Scrivi HTML e ottieni un MP4: HyperFrames rende il video costruibile da un agente

Scrivi HTML, ti arriva un MP4

HeyGen ha aperto HyperFrames questo mese, e il claim è quasi aggressivamente piatto: scrivi HTML, renderizza video, fatto per gli agenti. Dentro non c'è nessun modello di diffusione. Niente viene sognato. Scrivi una pagina web, la pagina viene caricata in Chrome headless, ogni frame viene catturato al timestamp che hai chiesto, e FFmpeg cuce i frame in un file.

Sembra un passo indietro in un anno in cui i modelli video tirano fuori una strada credibile da una frase. È l'esatto contrario. HyperFrames risolve la metà della produzione video in cui i modelli generativi sono peggiori: la parte che deve uscire uguale due volte.

Il progetto è Apache-2.0, a metà ottobre stava intorno alle 63.900 stelle dopo averne aggiunte più di mille in un giorno, e ha fatto circa 811.000 download npm nella settimana fino al 12 ottobre. È, con ampio margine, la cosa più adottata nella categoria dell'agente che fa video, e ci è arrivato senza generare un singolo pixel originale.

Cosa ti compra davvero il determinismo

Un modello di diffusione video è un processo di campionamento. Chiedi due volte lo stesso prompt e ottieni due video diversi. Perfetto quando esplori, disastroso quando consegni.

HyperFrames fa il contrario. Ogni composizione è un index.html. Le clip sono elementi normali con data attribute per tempo di inizio, durata e indice di traccia. L'animazione arriva da timeline GSAP, keyframe CSS, Lottie, Three.js, Anime.js o Web Animations API. Il renderer carica la pagina, salta a ogni frame facendo seek invece di riprodurre in tempo reale, cattura, e passa la sequenza a FFmpeg. Stesso input, stessi frame, ogni volta.

Questa proprietà è noiosa finché non metti un agente nel loop. Un agente che cambia una riga di copy deve sapere che il resto del video non si è mosso. Con un modello generativo, ri-renderizzare dopo una correzione di testo vuol dire rilanciare tutto il clip e sperare che il timing sopravviva. Con un renderer deterministico, la correzione è una correzione.

C'è un beneficio di secondo livello che conta più per i team che per i singoli: un video diventa un artefatto diffabile. Vedi cosa è cambiato tra la versione tre e la quattro, perché è HTML.

Gli skill sono il prodotto vero

Il renderer è la parte facile. Quella difficile è insegnare a un agente che scrive codice a comporre qualcosa che non sembri una pagina web con un video dentro.

HyperFrames porta 21 agent skill, con /hyperframes come router che legge la richiesta e sceglie un workflow. Il catalogo è tagliato su lavori reali, non su feature: un video di lancio prodotto da una URL o da un brief, un explainer senza volto da testo, un passaggio musica-video che sincronizza i tagli sul beat, sottotitoli incorporati, un rimontaggio di talking head e brevi pezzi di motion graphics per logo sting e stat card. Gli skill funzionano con Claude Code, Codex, Cursor e Gemini CLI.

Il pezzo più furbo è frame.md. Parecchi brand ormai tengono un design.md - colori, scala tipografica, regole di spaziatura - che un agente può leggere. Il problema è che quelle regole sono scritte per gli schermi. Applicate al video, un agente ti produce serenamente corpo testo a 14 pixel e una barra di navigazione, perché è quello che dicono le regole. frame.md riscrive lo stesso sistema di brand alla scala del video: caratteri leggibili a distanza di un braccio, composizioni che reggono un crop 16:9, movimento che ha spazio per andare da qualche parte. La gallery porta una dozzina di sistemi di partenza, incluso un look da rivista sportiva vintage costruito intorno a un solo rosso saturo.

È il tipo di dettaglio poco glamour che decide se un video fatto da un agente sembra professionale. Un modello che genera un frame bellissimo non sa che il tuo brand ha un rosso preciso. Un file di skill lo sa.

Il confronto con Remotion, detto onestamente

HyperFrames si ispira dichiaratamente a Remotion, il framework video basato su React. Il team ha usato Remotion in produzione, ha tenuto nel codice i commenti di attribuzione per i pattern che ha inaugurato, e ha fatto una scommessa diversa: Remotion ti chiede componenti React, HyperFrames ti chiede HTML.

Lo scambio è chiaro. Remotion ti dà un vero modello di programmazione e un passo di build. HyperFrames non ha nessun passo di build, un index.html gira così com'è, e si appoggia al fatto che i modelli linguistici sono estremamente bravi in HTML e CSS, e solo discreti in React. Per uno strumento agent-first è la scommessa giusta, perché il modo di fallire contro cui stai ottimizzando è un agente che scrive JSX dall'aria plausibile che non compila.

I requisiti sono modesti: Node 22 o superiore, FFmpeg, Chrome. Ogni worker di render usa circa 256 MB di RAM. Nessuna GPU richiesta. I render girano in locale, su AWS Lambda o tramite il servizio hosted di HeyGen, ed è lì che stanno i soldi: in locale non costa niente oltre alla tua macchina, l'hosted è fatturato a credito, e il 4K a 1,5×.

La versione 0.8.145, uscita il 10 ottobre, ha aggiunto l'export GPU dentro HyperFrames Studio e corretto un bug che lasciava gli export lunghi bloccati al 90%, una piccola release note che dice molto su dove sta davvero il progetto. Non è una demo di ricerca. È uno strumento con un bug tracker e utenti che se ne accorgono quando una barra di progresso mente.

I limiti, senza giri di parole

HyperFrames non può inventare girato. Se ti serve una folla, una cascata o una faccia che fa qualcosa di preciso, questo è lo strumento sbagliato e devi usare un modello video. Renderizza quello che descrivi nel codice: tipografia, grafici, walkthrough di UI, lower third, tipografia cinetica, oggetti 3D che hai già, video che hai già girato.

L'output è esattamente buono quanto l'HTML che un agente ci scrive sopra. Un agente debole produce un powerpoint con le dissolvenze. Gli skill alzano parecchio il livello minimo, ma non sostituiscono il gusto, e non salvano un prompt che non ha mai detto a cosa serviva il video.

E l'app desktop Studio adesso chiede il login con un account HeyGen, che è una decisione di business ragionevole e anche un promemoria: la parte gratis è il motore, non tutto il prodotto.

Perché conta più di un altro modello video

L'ultimo anno di video AI è stata una corsa sullo stesso asse: clip più lunghe, fisica migliore, personaggi più coerenti. Tutto vero progresso, e tutto riguarda la generazione.

Ma buona parte del video professionale non è generazione. È un grafico che deve animarsi correttamente, un lower third che deve comparire a 0:03, un titolo che deve restare leggibile su un telefono. Quei lavori non stavano aspettando un modello migliore. Stavano aspettando un modo per passare il lavoro a qualcosa che non si annoia e non va alla deriva.

HyperFrames è quel passaggio di consegne, e la sua affermazione più forte non riguarda la qualità. Riguarda il fatto che il determinismo è una feature. Uno strumento che produce lo stesso output dallo stesso input è uno strumento su cui puoi costruire una pipeline. Tutto il resto è una slot machine molto impressionante.