← 返回免费内容库
实战笔记工具效率免费公开

12 分钟 · 更新于 2026-11-18

我用国产模型跑通了HyperFrames,做完3条视频后对比了第150帧

实测用国产模型跑通HeyGen开源的HyperFrames,完成产品发布片、动态数据动画与口播字幕视频,逐帧核验无头渲染与最终导出的像素级一致性。

孟孟健 · 主理人实战记录 · 可在文末讨论
我用国产模型跑通了HyperFrames,做完3条视频后对比了第150帧免费公开
章节索引6 个标题 · 点击展开+

做产品的人总绕不开做视频,无论是产品发布片、晒增长的数据动画,还是口播加动态字幕。

用传统剪辑软件一帧一帧拉时间轴太耗时;让 AI 去写 Remotion 这类 React 视频代码,要先配一堆依赖,代码稍复杂就容易报错。最近 HeyGen 开源的 HyperFrames 在 GitHub 上很受关注,一个月内增长超过 2 万星,截至 11 月 17 日仓库达到了 85,778 星。

它的核心逻辑并不复杂:让 AI 直接写普通的网页代码(HTML/CSS/JS),再由无头浏览器一帧一帧渲染成 MP4 视频。这次我没有调用境外模型,而是在 WorkBuddy 中使用国产模型 DeepSeek-V4.1-Flash,把官方的三类典型场景完整做成了 3 个案例。

先看最关键的渲染核验结果: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 帧截屏。两张图在文字阴影、发丝和卡片边缘上完全吻合,逐帧渲染的确定性由此得到了验证。

第 150 帧对比:左边网页预览定格,右边导出成片

以下是完整的实战步骤、提示词与避坑要点。

第 1 步:配置运行环境与安装#

在 WorkBuddy 中确认选中 DeepSeek-V4.1-Flash。如果电脑上还没安装,需要先下载桌面端环境。

WorkBuddy 官网下载页

在对话框中发送第 1 段提示词进行环境初始化:

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」。

弹出批量删除安全拦截弹窗,准备点击「允许本次删除」

这是在清理旧的缓存。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 秒测试片在无头环境下渲染仅耗时 17.7 秒。

第 2 步:案例一,抓取官网做 20 秒竖版发布片#

基础环境配置好后,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。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 抓取了网页内容,提炼出「宣纸、墨、青金、朱砂」的配色体系,组织 HTML 结构并完成了视频渲染。

字流 20 秒发布片首版生成完毕,右侧加载出成片播放器

随后打开生成的 ziliu-launch-v1.mp4 进行全屏排查。

第一版成片首屏:宣纸底色搭配字流印章与更新信息第一版成片中间镜头:展示多平台分发切换界面

成片排版很规整,但也暴露出三个问题:镜头之间切换偏生硬;核心卖点「多平台内容分发工具」挤在副标题位置,字号过小;整条视频完全没有音轨,是纯静音。

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。

模型在这一轮处理得很有条理。为了给卖点留出呼吸空间,它主动将时长调整为 22.9 秒,说明加了约 3 秒节拍让卖点单独占一屏。针对无声问题,它直接编写了一个 Python 脚本 scripts/make-bgm.py 合成背景音乐并混流进去。

优化完成,说明时长变为 22.9s 并确定性合成 BGM

重新导出后,核心卖点以高亮卡片形态弹性推拉放大,节奏感明显提升。

实测成片 ziliu-launch-final.mp4(22.9 秒)

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展示项目增长的常见需求:用 HyperFrames 自身的 Star 变化制作动态图表。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。

在模型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。

正在尝试访问 web.archive.org 弹出安全风险拦截

第一版图表的柱状图虽然生长出来了,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。

模型在核验数据时给出了纠偏,特意说明 Star 总数目前是 85,778(8.58 万),而不是 7.9 万,后者是 11 月初的数据。

星标数据动画终版生成完成,说明修正角标数值与耗时实测成片 star-chart-final.mp4(15 秒)

