Escribe HTML y obtén un MP4: HyperFrames hace vídeo que un agente puede construir

Escribe HTML, recibe un MP4

HeyGen ha liberado HyperFrames este mes, y el eslogan es casi agresivamente plano: escribe HTML, renderiza vídeo, hecho para agentes. Dentro no hay ningún modelo de difusión. Nada se sueña. Escribes una página web, la página se carga en Chrome headless, cada fotograma se captura en el timestamp que pediste y FFmpeg cose los fotogramas en un archivo.

Suena a un paso atrás en un año en el que los modelos de vídeo sacan una calle convincente de una frase. Es justo lo contrario. HyperFrames resuelve la mitad de la producción de vídeo que peor hacen los modelos generativos: la parte que tiene que salir igual dos veces.

El proyecto es Apache-2.0, rondaba las 63.900 estrellas a mediados de octubre tras sumar más de mil en un día, y acumuló unas 811.000 descargas de npm en la semana hasta el 12 de octubre. Es, con diferencia, lo más adoptado de la categoría de un agente que hace vídeo, y llegó ahí sin generar un solo píxel original.

Qué te compra de verdad el determinismo

Un modelo de difusión de vídeo es un proceso de muestreo. Pide dos veces el mismo prompt y salen dos vídeos distintos. Perfecto cuando exploras, horrible cuando entregas.

HyperFrames hace lo contrario. Cada composición es un index.html. Los clips son elementos normales con data attributes para el tiempo de inicio, la duración y el índice de pista. La animación viene de timelines de GSAP, keyframes de CSS, Lottie, Three.js, Anime.js o la Web Animations API. El renderizador carga la página, salta a cada fotograma haciendo seek en vez de reproducir en tiempo real, lo captura y le pasa la secuencia a FFmpeg. Misma entrada, mismos fotogramas, siempre.

Esa propiedad es aburrida hasta que metes un agente en el bucle. Un agente que cambia una línea de copy necesita saber que el resto del vídeo no se ha movido. Con un modelo generativo, volver a renderizar tras arreglar un texto significa volver a tirar el clip entero y cruzar los dedos para que el timing sobreviva. Con un renderizador determinista, el arreglo es un arreglo.

Hay un beneficio de segundo orden que importa más en equipos que en individuos: un vídeo pasa a ser un artefacto diffeable. Ves qué cambió entre la versión tres y la cuatro, porque es HTML.

Los skills son el producto real

El renderizador es la parte fácil. La difícil es enseñarle a un agente de código a escribir una composición que no parezca una página web con un vídeo dentro.

HyperFrames trae 21 agent skills, con /hyperframes como router que lee la petición y elige un flujo de trabajo. El catálogo está ordenado como trabajos reales, no como features: un vídeo de lanzamiento de producto desde una URL o un brief, un explainer sin cara desde texto, un pase de música a vídeo que sincroniza cortes con el beat, subtítulos incrustados, un remontaje de talking head y piezas cortas de motion graphics para logo stings y tarjetas de datos. Los skills funcionan con Claude Code, Codex, Cursor y Gemini CLI.

La pieza más lista es frame.md. Muchas marcas mantienen ya un design.md - colores, escala tipográfica, reglas de espaciado - que un agente puede leer. El problema es que esas reglas están escritas para pantallas. Aplicadas a vídeo, un agente te va a producir tan feliz un cuerpo de texto de 14 píxeles y una barra de navegación, porque es lo que dicen las reglas. frame.md reescribe el mismo sistema de marca a escala de vídeo: tipografía que se lee a un brazo de distancia, composiciones que aguantan un recorte 16:9, movimiento que tiene sitio hacia dónde ir. La galería trae una docena de sistemas de arranque, incluido un look de revista deportiva vintage construido alrededor de un solo rojo saturado.

Ese es el tipo de detalle poco glamuroso que decide si un vídeo hecho por un agente parece profesional. Un modelo que genera un fotograma precioso no sabe que tu marca tiene un rojo concreto. Un archivo de skill sí.

La comparación con Remotion, sin adornos

HyperFrames se inspira abiertamente en Remotion, el framework de vídeo basado en React. El equipo usó Remotion en producción, dejó en el código los comentarios de atribución de los patrones que Remotion inventó y tomó una apuesta distinta: Remotion te pide componentes de React, HyperFrames te pide HTML.

El intercambio está claro. Remotion te da un modelo de programación de verdad y un paso de build. HyperFrames no tiene build, un index.html funciona tal cual, y se apoya en que los modelos de lenguaje son extraordinariamente buenos en HTML y CSS, y solo buenos en React. Para una herramienta agent-first, es la apuesta correcta, porque el modo de fallo contra el que optimizas es un agente que escribe JSX de aspecto plausible que no compila.

Los requisitos son modestos: Node 22 o superior, FFmpeg, Chrome. Cada worker de render usa unos 256 MB de RAM. No hace falta GPU. Los renders corren en local, en AWS Lambda o en el servicio alojado de HeyGen, y ahí está el dinero: en local no cuesta nada más allá de tu máquina, el alojado se cobra por crédito y el 4K a 1,5×.

La versión 0.8.145, publicada el 10 de octubre, añadió exportación con GPU dentro de HyperFrames Studio y arregló un bug que dejaba las exportaciones largas clavadas en el 90%, una nota de release pequeña que dice mucho de dónde está el proyecto en realidad. Esto no es una demo de investigación. Es una herramienta con bug tracker y con usuarios que se dan cuenta cuando una barra de progreso miente.

Los límites, sin maquillaje

HyperFrames no puede inventar metraje. Si necesitas una multitud, una cascada o una cara haciendo algo concreto, esta es la herramienta equivocada y deberías usar un modelo de vídeo. Renderiza lo que describes en código: tipografía, gráficos, recorridos de UI, lower thirds, tipografía cinética, objetos 3D que ya tienes, vídeo que ya rodaste.

La salida es exactamente tan buena como el HTML que escriba el agente. Un agente flojo produce un pase de diapositivas con fundidos. Los skills suben mucho el suelo, pero no sustituyen al criterio, y no van a salvar un prompt que nunca dijo para qué era el vídeo.

Y la app de escritorio Studio ahora pide iniciar sesión con una cuenta de HeyGen, lo cual es una decisión de negocio razonable y también un recordatorio de que lo gratis es el motor, no el producto entero.

Por qué esto importa más que otro modelo de vídeo

El último año de vídeo con IA ha sido una carrera en el mismo eje: clips más largos, mejor física, personajes más consistentes. Todo eso es progreso real, y todo va de generación.

Pero buena parte del vídeo profesional no es generación. Es un gráfico que tiene que animarse bien, un lower third que tiene que aparecer en 0:03, un titular que tiene que leerse en un móvil. Esos trabajos nunca estaban esperando un modelo mejor. Estaban esperando una forma de pasarle el trabajo a algo que no se aburre y no se desvía.

HyperFrames es ese traspaso, y su afirmación más fuerte no va de calidad. Va de que el determinismo es una feature. Una herramienta que da la misma salida con la misma entrada es una herramienta sobre la que puedes montar un pipeline. Todo lo demás es una tragaperras muy impresionante.