视频不再是拍出来的，是写出来的（HeyGen 开源 HyperFrames 和"导演"这门手艺）
HeyGen 开源 HyperFrames：HTML 即时间线，视频变成可维护的代码；生产成本趋零后，稀缺的是判断和 taste。
如果你还觉得做视频需要剪辑软件，你可能已经落后一步了。
不是因为剪辑软件不好用。
是因为下一个做视频的，可能根本不是人。
一个默认假设正在失效
过去十年，做视频的流程几乎没变过：
- 打开一个时间线
- 把片段拖进去
- 一帧一帧地对齐、调整、导出
这套流程是为人设计的。
人有手，有眼睛，有耐心（偶尔）。
但 AI Agent 没有手。
它不会拖动时间线上的方块。它擅长的是另一件事：写文本。写代码。写结构。
所以问题就来了：
如果让 Agent 做视频，视频应该长什么样？
HeyGen 开源的 HyperFrames 给出的答案很简单：
Write HTML. Render video. Built for agents.
这是项目仓库页面上的原话。
它到底是什么
先把事实讲清楚。
据 GitHub 仓库 heygen-com/hyperframes 页面，这是一个 Apache-2.0 许可的开源框架。按 GitHub API 在 2026 年 10 月 16 日 03:18（北京时间）的读数，它有 64,391 个 star、5,786 个 fork。这个数字每天都在变。
它的核心逻辑是这样的：
- Agent 写普通的 HTML、CSS、JavaScript
- 无头浏览器把页面一帧一帧画出来
- FFmpeg 把这些帧合成 MP4
据 HeyGen 官方文档，HTML 本身就是时间线。渲染是确定性的（deterministic）：同样的输入，得到同样的每一帧。
它还支持用变量参数化批量出片，输出格式包括 MP4、MOV、WebM、GIF 和 PNG 序列，可以本地渲染，也可以用 HeyGen Cloud Rendering。官方文档称组件库有 150 多个 blocks 和 components。
上手也不复杂。据仓库说明，需要 Node.js 22 以上和 FFmpeg，典型流程是三条命令：
npx hyperframes initnpx hyperframes previewnpx hyperframes render
还有一个细节值得注意。
据 GitHub release 记录，它在 10 月 15 日一天之内连发了三个版本：v0.8.160、v0.8.161、v0.8.162，发布时间分别是北京时间约 14:07、17:12 和 20:19。
这不是一个躺在仓库里的 demo。
它在被高频迭代。
为什么是 HTML（第一性原理）
这一点很多人会忽略。
视频生成这两年最火的方向，是训练一个模型，直接从文字"生成"画面。
那条路很惊艳。
但它有一个结构性问题：不可控。
同一句提示词，跑两次，结果不一样。标题的位置偏了两个像素，你没法改那两个像素，你只能重新抽卡。
HyperFrames 走的是另一条路。
它不生成画面。
它描述画面。
而描述画面这件事，人类已经用了三十年的语言来做：HTML 和 CSS。
想一想这意味着什么：
- 每一个元素都有确定的位置
- 每一个动画都有确定的时间
- 改一个数字，就只改那一个地方
- 整个视频可以放进 Git，可以 diff，可以回滚
换句话说，视频从"一次性的产物"变成了"可以维护的源代码"。
这正是 Agent 擅长的形态。
据仓库 README 里的对比表，HyperFrames 是纯 HTML、不强制打包工具。它把自己和 Remotion 放在一起比较：Remotion 用的是 React 加打包器，许可是"源码可得"，而 HyperFrames 是 Apache 2.0。哪个更适合你，取决于你的栈。但方向是一致的：视频正在变成代码。
真正的瓶颈从来不是生产
这里我想说一个不那么舒服的事实。
当做视频的成本趋近于零，视频本身就不值钱了。
工具越强，产量越大。产量越大，平均价值越低。
这不是 HyperFrames 的问题。
这是所有生成工具的物理规律。
所以真正稀缺的是什么？
不是会写 HTML 的 Agent。
是知道该让 Agent 写什么的人。
是 taste。
据仓库 README，HyperFrames 发布了 21 个 Agent skills，可以通过 npx skills add heygen-com/hyperframes 或 Claude Code 插件安装。核心的路由 skill 叫 /hyperframes，另外还有 /product-launch-video、/pr-to-video、/faceless-explainer、/motion-graphics 这样的创作工作流。
看看这些名字。
产品发布视频。把 PR 变成视频。不露脸的讲解视频。动态图形。
这些都是"格式"。
格式可以被打包成 skill。
但"这个产品到底值得用哪个角度讲""这个 PR 里哪一行改动是故事""观众在第几秒会走"，这些不是格式。
这些是判断。
而判断，是你的 point of view。
如何从"做视频的人"变成"导演"
下面是一个假设场景，用来说明这种工作方式，不是任何真实用户的经历。
假设你是一个独立开发者，刚做完一个小工具，想发一条 60 秒的介绍视频。
过去，你要么花一个周末学剪辑，要么花钱找人。
现在，你可以把这件事拆成三层。
1) 先写判断，再写指令
在让 Agent 动手之前，先用一句话写清楚：
- 这条视频是给谁看的
- 他看完应该记住哪一件事
- 他看完应该做什么
如果这三句你写不出来，Agent 也帮不了你。
它只会更快地生产出一条没人记得的视频。
2) 把风格变成文件，而不是感觉
据仓库 README，HyperFrames 的栈里有一个叫 frame.md 的东西，作用是把 design.md 翻译成"镜头可用"的设计规格。
这背后的思路很值得借鉴（下面是我的引申，不是项目的原话）：
你的审美如果只存在于你脑子里，它就无法被复用。
写下来。
颜色、字体、节奏、转场的克制程度。
一旦它变成文件，每一条视频都会自动带着你的风格，而不是 Agent 的默认风格。
3) 只在关键处出手
确定性渲染意味着，你不需要每次都从头来。
预览，找到那一处不对的地方，改那一个数字，再渲染。
你的时间应该花在"哪里不对"上，而不是"怎么拖动方块"上。
这就是导演和剪辑师的区别。
剪辑师操作片段。
导演决定什么值得被看见。
几件需要冷静看待的事
热度很高的项目，更需要看清边界。
- 64,391 个 star 是 GitHub API 在某一时刻的读数。第三方榜单（比如 findarepo、GitStock 在 10 月 15 日的快照）把它列为当周高速增长的 AI 开源仓库之一，但榜单的具体数字以各自来源为准。
- "150 多个组件"来自 HeyGen 官方文档的说法。"HeyGen 生产在用"来自 README。ADOPTERS 文件里提到 tldraw、TanStack 等社区例子。这些都是项目方的自述，不是第三方审计。
- README 顶部宣传原生的 Mac 和 Linux 桌面 App 已经可用。具体体验如何，需要自己试。
- 仓库还提到了 Studio、AWS Lambda 分布式渲染等组件。适不适合你的规模，要按你自己的量来算。
- 版本号在一天内跳了三次，说明它还在快速变化。好处是修得快，代价是接口可能还不稳定。
结语
很多人担心 AI 会把做视频的人淘汰掉。
这个担心只对了一半。
被淘汰的是"操作"。
不是"判断"。
当 Agent 可以把 HTML 写成视频，你最值钱的东西就不再是你会用哪个软件，而是你知道该拍什么、不拍什么。
工具会越来越便宜。
taste 不会。
来源：GitHub：heygen-com/hyperframes；HeyGen 官方文档；项目文档。star/fork 为 GitHub API 2026-10-16 03:18（北京时间）读数，会变化；操作部分为假设场景。