、长发和蓝金衣袍，汽车画面不要带原主播、字幕或画中画，后面统一由 Hypit 添加。

【这里放韩立直播间首帧】

让 Codex 分段生成，再用 Hypit 合成

首帧确认后，我让 Codex 生成了四段主播镜头和三段汽车画面，每段请求 5 秒，再由 Hypit 合成最终的 20 秒。

模型负责生成画面，Hypit 负责切镜、字幕和画中画。

请按照确认的首帧和预算生成动态素材，再按原片节奏合成 20 秒视频。汽车镜头出现时，把韩立放在下方居中的画中画里，配上原声和字幕。已经生成的素材直接复用，不要重复生成。

这次从参考视频到韩立版成片，我主要做的就是给 Codex 提要求、看结果，再告诉它哪里需要调整。

Hypit 留下的不只是一条视频，还有一份可以继续修改的工程。下次想换人物、改字幕或调整画中画，就可以从这份工程继续做。

当然，目前的动作和口型还没达到一比一复刻，使用更好的模型比如Seedance系列会好很多。大家感兴趣的话，可以先找一条十几秒的短视频试试，看看它能帮你省下哪些步骤。

项目地址：

hypit-ai/hypit

。如果觉得有用，也可以给项目点个 Star。