اكتب HTML واحصل على MP4: HyperFrames يحوّل الفيديو إلى شيء يستطيع الوكيل بناؤه

اكتب HTML واحصل على MP4

أطلقت HeyGen مشروع HyperFrames مفتوح المصدر هذا الشهر، والشعار بسيط إلى حد الاستفزاز: اكتب HTML، واعرض الفيديو، ومبنيّ للوكلاء. لا يوجد نموذج انتشار في الداخل. لا شيء يُتخيّل. تكتب صفحة ويب، تُحمّل الصفحة في Chrome بلا واجهة، ويُلتقط كل إطار عند الطابع الزمني الذي طلبته، ثم يخيط FFmpeg الإطارات في ملف واحد.

يبدو هذا خطوة إلى الوراء في عام تستطيع فيه نماذج الفيديو إنتاج شارع مقنع من جملة واحدة. الحقيقة عكس ذلك. يحل HyperFrames النصف الذي تضعف فيه النماذج التوليدية أكثر من غيره: الجزء الذي يجب أن يخرج بالشكل نفسه مرتين.

المشروع برخصة Apache-2.0، وكان عند منتصف أكتوبر عند نحو 63,900 نجمة بعد أن أضاف أكثر من ألف في يوم واحد، وسجّل نحو 811,000 تنزيل من npm في الأسبوع المنتهي في 12 أكتوبر. وهو، بفارق كبير، الأكثر تبنّياً في فئة الوكيل الذي يصنع فيديو، ووصل إلى هناك دون أن يولّد بكسلًا أصليًا واحدًا.

ماذا تشتري لك الحتمية فعلاً

نموذج انتشار الفيديو عملية أخذ عينات. اطلب الأمر نفسه مرتين فتحصل على فيديوهين مختلفين، وهذا جيد حين تستكشف وسيئ حين تسلّم.

HyperFrames يفعل العكس. كل تركيب هو ملف index.html. المقاطع عناصر عادية تحمل سمات data لوقت البداية والمدة ورقم المسار. والحركة تأتي من جداول GSAP الزمنية أو keyframes في CSS أو Lottie أو Three.js أو Anime.js أو Web Animations API. يحمّل العارض الصفحة، وينتقل إلى كل إطار عبر seek بدل التشغيل بالزمن الحقيقي، ويلتقطه، ثم يسلّم التسلسل إلى FFmpeg. المدخل نفسه، الإطارات نفسها، في كل مرة.

هذه الخاصية مملة حتى تضع وكيلًا في الحلقة. الوكيل الذي يغيّر سطر نص يحتاج أن يعرف أن بقية الفيديو لم تتحرك. مع نموذج توليدي، إعادة العرض بعد تصحيح نص تعني إعادة رمي المقطع كله والرجاء أن يصمد التوقيت. مع عارض حتمي، التصحيح تصحيح.

وهناك فائدة من الدرجة الثانية تهم الفرق أكثر من الأفراد: يصبح الفيديو أثرًا قابلًا للمقارنة. ترى ما تغيّر بين الإصدار الثالث والرابع، لأنه HTML.

المهارات هي المنتج الحقيقي

العارض هو الجزء السهل. الأصعب هو تعليم وكيل برمجة كتابة تركيب لا يبدو كصفحة ويب فيها فيديو.

يأتي HyperFrames مع 21 مهارة للوكلاء، و/hyperframes يعمل كموجّه يقرأ الطلب ويختار سير عمل. الكتالوج مبني على مهام حقيقية لا على خصائص: فيديو إطلاق منتج من رابط أو من موجز، شرح بلا وجه من نص، تحويل موسيقى إلى فيديو يزامن القطعات مع الإيقاع، ترجمات مدمجة، إعادة تجميع حديث مباشر للكاميرا، ومقاطع موشن جرافيك قصيرة لفواصل الشعارات وبطاقات الأرقام. المهارات تعمل مع Claude Code وCodex وCursor وGemini CLI.

أذكى قطعة هي frame.md. كثير من العلامات التجارية تحتفظ الآن بملف design.md — ألوان، سلّم خطوط، قواعد مسافات — يستطيع الوكيل قراءته. المشكلة أن تلك القواعد مكتوبة للشاشات. وحين تُطبّق على الفيديو، ينتج الوكيل بكل سرور نصًا بحجم 14 بكسل وشريط تنقل، لأن القواعد تقول ذلك. frame.md يعيد كتابة نظام العلامة نفسه بمقياس الفيديو: خط يُقرأ من مسافة ذراع، وتراكيب تصمد أمام قص 16:9، وحركة لديها مكان تذهب إليه. تضم المعرض دستة أنظمة بداية، بينها مظهر مجلة رياضية قديمة مبني حول أحمر مشبع واحد.