这轮优化包含 3 次无头渲染,总耗时 5 分 30 秒,单次 15 秒视频渲染用时 16 秒。

第 4 步:案例三,本地口播视频提取时间轴加动态字幕#

第三个场景结合本地真实素材:将我自己录制的一段 25 秒口播视频,加上重点词强调字幕。原始口播没有字幕,且音量偏低。

原始口播素材 my-talking-clip.mp4(25 秒,无字幕)

在对话框中输入第 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 运行逐词时间戳转写。

WorkBuddy 正在安装本地 whisper 并对真实口播跑逐词时间戳转写

在分析波形时,模型识别出了素材的两个细节问题:视频前 7.36 秒为人像准备阶段,属于纯静音(-180 dB);音频原始整体音量偏小(-41 LUFS)。

它做出的处理是:前 7 秒静音阶段自动铺设「手机遥控电脑、让 Agent 替你干活」的大字标题卡并稍作背景压暗;第 7.38 秒声音一开口,标题卡退场,动态强调字幕跟进,重点词同步放大并变为金黄色。

实测成片 talking-sub-v1.mp4(25 秒)

第 5 步:逐帧对比,网页预览和成片几乎一样#

网页生成视频能否可靠商用,核心在于确定性。为了检验渲染过程中是否存在丢帧,我发送了核验指令:

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),并开启本地预览用 window.__hf 定格跳转到第 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 拉起本地预览服务,定格跳转到第 150 帧截屏,同时抽取导出 MP4 的第 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,差别来自视频压缩。屏幕录制方式依赖屏幕刷新率抓画面,容易出现抖动和丢帧;而基于无头浏览器的逐帧定格渲染,消除了这种不确定性。

与传统方案的对比观察#

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:

一是直接编写普通网页代码,不需要编写复杂的 React 组件,国产 Flash 级别模型在三个案例的首版都能顺利输出,微调一两轮即可成型。二是逐帧按时间点渲染,预览定格画面与最终成片几乎一样(相似度 0.99)。三是产物为标准项目文件夹,即便遇到窗口卡死,新开任务指向原目录就能继续迭代。四是渲染速度相对较快,15 秒视频单次渲染仅需 16 秒。

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
对模型的要求无法直接由 AI 修改需写 React 组件,依赖多且排错成本高写普通网页,国产 Flash 模型可稳定处理
渲染确定性人工调整,所见即所得逐帧渲染逐帧定格渲染,第 150 帧实测对齐
单次出片耗时取决于人工熟练度取决于组件复杂度15 秒视频渲染用时约 16 秒
全自动工作流难以接入自动化 Agent可接入但依赖环境较重易与 Agent 结合,通过 CLI 快速出片

当然,它目前也存在客观局限:一是需要稳定的 Node.js、npm 和 Chrome 无头环境支持;二是面对镜头复杂的长篇叙事,若只给模糊需求,纯网页结构容易出现镜头逻辑偏差,更适合结构清晰的短展示;三是默认只有画面轨道,需要通过提示词明确要求音频生成或轨道对齐。

总体而言,对于经常需要制作产品发布片、动态数据图表和口播字幕等短视频的场景,HyperFrames 提供了一种把视频制作转化为写网页的轻量路径。配置好基础环境后,将产品页面或口播素材交给模型,就能快速跑通第一条视频。

我是孟健。连载在公众号「孟健AI编程」,掘金和知乎的专栏都叫「AI编程实战」。

这篇是免费笔记。要按你的项目往下做,看领航计划。

觉得有用,转给正在做出海的朋友

Related

相关阅读

Reader discussion

围绕这篇内容继续讨论

提具体问题、补充实践证据,也可以回复其他读者。

0 条讨论
登录后参与讨论

免费注册即可评论;阅读本身不需要登录。

登录 / 注册

正在读取讨论…