Hypit は、AI コーディングエージェントに動画を作らせるためのオープンソースのシステムです。参照クリップを渡すと、エージェントがそれを編集可能なプロジェクトとして組み立て直します。素材、字幕、B-roll、エフェクトまで含めてです。リポジトリは 8 週間足らずで 12,500 スターを超え、新しい issue が毎日届いています。Hypit を扱う記事の多くはインストール方法の解説です。本記事は別の問いに答えます。作りたい動画があるとき、参照クリップから始めるべきか、それとも自社の製品素材から始めるべきか。答えは、最終ファイルまで何を守り抜く必要があるかで決まります。
01
Hypit とは
Hypit は、コーディングエージェントに動画のための言語と実行環境を与えます。公式の説明は明快で、AI エージェント（Claude Code、Codex など）に「動画を作るための言語とシステム」を与えるものだとしています。
まず押さえておくべき点が二つあります。
一つ目に、Hypit は生成モデルではありません。フレームを描くのではなく、計画し、配置し、コンパイルします。
二つ目に、その配置は記述として残ります。エージェントが出力するのは、受け入れるか却下するしかない完成ファイルではなく、読んで変更できるソースコードです。
スキルとしてインストールし、リポジトリをクローンする必要はありません。
npx skills add hypit-ai/hypit -gスキルに対応したコーディングエージェントが必要です。ドキュメントで名前が挙がっているのは Claude Code と Codex の二つです。AI 動画エージェントに制作を任せるという考え方自体が初めてなら、先にその背景を押さえておくと読み進めやすくなります。
本記事の製品情報は、すべて 2026 年 9 月 21 日に公式リポジトリとドキュメントで確認したものです。Hypit は更新が速いため、頼りにする情報は必ずご自身でも確認してください。
02
入口は三つ、基準は一つ
注目されるのはクローン機能ですが、README はあえて視野を広げています。「念のため補足すると： 動画のクローンは最も手早い入口であって、唯一の入口ではありません。テンプレートから始めることも、作りたい動画を説明するだけにしてエージェントにワークフローをゼロから書かせることもできます」。
つまり入口は三つです。参照をクローンする、テンプレートから始める、欲しい結果を記述する。
出力の形を決めるのは入口ではなく、基準です。どの経路でも、構成は文字起こしを軸に組み立てられます。要素は時刻ではなく語に結び付けられます。
この一つの設計判断で、この後の内容のほとんどが説明できます。
03
語基準の構成が保証すること、しないこと
公式の表現はこうです。素材、字幕、B-roll、エフェクトは「秒ではなく語に結び付けられている」。
この保証は本物で、役に立ちます。1 行を書き換えると、字幕のタイミングが自動で組み直されます。キーフレームを手で調整し直す必要はありません。台本を 1 語変えただけで 30 個の字幕を打ち直した経験がある人なら、それだけでも試す価値があるとわかるはずです。
ただし限界もあります。語を基準にするというのは、いつ何が表示されるかを決める仕組みです。描画結果に欠陥がないかどうかは決めませんし、あなたの事実が正しいかどうかについては何も言っていません。
issue トラッカーでも、この差に突き当たった投稿者がいます。ある投稿者は、連続する字幕キューが同じフレームを奪い合い、中国語字幕が重なったと報告しました（#297）。別の投稿者は、画像トラックを追加すると字幕がキューをまたいで混入することを見つけました（#330、未解決）。三人目は最終的な mux の問題を突き止め、-frames:v フラグによって ffmpeg が最後の音声パケットを落としていたことを報告しています（#315）。
いずれも若いプロジェクトにはよくある不具合で、三件のうち二件はすぐにクローズされました。言いたいのはもっと狭いことです。語を基準にする仕組みはタイミングのモデルであって、正しさの保証ではありません。
04
SVML の実際
エージェントが書くのは SVML、Structured Video Markup Language の略です。これが構成のソースです。この用語は宣伝用の飾りではなく、コードベースの 300 か所以上に登場します。
