HeyGen在开源视频框架HyperFrames里藏了一个彩蛋技能`/website-to-hyperframes`——输入一个网址,它不会直接吐出视频,而是先把你的网站拆成DESIGN.md品牌文档、页面截图、字体色彩素材和Logo动画,然后才进入脚本、分镜、配音、成片的七步流水线。官方种子贴3万人围观,GitHub仓库已拿下7300颗星。这件事真正值得关注的地方:AI视频的战线,正在从"生成"阶段往上游的"理解"阶段蔓延。
一个「彩蛋」炸出来的信号
4月20日,HeyGen官方账号发了一条推文,语气轻描淡写:
"An easter egg skill we hid in hyperframes"
「我们在HyperFrames里藏了一个彩蛋技能。」
然后列了四个动作:
-
生成 DESIGN.md -
截图页面 -
下载素材 -
构建 Logo 动画
▲ HeyGen官方种子贴,3.1万次查看,近300条回复,超700人收藏
看上去人畜无害。但仔细读这四个动作的顺序,你会发现一个关键细节——它没有一上来就说"生成视频",它说的是先拆文档、先抓素材、先做动画,最后才轮到成片。
这不是一个视频生成工具的发布口径。这是一个网站理解引擎的发布口径。
你的官网,正在被翻译成一份「品牌说明书」
传统的做法大家都经历过:市场团队想做一条产品发布视频,得先找设计要品牌手册,等视觉参考,再找人写脚本,截产品图,提炼卖点,然后剪辑师才能开工。中间来回沟通少说一周。
HeyGen这次换了一个思路:你既然已经有了官网,那官网本身就是离业务真实状态最近的单一信源。
页面上的品牌色、字体、版式结构、按钮文案、产品截图、CTA措辞——这些东西本来就是团队花了无数精力打磨出来的。为什么还要再人工重新整理一遍给视频制作用?
HyperFrames的官方文档把整个流水线拆成了七步,每一步都有明确的中间产物:
1.Capture— 用浏览器自动化抓取网页:按滚动深度截图、像素采样提取色彩、CSS解析字体、下载图片SVG Lottie动画、提取文本段落和CTA按钮 2.Design— 生成`DESIGN.md`:品牌色彩关系、字体层级、间距逻辑、组件模式、注意事项 3.Script— 生成`SCRIPT.md`:hook + story + proof + CTA,标准营销脚本 4.Storyboard— 生成`STORYBOARD.md`:每个beat的情绪、素材调用、动效和转场 5.Voiceover— 生成`narration.wav` + `transcript.json`:配音加字级时间轴 6.Build— 把分镜拼成HTML compositions 7.Validate— 先出snapshot截图验证,确认没问题再渲染成片
▲ 官方文档明确写出七步流水线,每一步都有可检查、可回退的中间产物
注意第二步。它生成的`DESIGN.md`,本质上是一份自动提取的品牌设计系统文档——色彩token带语义关系、字体带使用规则、甚至有do's and don'ts。以前只有Stripe、Linear这类有完整设计中台的团队才维护这种东西,现在一个命令就从任意官网里硬提出来。
这才是这条"彩蛋"真正锋利的地方:视频只是下游终产物,上游那份DESIGN.md才是核武器。
HeyGen VP亲自下场:「网站无非就是HTML + CSS + JS」
同一天,HeyGen VP Bin Liu跟进发帖,把这件事和Anthropic刚发布的Claude Design挂到了一起。
他的核心意思只有一句话:
"websites are all just HTML + CSS + JS!"
「网站无非就是HTML + CSS + JS!」
▲ Bin Liu跟进帖,1.1万查看,127赞——把HeyGen的能力锚定在"网页即可解析代码对象"这个技术事实上
这句话看起来朴素,但信息量很大。
Claude Design的方向是用对话生成网页。HeyGen这边做的是反过来——把已有网页拆解成可编辑的生产资料,然后继续往下做视频。两条线拼在一起,指向同一个趋势:网页和视频,都在变成agent可以直接操作的中间语言。
Bin Liu还顺便提了一句:这条发布视频本身,也是用HyperFrames做的。产品自证,吃自己的狗粮。
社区实测:一句指令,10分钟,从官网到视频
说了这么多架构,到底能不能用?
