抛弃剪映:用 AI Agent + 网页代码,实现全自动视频生成工作流
大家好,我是孟健。
做产品的人,总绕不开做视频:产品发布片、晒增长的数据动画、口播加字幕。用剪映一帧一帧拉时间轴太耗时;让 AI 写 Remotion 这类 React 视频代码,要先装一堆依赖,代码一复杂就容易出错。
最近 HeyGen 开源的 HyperFrames 在 GitHub 上很火:这个月涨了 2 万多星,到 11 月 17 日仓库是 85,778 星。它的思路很简单:让 AI 写普通的网页(HTML/CSS/JS),再一帧一帧渲染成 MP4。
这次我没用 Claude,在 WorkBuddy 里用国产模型 DeepSeek-V4.1-Flash,把官方的三类典型用法各做了一个案例:产品发布片、数据动画、口播加字幕。
先看最硬核的核验结果:左边是无头浏览器定格在第 150 帧的画面,右边是最终导出的 MP4 第 150 帧,两张图对得上,网页渲染视频会不会丢帧,这张图就是答案。

下面是完整的实操步骤与避坑记录。
第 1 步:配置运行环境与安装
在 WorkBuddy 中确认选中 DeepSeek-V4.1-Flash。如果你电脑上还没装 WorkBuddy,去官网下载桌面端即可:
- 官网下载地址:
https://www.workbuddy.cn

在输入框输入第 1 段提示词安装 HyperFrames:
请先帮我检查电脑上有没有装好 Node.js、npm 和 Chrome 无头浏览器渲染环境(没有的话帮我配好),然后在 C:\Users\你的用户名\OneDrive\文档\字流AI实测\hyperframes-demo 文件夹里安装 HeyGen 开源的 HyperFrames,装好后告诉我版本和耗时。
在清理历史旧依赖碎片时,WorkBuddy 弹出了安全拦截提示:「检测到批量删除操作:累计删除数量 5475 项,阈值 50 高风险命令」。

这是在清理旧的依赖缓存。先看清弹窗里删的是 node_modules 这类依赖目录,再点「允许本次删除」放行;删的是别的文件就点拒绝。随后模型完成初始化自检,自带的 10 秒测试片无头渲染仅耗时 17.7 秒。
第 2 步:案例一,抓取字流官网做 20 秒竖版发布片
基础环境搞定后,我让它读取我的产品「字流」线上官网(ziliu.online),提炼设计元素做一条竖版发布片。
在对话框输入第 2 段提示词:
请读取我的产品「字流」官网 https://ziliu.online 的真实界面、配色和文案,用 HyperFrames 写一段 20 秒左右的 9:16 竖版产品发布片,要有镜头切换、文字动效和末尾 Logo 收尾,导出成 C:\Users\你的用户名\OneDrive\文档\字流AI实测\hyperframes-demo\ziliu-launch-v1.mp4 并告诉我耗时。
AI 抓取了官网内容,提取了「宣纸+墨+青金+朱砂」传统配色体系,组织 HTML 结构并完成渲染。

点开生成的 ziliu-launch-v1.mp4 进行全屏检查:


成片排版很规整,但对照高标准宣发视频看,现场暴露出三个硬伤:镜头之间切换生硬,缺乏呼吸感;核心卖点「多平台内容分发工具」挤在副标题位置,字号太小、不够醒目;整条视频完全没有音轨,是纯静音画面。
看完全屏切回 WorkBuddy 时,遇到了实测里的现场意外:原对话的输入框旁边一直在转圈,卡住了无法聚焦输入。
避坑技巧:遇到对话框卡死不用死等,直接点击 WorkBuddy 左上角的「新建任务」开一个新对话。因为所有网页代码和媒体资源都在本地工作目录里,在新对话里直接指定项目路径让它修改即可。
在新任务中,发送第 3 段优化提示词:
请对 C:\Users\你的用户名\OneDrive\文档\字流AI实测\hyperframes-demo\ziliu-launch 项目进行优化:刚才第一版的镜头切换有点生硬,核心卖点「多平台内容分发工具」字号不够醒目。请把转场改成丝滑的弹性推拉动效,给核心卖点加上高亮卡片放大效果并加上背景音乐,重新导出为 C:\Users\你的用户名\OneDrive\文档\字流AI实测\hyperframes-demo\ziliu-launch-final.mp4 并告诉我耗时。
这一轮国产模型改得挺有章法:为了给卖点留出呼吸空间,它主动将时长从 20.0 秒扩展为 22.9 秒,并在说明中解释:「要给卖点真正的“一屏”而不是挤在标题旁边,只能加一个约 3 秒的节拍」。
面对无声问题,它直接写了一个 Python 脚本 scripts/make-bgm.py,用脚本确定性合成背景音乐并混流进去,可复现且无版权风险。