公式のスクリーンショットが作業の様子を示しています。「左に SVML ソース、右に対応する動画をライブで描画」。
経験のあるチームが好むのはこの部分です。読める構成であれば、レビューも差分比較も他の人への引き継ぎもできます。動画が間違っていれば、その原因になった行を指し示せます。
エージェントは、タイムライン編集用の Studio と、特定の場面にひも付けてフィードバックを残せる Comments を開くこともできます。
05
生成は実際にどこで行われるか
Hypit 自体は、動画も画像も音声も生成しません。生成は他のサービスを呼び出して行います。
費用の仕組みは、このアーキテクチャから自然に決まります。quickstart にはこうあります。「Hypit のフレームワークは無料で利用できます。コーディングエージェントと各モデルサービスは、それぞれ独自のアカウントと料金体系を使います」。さらにはっきりと、「スキルや実行ファイルのインストールに生成クレジットは含まれません」とも書かれています。
つまり、請求は三つに分かれる可能性があります。コーディングエージェント、モデルサービス、そして任意で追加するホスト型のオプションです。Hypit のフレームワーク自体はそこに含まれません。
この分担には、見落としやすい二つ目の帰結があります。生成が行われる場所は、画像の忠実度が決まる場所でもあります。モデルが製品のスクリーンショットを描き直したなら、それはモデルの中で起きたことであり、構成レイヤーで起きたことではありません。
ある投稿者は、モデルの費用がどれほど速く膨らみうるかを報告しています。AI 生成ではなく自前のオリジナル素材を使う方法を選んだにもかかわらず、ツールが元動画を処理している間に 1,000 万トークン相当の枠を使い切り、動画を一本も完成させられなかったそうです（#270、未解決）。
これは一人の報告であり、典型的な結果ではないものとして受け止めてください。一つのアカウントによる報告で、消費量は選んだモデル、元素材の長さ、選んだ経路によって変わります。それでも知っておく価値があるのは、自然な思い込みに反するからです。自前の素材を持ち込めばモデル費用が小さくなるとは限りません。参照を分析すること自体がモデルの仕事だからです。
制作に取りかかる前に予算を決めておきましょう。ドキュメントによれば、エージェントは有料の作業を始める前に、選択したアカウント、予定している作業、利用可能な料金や見積もり費用を説明します。
06
生成を使わない経路
生成費用をまったくかけない経路もあります。README の言葉を借りれば、「生成モデルも任意です。ワークフローは、生成モデルを呼び出すことも、その利用料金を発生させることもなく、字幕、モーショングラフィックス、コードで描画したビジュアルを完成した動画にコンパイルできます」。
これが Hypit の最も予測しやすい使い方です。生成モデルを呼び出さないので、実行ごとにばらつくモデル出力も、追跡すべきモデル費用もありません。
ただし、この経路で何が作られるかははっきりさせておく必要があります。得られるのは、字幕、モーショングラフィックス、コードで描かれたビジュアルです。生成モデルなしでグラフィック中心のコンテンツを作る方法であって、製品のスクリーンショットを取り込み、手を加えずに画面に配置することを保証する仕組みではありません。両者は別の仕事です。
07
参照主導か素材主導か：判断表
経路の議論の多くは、ツールを比べることでつまずきます。比べるべきは仕事です。最終ファイルまで何を守り抜く必要があるかを問いましょう。
| 問い | 参照主導の経路 | 素材主導の経路 |
|---|---|---|
| 何を再現するのか | 実証済みの形：テンポ、フック、字幕が入る位置 | 変えずに残すべき一連の事実：UI、モデル名、価格、仕様 |
| 素材はどこから来るか | 参照素材、生成された素材、コードで描画したビジュアル | 自社の製品素材と自社の台本 |
| システムは何を約束するか | 文言を変えると字幕のタイミングが組み直される | 素材は描き直されず、文言は書き換えられず、場面が別の製品にずれない |
| 失敗した場合の代償 | 広告バリエーションの一本が伸びない | 製品動画一本が誤った価格や仕様を伝える |
| 費用はどこで発生するか | コーディングエージェントとモデルサービス、それぞれ別請求 | 制作ツールの中 |
