寫 HTML，生出 MP4：HyperFrames 把影片變成 Agent 做得出來的東西

寫 HTML，得到一支 MP4

HeyGen 這個月開源了 HyperFrames，標語平實到幾乎有點硬：寫 HTML，渲染影片，專為 Agent 而生。裡面沒有擴散模型，沒有任何東西是被想像出來的。你寫一個網頁，頁面在無頭 Chrome 裡載入，每一格影格都從你指定的時間戳抓下來，FFmpeg 再把這些影格串成一個檔案。

在影片模型能用一句話生成一條真假難辨的街景的年代，這聽起來像在走回頭路。其實剛好相反。HyperFrames 解決的是生成模型最不擅長的那一半：同一個東西，兩次做出來必須長得一樣。

專案是 Apache-2.0，到十月中大約 63,900 顆星，一天之內多了一千多顆，截至 10 月 12 日那一週的 npm 下載量約 811,000。它是 Agent 做影片這個類別裡被採用最多的東西，而且差距很大，而它做到這件事，沒有生成過任何一個原創像素。

確定性到底買到什麼

影片擴散模型是一個取樣過程。同一個提示詞問兩次，你會得到兩支不一樣的影片，探索的時候沒問題，交付的時候很要命。

HyperFrames 反過來做。每個合成就是一個 index.html。片段是普通元素，用 data 屬性標註開始時間、長度和軌道編號。動畫來自 GSAP 時間軸、CSS keyframes、Lottie、Three.js、Anime.js 或 Web Animations API。渲染器載入頁面，用 seek 跳到每一格影格而不是即時播放，抓圖，再把整個序列交給 FFmpeg。同樣的輸入，同樣的影格，每一次都一樣。

這個特性很無聊，直到你把 Agent 放進流程裡。一個 Agent 改了一行文案，它需要知道影片其他部分沒有動。用生成模型，改完文字重新渲染等於整支重抽一遍，還得祈禱節奏沒跑掉。用確定性渲染器，改一次就是改一次。

還有一層對團隊比對個人更重要的好處：影片變成可以 diff 的產物。你看得到第三版到第四版之間改了什麼，因為它是 HTML。

技能包才是真正的產品

渲染器是簡單的部分。難的是教一個寫程式的 Agent 寫出一個不像「網頁裡塞了一支影片」的合成。

HyperFrames 內建 21 個 agent skill，其中 /hyperframes 當作路由，讀你的需求再挑工作流程。目錄是按真實工作而不是按功能列的：從一個 URL 或一份 brief 做產品發布影片，從文字做無人露臉的解說，把音樂對上剪接點做卡點影片，內嵌字幕，口播重剪，還有給 logo 音效和數字卡用的短動態圖像。這些 skill 支援 Claude Code、Codex、Cursor 和 Gemini CLI。

最聰明的一手是 frame.md。現在不少品牌都在維護 design.md——顏色、字級階層、間距規則，讓 Agent 讀。問題是這些規則是為螢幕寫的。套到影片上，Agent 會很聽話地做出 14 像素的內文和一條導覽列，因為規則就是這樣寫的。frame.md 把同一套品牌系統按影片的尺度重寫一遍：一手臂距離也讀得清楚的字，撐得住 16:9 裁切的構圖，有地方可去的動態。圖庫還附了十幾個起步系統，其中一個復古體育雜誌風格，全靠一個高飽和度的紅撐起來。

就是這種不體面的細節，決定 Agent 做的影片看起來專不專業。一個能生成漂亮畫面的模型，不知道你的品牌有指定的那一種紅。一個 skill 檔案知道。

跟 Remotion 的比較，老實說

HyperFrames 明白說了是受 Remotion 啟發，那個以 React 為基礎的影片框架。團隊在生產環境用過 Remotion，在原始碼裡保留了署名註解，標註它開創的那些模式，然後押了一個不同的注：Remotion 要你寫 React 元件，HyperFrames 要你寫 HTML。

這筆交換很清楚。Remotion 給你一套真正的程式模型和一個建置步驟。HyperFrames 完全沒有建置步驟，index.html 直接就能跑，它押的是語言模型對 HTML 和 CSS 極為擅長，對 React 只是還行。對一個 Agent 優先的工具來說，這個注押對了，因為你要防的失敗模式，就是 Agent 寫出一堆看起來有模有樣、卻根本編譯不過的 JSX。

要求不高：Node 22 或更新版本、FFmpeg、Chrome。每個渲染 worker 大約吃 256 MB 記憶體。不需要 GPU。渲染可以跑在本機、AWS Lambda，或 HeyGen 的託管服務上——錢就在這裡：本機渲染除了自己的機器不花錢，託管渲染按 credit 計費，4K 按 1.5 倍算。

10 月 10 日推出的 0.8.145 版，在 HyperFrames Studio 裡加了 GPU 匯出，修掉一個讓長匯出卡在 90% 的 bug——一則小小的更新說明，告訴你這個專案現在到底在哪個位置。這不是研究 demo。這是一個有 bug tracker、有使用者會在進度條說謊時發現的工具。

老實的極限

HyperFrames 造不出素材。如果你需要一群人、一道瀑布，或一張臉做出某個特定表情，那這就是錯的工具，你該去用影片模型。它渲染的是你用程式描述的東西：排版、圖表、UI 導覽、下三分之一字卡、動態字體、你手上已經有的 3D 物件、你已經拍好的影片。

產出也完全取決於 Agent 為它寫的 HTML 有多好。弱的 Agent 會給你一份帶淡入淡出的簡報。skill 把下限拉高了不少，但它們替代不了品味，也救不了一個從沒說清楚這支影片要幹嘛的提示詞。

另外 Studio 桌面版現在要求用 HeyGen 帳號登入，這是合理的商業決定，也順便提醒你：免費的是引擎，不是整個產品。

為什麼這比又一個影片模型更重要

過去一年的 AI 影片是在同一條軸上賽跑：更長的片段、更好的物理、更一致的角色。這些都是真進展，也全都是關於生成。

但專業影片裡有很大一塊不是生成。是一張必須正確動起來的圖表，是一張必須在 0:03 出現的下三分之一字卡，是一個在手機上必須看得清楚的標題。這些工作從來不是在等一個更好的模型。它們在等一種方式，把工作交給一個不會膩、也不會飄的東西。

HyperFrames 就是這次交接，而它最硬的主張跟品質無關。它說的是：確定性是一個功能。一個同樣輸入給同樣輸出的工具，才是你能在上面蓋流水線的工具。其他的，都只是一台非常厲害的吃角子老虎。