社区用户nash_su直接上手,拿真实网站autocli.ai跑了一次:
"这个视频生成只用了一句指令:/website-to-hyperframes https://autocli.ai"
▲ nash_su实测帖,3.1万查看,323赞,446收藏——评论区有人问速度,回答"About 10 minutes"
10分钟。从一个活的官网URL到一条完整的产品演示视频,包含品牌色、Logo动画、产品截图、文案脚本。
这个时间量级意味着什么?意味着它已经不是demo级别的"玩具"了。一个独立开发者早上写完landing page,午饭前就能有一条品牌一致的launch video。一个SaaS团队每次发feature update,不用再等市场部排期。
当然,要补一个现实感:这10分钟里真正干活的是AI agent。你需要有Claude Code、Cursor或者Gemini CLI这类coding agent跑在本地,由agent驱动整条流水线。HyperFrames提供的是框架和技能,agent负责执行。
为什么用HTML做视频?因为LLM天生就会写HTML
这里需要解释一个底层选择。HyperFrames的定位写得很直白:
Write HTML. Render video. Built for agents.
它不用React组件树(那是Remotion的路线),不用After Effects工程文件,不用任何私有DSL。最终的视频composition就是普通HTML文件加几个data属性。
Reddit上有人直接解释了为什么:
"every LLM writes HTML fluently"
「每个LLM基本都很会写HTML。」
▲ Reddit讨论帖,266赞——作者解释HTML是agent最稳的authoring格式,但评论区也有人说one-shot效果不如Remotion
这个选择很聪明。让agent去写一棵复杂的React组件树加帧数计算加webpack配置,大概率会出错。但让agent写一段带`data-start="0" data-duration="5"`的HTML?几乎不会翻车。
HyperFrames本质上是把视频制作降维成了一个agent已经精通的能力域:写网页。
GitHub仓库的数据也说明这个判断得到了市场验证——开源不到一周,7300颗星,560个fork,TypeScript写的,Apache 2.0协议。
▲ GitHub仓库,7.3k stars,560 forks,v0.4.9——注意仓库里自己就有DESIGN.md和AGENTS.md
冷静一下:它不是万能的
在兴奋之前,有必要看看社区里已经出现的反向声音。
Reddit评论区有人直说:
"Could not get as good results with opus"
"better one shot results with jsoncut and even remotion"
「用Opus跑效果一般」「jsoncut甚至Remotion的一次生成结果更好。」
这说明什么?HyperFrames的优势在于流水线透明度和agent友好度,但单次生成的视觉品质并不一定碾压所有竞品。它更像是一套"视频自动化基础设施",而不是一个"按一下就出爆款视频"的按钮。
还有成本问题。官方文档提到,如果加Gemini Vision key做图像增强描述,一次典型capture(约40张图)成本约$0.04。但这只是capture环节的API费用,真正的大头是agent推理额度——做一个19秒的视频可能会烧掉不少Claude或GPT配额。
它降低的是人工成本和沟通成本,AI算力成本并没有消失,只是换了个付款对象。
真正的信号:AI视频链路开始往上游吃
外部评论者已经开始把这件事放进更大的叙事里。DEV社区有篇文章标题就很直白:
"HeyGen HyperFrames: How Code is Killing Traditional Video Editing"
「代码正在杀死传统视频剪辑。」
▲ DEV博客评论,把HyperFrames定义为"程序化视频生产取代传统时间线剪辑"的标志性事件
但我觉得这个说法还不够准确。真正在发生的事情比"代码替代剪辑"更深一层。
过去一年AI视频赛道的故事,主要发生在生成阶段——给我一段文字,给你一条视频。从Sora到Runway到Pika到可灵,都在这个区间里卷。
但HeyGen这次做的事,是把战线往上游推了一步。它不只是在做"生成",它在做"理解"——先读懂一个网站的品牌语言、视觉系统、内容结构,把这些信息翻译成结构化的中间文档,然后才开始生成。
DESIGN.md、SCRIPT.md、STORYBOARD.md——这三份文档不是附产品,它们是整条流水线的核心资产。每一份都可以被人类检查、修改、覆盖。你可以在agent生成完DESIGN.md之后手动调品牌色,在SCRIPT.md里改文案,在STORYBOARD.md里删掉你不想要的镜头。然后agent继续从你改过的版本往下跑。
这意味着什么?
意味着AI视频生产的控制权,从"要么接受、要么重来"变成了"在任何一步都可以介入"。黑盒打开了。流水线的每一段管道都是透明的、可编辑的、可复用的。
对于独立开发者来说,你发布新产品不需要再花钱做launch video——你的官网本身就是素材库。对于SaaS团队来说,每次功能更新不需要再等市场排期——agent可以直接从更新后的页面抽取变化生成新视频。对于没有完整设计中台的小团队来说,`/website-to-hyperframes`等于帮你从官网里硬提取出一个临时设计系统。
你的官网,第一次变成了一条可以直接喂进AI视频流水线的结构化输入。
而这,可能只是AI从"下游生成"往"上游理解"迁移的第一步。
— END —



