开源项目:一个图形化、模板化的 HyperFrames 工作台

HyperFrames Video Studio ------ 从一段文字到一支带配音的 MP4,全程点鼠标,不用写代码,渲染全在本地完成。

一、痛点:HyperFrames 很好,但入口太窄

HyperFrames 是一个以 HTML 为载体的视频框架:在 HTML 里用 data-* 属性声明场景时序,用 GSAP 编排动画,本地 CLI 把页面逐帧渲染成 MP4。理论上,一切 Web 动效都能变成视频。

但要用好它,至少得具备这些条件:

  • 懂 HTML/CSS,会写 GSAP 时间线动画

  • 理解 composition、clip、track 等框架概念

  • 会用 AI Agent 写代码、读报错、维护一个工程

  • 搭好浏览器、FFmpeg、CLI 一整套本地环境

对开发者这不算什么;但对内容创作者、运营、产品经理、老师来说,他们只想把文字变成一条像样的视频,却被挡在了"如何让 AI 帮我开发"这一步。

我们的出发点很简单:把 HyperFrames 的能力封装成图形界面 + 预置模板,让普通用户绕开代码,直接制作视频。

二、解法:图形化界面 + 预置动效模板

核心思路:把"会写 composition"这件事从用户身上拿走,交给产品。具体落在四个环节:

  • 分镜不用手写 JSON:粘贴一段文字,AI 自动拆成 4--8 个分镜,每个带标题、旁白、时长;没有模型 Key 也能用本地规则兜底生成。

  • 动效不用写动画:内置 12 个动效模板,每个都有参数面板:选模板、调参数,完成。

  • 画面不用排 CSS:每个分镜是一张 1920×1080 自由画布,文字、图片、视频、卡片都是图层,填坐标尺寸、实时预览。

  • 渲染不用敲命令 :一键完成 HTML 导出、本地渲染 MP4、TTS 配音、按分镜时长对齐混流,页面内直接预览下载。

12 个预置动效模板(节选)

逐字/逐行文本、3D 透视卡片、Coverflow 轮播、照片墙 stagger、数字 Count-up、打字机效果、全屏闪光转场、横向滚动网格、卡片滑入 + 点击反馈、漂浮 loop 等。

三、一段文字到一支成片:五步流水线

  1. 配置工具链(只做一次):填模型 API 与工具路径,页面内置"测试"按钮逐项连通性检测。

  2. 输入内容:粘贴原始文字,上传图片/视频/音频素材。

  3. 生成分镜:AI 从动效注册表中选择模板生成结构化分镜;模型不可用时降级为本地规则。

  4. 编辑图层:调整图层位置尺寸,绑定动效与播放时机,画布实时预览。

  5. 导出渲染:导出标准 HyperFrames 工程,渲染 MP4,合成配音,在线预览下载。

整个流程有清晰的兜底策略:模型不可用时本地规则生成分镜,工具缺失时跳过配音、保留画面,任何一步失败都有明确提示和渲染日志可查。

四、三个关键设计:为什么这样不容易"翻车"

  1. AI 只出数据,不出代码。 模型被约束输出严格的结构化 JSON(分镜列表 + 动效 id),不允许自由编写 HTML/JS。结果可复现、可校验、好排查,杜绝"AI 发挥失常"导致的不可控画面。

  2. 动效必须走注册表。 12 个模板是 AI、编辑器、HTML 生成器三方共享的协议:AI 只能从中选择,编辑器按模板 schema 渲染参数面板,生成器按模板规则输出稳定的 GSAP 时间线,质量下限被锁住。

  3. 全程本地渲染。 视频制作与渲染都在本机完成,素材与成片不出设备,适合内部资料、未发布产品等有保密诉求的场景。

五、技术架构速览

  • 后端:零 npm 依赖的 Node.js 服务(仅 http / fs / child_process),提供约 14 个 API,覆盖素材、配置、AI、导出、渲染、日志。

  • 前端:原生 HTML/CSS/JS 单页应用,五个页面:总览、素材输入、图层编辑、渲染导出、设置检测。

  • 导出物:符合 HyperFrames 规范的 HTML 工程(index.html + project.json + uploads/),内嵌可逐帧 seek 的 GSAP 时间线运行时。

  • 渲染:HyperFrames CLI 逐帧渲染 30fps MP4;FFmpeg 负责旁白按分镜时长对齐与混流;Edge-TTS 生成中文语音。

六、想自己试试?

项目地址:HyperFrames Video Studio · 创空间

前置准备(均可选,界面内有"测试"按钮):

  • OpenAI 兼容的模型接口(不配也能用本地规则生成分镜)

  • 本机安装 HyperFrames CLI 与 FFmpeg

  • Edge-TTS(可选,用于自动配音)

  • 测试环境使用的大模型型为免费版本,出现连接失败情况属于正常,可以填写自己的API_KEY进行测试


结语:我们相信 AI 视频的下一阶段,不是让每个人都学会写 composition,而是把"会写 composition"打包成产品。图形化、模板化、本地化------这是 HyperFrames Video Studio 的第一次尝试。欢迎体验,也欢迎一起把它做得更好。

相关推荐
Python大数据分析@1 小时前
如何看待DeepSeek 开源昇腾基础组件?
开源
miofly4 小时前
GitHub 周榜趋势速报 | 2026-10-02
开源·github
小小龙学IT4 小时前
snap7 开源西门子 S7 通信协议库深度解析
c++·开源
Erishen5 小时前
用 Lume 写一个完整 CRM:Web 与 Agent 共用同一套业务逻辑
开源·agent
神一样的老师7 小时前
RA-Eco-RA4M2-100PIN-V2.0的USB 串口加上一个开源 Shell(MicroShell 移植实录)
开源
OpenCSG7 小时前
行业观察 | 在宜昌看具身智能:开源社区被摆到了台前
数据库·开源
m4Rk_8 小时前
【论文阅读】Agent 记忆机制(87):VizoMem——把文本历史转化为可检索的视觉记忆
论文阅读·人工智能·学习·开源·github
lpfasd1238 小时前
GitHub非AI开源方向调研报告
人工智能·开源·github
白山编程大哥9 小时前
适合初学者练习的 C/C++ 开源项目推荐
c语言·c++·开源
枫叶丹49 小时前
AI 进入日常工作后,任务应该怎样重新拆分
人工智能·chatgpt·开源·agent·codex