هذه هي التفاصيل غير اللامعة التي تحدد ما إذا كان فيديو الوكيل يبدو احترافيًا. النموذج الذي يولّد إطارًا جميلًا لا يعرف أن لعلامتك أحمر محددًا. ملف مهارة يعرف.

المقارنة مع Remotion، بصراحة

HyperFrames مستوحى صراحة من Remotion، إطار الفيديو المبني على React. استخدم الفريق Remotion في الإنتاج، وأبقى في الشيفرة تعليقات الإسناد للأنماط التي ابتكرها، ثم راهن رهانًا مختلفًا: Remotion يطلب منك كتابة مكونات React، وHyperFrames يطلب منك كتابة HTML.

المقايضة واضحة. Remotion يمنحك نموذج برمجة حقيقيًا وخطوة بناء. HyperFrames لا يمنحك خطوة بناء إطلاقًا، فملف index.html يعمل كما هو، ويتكئ على أن النماذج اللغوية بارعة جدًا في HTML وCSS، ومتوسطة فقط في React. لأداة تضع الوكيل أولًا، هذا هو الرهان الصحيح، لأن نمط الفشل الذي تحاول تجنّبه هو وكيل يكتب JSX يبدو معقولًا ولا يُترجم.

المتطلبات متواضعة: Node 22 أو أحدث، وFFmpeg، وChrome. كل عامل عرض يستهلك نحو 256 ميغابايت من الذاكرة. لا حاجة إلى GPU. يمكن تشغيل العرض محليًا أو على AWS Lambda أو عبر خدمة HeyGen المستضافة، وهنا يكون المال: العرض المحلي لا يكلّف شيئًا بعد جهازك، والمستضاف يُحاسب بالرصيد، و4K بمعامل 1.5×.

الإصدار 0.8.145، الذي صدر في 10 أكتوبر، أضاف تصدير GPU داخل HyperFrames Studio وأصلح خللًا يترك التصديرات الطويلة عالقة عند 90%، وهو سطر إصدار صغير يقول الكثير عن المكان الذي يقف فيه المشروع فعلاً. هذا ليس عرضًا بحثيًا. هذه أداة لها متتبع أخطاء ومستخدمون يلاحظون حين يكذب شريط التقدم.

الحدود، بلا تجميل

HyperFrames لا يستطيع اختراع مشاهد. إن كنت تحتاج حشدًا أو شلالًا أو وجهًا يؤدي شيئًا محددًا، فهذه الأداة الخاطئة وعليك استخدام نموذج فيديو. إنه يعرض ما تصفه بالشيفرة: الطباعة، والمخططات، وجولات الواجهات، والشرائط السفلية، والخط الحركي، والمجسمات ثلاثية الأبعاد التي تملكها بالفعل، والفيديو الذي صوّرته بالفعل.

والناتج أيضًا بجودة HTML الذي يكتبه الوكيل له، بالضبط. الوكيل الضعيف ينتج عرض شرائح بتلاشيات. المهارات ترفع الأرضية كثيرًا، لكنها لا تعوّض الذوق، ولن تنقذ طلبًا لم يقل قط ما الغرض من الفيديو.

وتطبيق Studio المكتبي صار يطلب تسجيل الدخول بحساب HeyGen، وهو قرار تجاري معقول وتذكير في الوقت نفسه بأن المجاني هو المحرك، لا المنتج كله.

لماذا يهم هذا أكثر من نموذج فيديو آخر

كان العام الأخير من فيديو الذكاء الاصطناعي سباقًا على المحور نفسه: مقاطع أطول، وفيزياء أفضل، وشخصيات أكثر اتساقًا. كل ذلك تقدم حقيقي، وكل ذلك عن التوليد.

لكن حصة كبيرة من الفيديو الاحترافي ليست توليدًا. إنها مخطط يجب أن يتحرك بشكل صحيح، وشريط سفلي يجب أن يظهر عند 0:03، وعنوان يجب أن يكون مقروءًا على الهاتف. تلك الأعمال لم تكن تنتظر نموذجًا أفضل. كانت تنتظر طريقة لتسليم العمل لشيء لا يملّ ولا ينحرف.

HyperFrames هو ذلك التسليم، وأقوى ادعاءاته ليس عن الجودة. بل إن الحتمية ميزة. الأداة التي تنتج المخرَج نفسه من المدخل نفسه هي أداة يمكنك بناء خط إنتاج فوقها. وما عدا ذلك ماكينة قمار مبهرة جدًا.