重新导出后的终版发布片,核心卖点以高亮卡片形态弹性推拉放大,节奏感显著提升:

第 3 步:案例二,制作 GitHub Star 真实数据动画
第二个场景是独立开发者在社交媒体晒项目增长的常见需求:用 HyperFrames 仓库自身的 Star 增长制作动态图表。
在输入框输入第 4 段提示词:
请帮我查一下 GitHub 上 heygen-com/hyperframes 仓库现在的真实 Star 总数和本月增长数据,用 HyperFrames 做一个 15 秒的 16:9 数据动画,展示数字从 0 滚动冲上 7.9 万星、本月暴涨 2 万星的柱状图生长过程,导出为 C:\Users\你的用户名\OneDrive\文档\字流AI实测\hyperframes-demo\star-chart-v1.mp4 并告诉我耗时。
在它调起网络快照抓取时,WorkBuddy 弹出了对外访问安全确认:

点击「本次会话内始终允许」放行。第一版图表虽然把柱子长出来了,但纯黑背景略显单调,冲顶时缺乏视觉冲击力。我接着发送第 5 段提示词进行精修:
图表背景有点单调,数字冲顶时缺少视觉冲击力。请给背景加上深色科技感网格线,柱子长到最高点时加上金色发光脉冲和「本月 +20,000 Stars」的动态角标,重新导出为 C:\Users\你的用户名\OneDrive\文档\字流AI实测\hyperframes-demo\star-chart-final.mp4。
国产模型在纠偏数据时非常清醒,在输出中特意指正:「Star 总数 85,778(8.58 万),不是 7.9 万;7.9 万是 11 月初的水平」。


整轮优化包含 3 次无头渲染,总耗时 5 分 30 秒,单次 15 秒视频渲染仅需 16 秒。
第 4 步:案例三,本地口播视频提取时间轴加动态字幕
第三个场景结合真实素材:将我自己录制的一段 25 秒本地口播视频加上现代短视频的重点词强调字幕。
先看一下原始口播画面(无字幕、音量偏低):

在对话框输入第 6 段提示词:
把我的真实口播视频 D:\Dev\hyperframes-demo\my-talking-clip.mp4 复制到 C:\Users\你的用户名\OneDrive\文档\字流AI实测\hyperframes-demo 目录里,用 HyperFrames 给它加上好看的动态字幕,每句话的重点词做放大变色强调,导出为 C:\Users\你的用户名\OneDrive\文档\字流AI实测\hyperframes-demo\talking-sub-v1.mp4 并告诉我耗时。
AI 调起本地 whisper-cli 跑逐词时间戳转写:

分析波形时,它发现了原始视频的两个物理瑕疵:口播视频前 7.36 秒为人像准备阶段,属于纯静音(-180 dB);原始音量过小(-41 LUFS)。
它针对性做了两层处理:前 7 秒静音阶段自动铺设手机遥控电脑、让 Agent 替你干活的大字标题卡并把底层画面稍作压暗;等到第 7.38 秒声音一开口,标题卡退场,动态强调字幕顺滑跟进,重点词同步放大并变金黄色。

