公众号集体开课教 HyperFrames:这波 AI 视频教程潮,说明了三件事
公众号集体开课教 HyperFrames:这波 AI 视频教程潮,说明了三件事
最近翻技术类公众号,有种很奇妙的感觉:前脚刚刷到一篇“一句话生成宣传片,Codex + HyperFrames 全流程实操”,后脚又是一篇“纯新手向:从零搭一条 AI 视频流水线”。
标题换着花样,主角却是同一个名字——HyperFrames。
在今日头条、网易、腾讯新闻的科技版块,它也被反复提起,有的说“Codex 加 hyperframe 做视频,让剪辑师慌了”,有的干脆教人“用 AI 全自动剪辑,日更一百条”。一个开源项目,硬是被写成了连载课程。
这波热闹到底说明什么?得先把这个东西讲明白。
一、它到底是个啥?一句话:把视频当成“会动的网页”来写
传统做视频,是打开剪辑软件,拖素材、卡时间点、拉关键帧。手艺在手上,改一版要熬一晚上。
HyperFrames 换了个思路:视频不再是一堆素材,而是一个网页。
你在网页里排版、写动画、放音乐,它再把网页“一帧一帧拍下来”,合成 MP4。
打个比方,就像拍定格动画:以前你得自己摆一次拍一次,现在你只要把剧本写好,机器自动摆好每一个姿势、按下每一次快门。
这个项目由 HeyGen 开源,代码公开、可商用,渲染不按次数收费。它的官方口号只有一句大白话:写 HTML,出视频,为 AI 智能体而生。

二、公众号为什么抢着写它?因为它“天生好教”
一个开源项目火不火,看教程数量最准。而 HyperFrames 的教程,最近已经排出三个梯队。
第一梯队是硬核工作流。 讲怎么把 Codex、Claude Code 接进来,怎么用一句话跑完整条生产线,怎么批量出片。这类文章收藏量高,读者多半是开发者和小团队。
第二梯队是翻译搬运加拆解。 对比它和老牌框架 Remotion,谁更适合 AI 时代,谁的迁移成本低。舆情里就有文章提到,迁移工具已经能自动转换约八成 Remotion 项目。
第三梯队最热闹:纯新手向。 不要求会写代码,只教你在对话框里描述想要什么,剩下的交给 AI。
为什么偏偏是公众号先热起来?原因其实很现实。
第一,教程本身就是产品。 写一篇 HyperFrames 教程,结尾可以顺手挂上模板、组件包、提示词清单,交付物是能直接下载的,读者拿走就能用,转化率天然比“聊聊 AI 的未来”高得多。
第二,图文作者手里最多的资产,就是文字。 一篇三千字的稿子,改成视频脚本几乎是零成本。而 HyperFrames 最擅长的,恰恰是把文字、笔记、文章变成有排版的画面——官方文档里明确写着,不用一帧实拍素材,光靠文字就能生成讲解视频、图表动画、动态字幕。
第三,它真的“可复现”。 这一点最容易被教程作者忽略,但对做课的人极其重要:同一份文件,今天渲染和明天渲染,出来的画面一模一样。学员照着做,不会因为电脑卡了一下就少两秒画面——因为渲染时它根本不“播放”视频,而是要第 90 帧,就精确算出第 90 帧该长什么样。
对做教程的人来说,这意味着截图能对得上、结果能对得上、售后问题少一半。
三、真正让普通人上手的,是那堆“现成积木”
如果只是“用网页写视频”,它不会这么出圈。真正降低门槛的,是它的组件库。
官方目录里躺着小四百个现成的“零件”:转场、字幕条、片头标题、数据图表、地图动画、胶片颗粒、社交平台关注页特效……一条命令就能装进你的项目,装进来的是可以改的源文件,不是黑盒。
这就像装修:以前你得自己拌水泥砌墙,现在是去建材市场挑成品门、成品柜,回来拼一拼就能住。

