HTML schreiben, MP4 bekommen: HyperFrames macht Video für Agenten baubar

HTML schreiben, MP4 rausbekommen

HeyGen hat HyperFrames diesen Monat als Open Source veröffentlicht, und der Claim ist fast schon aggressiv schlicht: HTML schreiben, Video rendern, für Agenten gebaut. Drin steckt kein Diffusionsmodell. Nichts wird herbeigeträumt. Du schreibst eine Webseite, die Seite wird in Headless Chrome geladen, jeder Frame wird zu dem Zeitstempel abgegriffen, den du angegeben hast, und FFmpeg klebt die Frames zu einer Datei zusammen.

Das klingt nach einem Rückschritt in einem Jahr, in dem Videomodelle aus einem Satz eine überzeugende Straßenszene bauen. Es ist das Gegenteil. HyperFrames löst die Hälfte der Videoproduktion, die generative Modelle am schlechtesten können: den Teil, der zweimal gleich rauskommen muss.

Das Projekt steht unter Apache-2.0, lag Mitte Oktober bei rund 63.900 Stars, nach über tausend an einem Tag, und kam in der Woche bis 12. Oktober auf etwa 811.000 npm-Downloads. Es ist mit Abstand das am stärksten übernommene Ding in der Kategorie Agent macht Video, und es hat das geschafft, ohne ein einziges Originalpixel zu erzeugen.

Was Determinismus wirklich bringt

Ein Videodiffusionsmodell ist ein Sampling-Prozess. Zweimal derselbe Prompt, zwei verschiedene Videos. Super, wenn du explorierst, furchtbar, wenn du auslieferst.

HyperFrames macht das Gegenteil. Jede Composition ist eine index.html. Clips sind normale Elemente mit Data-Attributen für Startzeit, Dauer und Track-Index. Animation kommt aus GSAP-Timelines, CSS-Keyframes, Lottie, Three.js, Anime.js oder der Web Animations API. Der Renderer lädt die Seite, springt per Seek zu jedem Frame statt in Echtzeit abzuspielen, nimmt ihn auf und gibt die Sequenz an FFmpeg. Gleiche Eingabe, gleiche Frames, jedes Mal.

Diese Eigenschaft ist langweilig, bis ein Agent im Loop hängt. Ein Agent, der eine Zeile Text ändert, muss wissen, dass der Rest des Videos nicht gewandert ist. Bei einem generativen Modell heißt neu rendern nach einem Textfix: den ganzen Clip neu würfeln und hoffen, dass das Timing überlebt. Bei einem deterministischen Renderer ist der Fix ein Fix.

Es gibt einen Nebeneffekt, der für Teams mehr zählt als für Einzelne: Ein Video wird zu einem diffbaren Artefakt. Du siehst, was sich zwischen Version drei und Version vier geändert hat, weil es HTML ist.

Die Skills sind das eigentliche Produkt

Der Renderer ist der leichte Teil. Der schwerere ist, einem Coding-Agenten beizubringen, eine Composition zu schreiben, die nicht wie eine Webseite mit einem Video drin aussieht.

HyperFrames liefert 21 Agent Skills mit, /hyperframes ist der Router, der die Anfrage liest und einen Workflow auswählt. Der Katalog ist nach echten Jobs sortiert, nicht nach Features: ein Produktlaunch-Video aus einer URL oder einem Brief, ein gesichtsloser Erklärer aus Text, ein Musik-zu-Video-Durchlauf, der Schnitte auf Beats setzt, eingebettete Untertitel, ein Talking-Head-Recut und kurze Motion-Graphics-Hits für Logo-Stings und Stat-Cards. Die Skills laufen mit Claude Code, Codex, Cursor und Gemini CLI.

Das Klügste ist frame.md. Viele Marken pflegen inzwischen ein design.md - Farben, Typo-Skala, Spacing-Regeln -, das ein Agent lesen kann. Das Problem: Diese Regeln sind für Screens geschrieben. Auf Video angewendet, baut ein Agent fröhlich 14-Pixel-Fließtext und eine Navigationsleiste, weil die Regeln das so sagen. frame.md schreibt dasselbe Brand-System auf Video-Maßstab um: Schrift, die auf Armlänge lesbar ist, Kompositionen, die einen 16:9-Crop überleben, Bewegung, die noch Platz hat, um irgendwohin zu gehen. Die Galerie bringt ein Dutzend Startsysteme mit, darunter einen Vintage-Sportmagazin-Look, der um ein einziges gesättigtes Rot herum gebaut ist.