第 5 步:逐帧对比,网页预览和成片几乎一样
网页生成视频到底能不能商用,核心在于「确定性」。为了检验它是不是真的逐帧稳定,我发送了核验提示词:
我想向读者证明 HyperFrames 比传统浏览器录屏和 Remotion 强在哪:请展示一下项目的纯 HTML 代码结构(不用装庞大的 React 依赖),并开启本地预览跳转到第 150 帧截图,和刚导出的 MP4 第 150 帧画面放在一起对比,看看是不是逐帧严格一致、零丢帧。
AI 迅速拉起本地预览服务,定格跳转到第 150 帧截屏,同时用无头工具抽取出 MP4 第 150 帧,生成了比对报告 report.html,就是文章开头那张对比图,逐帧相似度 0.99,剩下那点差别来自视频压缩。
文字阴影、发丝和卡片边缘都对得上。屏幕录制靠刷新率抓画面,容易抖、容易丢帧;它是一帧一帧定格渲染,没有这个问题。
拿它和传统做法比,到底好在哪?
做完三个案例,回头看它强在哪,每一条都能在上面的实测里找到:
- 写的是普通网页:AI 不用写 React 组件,国产的 Flash 模型三个案例的第一版都直接渲染出来了,改一两轮就能用。
- 每一帧按时间点渲染:第 5 步的第 150 帧对比,预览和成片几乎一样,不会像屏幕录制那样丢帧。
- 成品是能接着改的项目文件夹:第一个案例输入框卡死,新开一个对话、指定项目路径就接着改了。
- 快:15 秒的片子单次渲染 16 秒。
再拉一张表,和最常用的几种做法比一比:
| 维度 | 传统剪辑(如剪映) | React 视频框架(如 Remotion) | HyperFrames |
|---|---|---|---|
| 驱动方式 | 人工手动拖时间轴 | 复杂 React 组件与 JSX 状态 | 纯普通 HTML / CSS / JS |
| 对模型的要求 | 不能让 AI 直接改 | 要写 React 组件,依赖多,写复杂了容易出错 | 写普通网页,这次国产 Flash 模型就做下来了 |
| 渲染确定性 | 人工剪,所见即所得 | 也是逐帧渲染 | 逐帧定格渲染,第 150 帧实测一致 |
| 单次出片耗时 | 手动剪,看片子长短 | 看组件复杂度 | 15 秒的片子渲染 16 秒 |
| 全自动工作流 | 难以无缝接入 Agent | 可接入,但依赖包体积庞大 | 天然打通 Agent,一行 CLI 即可出片 |
我的结论:HyperFrames 把做视频变成了写网页,轻量的国产模型也能做出来。
劣势与局限:
- 环境与依赖门槛:本地必须有稳定的 Node.js、npm 和 Chrome 无头环境,清理依赖时的拦截提示容易误导新手。
- 长篇叙事不可硬套:如果只给一句模糊需求,纯 HTML/CSS 容易在镜头逻辑上迷失。它最适合的是结构明确的产品宣传、动态数据展示和社媒动态包装。
- 音频仍需主动补齐:默认状态下只有画轨,必须在提示词中明确要求合成背景乐或挂载音频时间戳。
总结与真判断
这一整套跑下来,没用 Claude 这类境外模型,WorkBuddy 里的国产 DeepSeek-V4.1-Flash 做完了 3 条 1080p 视频。
一句话判断:如果你经常要做产品发布片、数据动画、口播字幕这类结构清楚的短视频,HyperFrames 值得装上试试;要拍剧情、做长视频,它还替代不了剪辑软件。
想试的话,装好 WorkBuddy,把上面第 1 段提示词发给它装好环境,再把你的产品官网或一段口播交给它,就能做出第一条。
👋 我是孟健,前腾讯 T11、前字节技术 Leader,现在全职做 AI 编程。
🔥 更多 AI 编程实战:
- GitHub:@mengjian-github
- 专栏:AI编程实战
- 这期的完整清单:评论区回复「帧视频」,我把领取方式发你
觉得有用?点赞+收藏 就是最大支持 🙏
本文由作者借助 AI 辅助整理,内容经作者实测与审校。