再往上一层,它内置了给 AI 智能体看的“技能包”。装好之后,你在 Claude Code、Codex、Cursor 这类工具里说一句“帮我做一个十秒的产品介绍”,AI 自己会写网页、配动画、加字幕、检查、预览、渲染。
更省事的是桌面版 Studio 应用:Mac 和 Linux 可以直接下载,登录就能用,全程不写一行代码。你打字提需求,它会先给你看分镜脚本——六个画面排成格子,像连环画一样让你确认,再开始动工。

不满意怎么办?指着画面说“这里换掉”,或者在图上画两笔,AI 照着改。旁边还有个绿色小人叫 Framey,全程告诉你它干到哪一步了。
想在手机或网页上直接用?也行。在 Claude.ai 或 ChatGPT 里连上它的连接器,一句话就能出片,连软件都不用装。
四、谁在学?三类人最着急
翻完这些教程的标题,能大致描出三类读者。
第一类,是自媒体和公众号作者。 他们最怕的不是没内容,是内容只有一种形态。一篇文章写完,如果能顺手变成竖屏短视频,分发渠道立刻多一倍。舆情里甚至已经出现“把微信文章自动转成 AI 短视频”的工具讨论,说明这个需求真实且迫切。
第二类,是中小商家和运营。 产品上新、活动预告、数据周报,这些东西结构固定、更新频繁,最烦的就是每次都找人做。有了固定模板,改改数字和文案就能出片,这才是他们想要的。
第三类,是教育培训和知识付费从业者。 把讲义、笔记、课程大纲变成动画讲解,过去要请外包,现在自己就能跑。公开的使用者名单里,就有团队拿它做 AI 互动课堂的一键视频导出,也有做课程生成的平台把它接进了工作流。
顺带说个有意思的案例:知名白板工具 tldraw 用它自动生成代码改动的讲解视频,带动态对比、旁白和字幕。以前这种视频得专门约人录屏剪辑,现在提交完代码,视频自己就出来了。
五、热闹归热闹,这三盆冷水得泼
教程潮最容易带来的错觉,是“零门槛、立刻能赚钱”。实际情况得掰开说。
一是它终究不是“一键生成神片”。 你说得越模糊,AI 发挥得越自由,翻车概率越高。舆情里已经有人总结出提示词的门道:先给“路由”说明要什么类型,再给时长和分辨率,然后按时间点写分镜,文案要用引号锁死,最后补上“不要什么”。说白了,AI 不嫌你啰嗦,就怕你含糊。
二是环境仍有小门槛。 走命令行那条路,需要较新的运行环境和视频编码工具,装不上就会卡在第一步。不想折腾的,建议直接走桌面应用或网页对话那条路,能绕开大半问题。另外桌面版目前只覆盖 Mac 和 Linux,Windows 用户还得再等等。
三是教程本身良莠不齐。 有的文章是真拆解,有的只是把官方文档换了个说法。判断标准很简单:能不能让你在半小时内做出一条十秒钟、自己看得下去的东西。 做得出来,就是好教程;做不出来,写得再长也是水文。
六、这波教程潮,到底说明了什么
在我看来,它说明的不是“又一个 AI 神器诞生了”,而是一件更朴素的事:
内容行业的形态壁垒,正在被拆掉。
过去,会写字的人和会剪片的人,是两个工种。一篇文章想变成视频,中间隔着一整个团队。现在这道墙薄了——文字、网页、视频,正在变成同一份东西的不同出口。
公众号之所以最先涌上来,不是因为它技术最强,而是因为它离“内容变现”最近:它既有大量会写字的作者,又有成熟的付费习惯,还天然适合“教程带工具、工具带模板”的生意链条。
至于 HyperFrames 本身,它未必是终局。但它指的那个方向大概率是对的:未来做视频,可能不再靠“剪”,而是靠“描述 + 组装”。
最后留个问题给大家聊聊:如果一句话就能把文章变成视频,你更愿意花时间学剪辑,还是花时间学怎么把话说清楚?
我猜,评论区会很有意思。