Genau solche unglamourösen Details entscheiden, ob Agenten-Video professionell aussieht. Ein Modell, das einen schönen Frame generiert, weiß nicht, dass deine Marke ein bestimmtes Rot hat. Eine Skill-Datei weiß es.

Der Remotion-Vergleich, ehrlich

HyperFrames ist offen von Remotion inspiriert, dem React-basierten Video-Framework. Das Team hat Remotion in Produktion benutzt, die Attributionskommentare für die Muster, die es geprägt hat, im Quellcode gelassen und eine andere Wette gemacht: Remotion verlangt React-Komponenten, HyperFrames verlangt HTML.

Der Tausch ist klar. Remotion gibt dir ein echtes Programmiermodell und einen Build-Step. HyperFrames gibt dir gar keinen Build-Step, eine index.html läuft so wie sie ist, und setzt darauf, dass Sprachmodelle in HTML und CSS extrem gut sind und in React nur ganz gut. Für ein Agent-First-Tool ist das die richtige Wette, weil der Fehlermodus, gegen den du optimierst, ein Agent ist, der plausibel aussehendes JSX schreibt, das nicht kompiliert.

Die Anforderungen sind bescheiden: Node 22 oder neuer, FFmpeg, Chrome. Jeder Render-Worker braucht rund 256 MB RAM. Keine GPU nötig. Rendern läuft lokal, auf AWS Lambda oder über HeyGens Hosted Service, und da liegt das Geld: lokal kostet nichts außer deiner eigenen Maschine, gehostet wird pro Credit abgerechnet, 4K mit Faktor 1,5.

Version 0.8.145 vom 10. Oktober brachte GPU-Export in HyperFrames Studio und fixte einen Bug, der lange Exporte bei 90 % hängen ließ - eine kleine Release-Note, die viel darüber sagt, wo das Projekt wirklich steht. Das ist keine Forschungsdemo. Das ist ein Tool mit Bugtracker und Nutzern, die merken, wenn eine Fortschrittsanzeige lügt.

Die ehrlichen Grenzen

HyperFrames kann kein Footage erfinden. Wenn du eine Menschenmenge brauchst, einen Wasserfall oder ein Gesicht, das etwas Bestimmtes tut, ist das das falsche Tool, und du solltest ein Videomodell nehmen. Es rendert, was du im Code beschreibst: Typografie, Charts, UI-Walkthroughs, Lower Thirds, kinetische Typo, 3D-Objekte, die du schon hast, Video, das du schon gedreht hast.

Die Ausgabe ist außerdem genau so gut wie das HTML, das ein Agent dafür schreibt. Ein schwacher Agent produziert eine Diashow mit Fades. Die Skills heben den Boden deutlich, aber sie ersetzen keinen Geschmack, und sie retten keinen Prompt, der nie gesagt hat, wofür das Video da ist.

Und die Studio-Desktop-App verlangt jetzt einen Login mit HeyGen-Konto, was eine vernünftige Geschäftsentscheidung ist und gleichzeitig daran erinnert, dass kostenlos die Engine ist, nicht das ganze Produkt.

Warum das mehr zählt als noch ein Videomodell

Das letzte Jahr KI-Video war ein Rennen auf derselben Achse: längere Clips, bessere Physik, konsistentere Charaktere. Alles echter Fortschritt, und alles geht um Generierung.

Aber ein großer Teil professionellen Videos ist keine Generierung. Es ist ein Chart, der korrekt animieren muss, ein Lower Third, das bei 0:03 erscheinen muss, ein Titel, der auf dem Handy lesbar sein muss. Diese Jobs haben nie auf ein besseres Modell gewartet. Sie haben auf einen Weg gewartet, die Arbeit an etwas zu geben, das nicht gelangweilt wird und nicht driftet.

HyperFrames ist diese Übergabe, und die stärkste Behauptung dreht sich nicht um Qualität. Sie lautet: Determinismus ist ein Feature. Ein Tool, das aus derselben Eingabe dieselbe Ausgabe macht, ist ein Tool, auf dem du eine Pipeline bauen kannst. Alles andere ist ein sehr beeindruckender Spielautomat.