| 典型的な仕事 | 広告バリエーション、AI UGC、バイラル動画の再現、ローカライズ版 | 製品説明、機能紹介、複数 SKU の製品動画 |
まず 1 行目を読んでください。ほとんどのケースはそこで決まります。フック、テンポ、字幕のリズムといった実証済みの形を再現したいなら、参照主導の経路が合います。実際の画面、価格、承認済みの法務表現といった事実を損なわずに残したいなら、素材主導の経路が合います。
08
形式そのものが資産の場合
価値があるのは、中身の個々の主張ではなく、動画の形そのものであることもあります。
短い広告には、効くフックがあります。クリエイターのフォーマットは成果を生みます。UGC の編集はリズムで刺さります。出演者、製品の見せ方、言語を変えたバージョンを 20 本ほしい。こうした場合は形を複製することこそが目的であり、行を変えるたびに語基準の仕組みが効いてきます。
Hypit が挙げている用途もこれと一致します。有料ソーシャル広告のバリエーション、出演者やフックを差し替えられるバイラル動画の複製、字幕と B-roll を自動で付ける AI UGC、多言語のローカライズ版です。
これがあなたの仕事に当てはまるなら、参照主導の経路が合っています。本記事の残りは、それを否定するものではありません。
09
製品の事実が譲れない条件の場合
では、もう一つのケースです。
あなたは製品の解説動画を作っています。実際の画面を見せ、プランと価格を示し、仕様を明記します。法務が確認した一文があり、その一文は書かれたとおりに表示されなければなりません。
ここでは許容範囲が違います。少し地味に見える画面なら問題ありません。しかし価格を間違えた画面は許されませんし、製品 A について話しながら製品 B を映す場面も許されません。
これこそ TapVid が得意とする仕事です。TapVid は解説動画エンジン（Explainer Video Engine）で、あなたの製品素材と書き上げた台本から、そのまま納品できる動画を作ります。
その正確さの主張は、三つの層に分けられます。
- 素材保真。 アップロードした製品画像、ロゴ、UI のスクリーンショット、実写素材は画面に配置されます。モデルが描き直すことはありません。
- 情報保真。 文言、数値、モデル名、価格、仕様、法務上の表現は、渡したとおりに表示されます。書き換えや言い回しの調整は行いません。
- 対応関係。 台本が製品 A を扱っているとき、画面には製品 A が映ります。場面と素材がずれることはありません。
三つ目の層が最も厳格です。チームは平凡な見た目の画面は許しても、素材の取り違えは許しません。
台本、絵コンテ、ナレーションはレンダリング前に読めるので、修正が間に合ううちに各カットを文言と照らし合わせられます。
完璧を約束するツールはあるべきではなく、TapVid もそうは言いません。約束はもっと限定的で、実用的なものです。あなたの素材は書き換えられず、明らかな異常は納品前のチェックで検出されます。
10
参照を複製することは、自社素材から作ることではない
両者を競合するツールとして見たくなるかもしれません。しかし競合ではありません。別々の問いへの答えであり、どちらも精度が必要な場面ではコードを使います。
Hypit の構成は文字起こしを中心に組み立てられます。素材は参照、生成サービス、コードのいずれかから来ます。製品素材もその一部になり得ますが、複数ある入力の一つにすぎず、忠実さの約束は字幕のタイミングに関するものです。
素材主導のエンジンは、最初からあなたの素材を中心に組み立てられます。素材と台本が背骨であり、それを最後のフレームまで損なわずに保つのは製品側の仕事で、あなたが監視する工程ではありません。
どちらかが優れているわけではありません。自社のスクリーンショットでバイラル動画を再現するのは扱いにくい作業です。法務確認済みの機能解説動画を、他社の広告を複製して作るのはもっと悪い選択です。
11
二つの経路を衝突させずに運用する
両方が必要なチームは多く、たいていは分担がはっきりしています。
何を守るべきかで振り分けましょう。形を守るべきなら参照主導の経路を、事実を守るべきなら素材主導の経路を使います。誰かがツールを開く前、ブリーフの段階で経路を決めてください。後から切り替えるほうが、早く決めるより高くつきます。
どちらかの経路をエージェント環境に組み込むなら、MCP を通じた動画生成の接続がこの判断の技術面を扱っています。
混成チーム向けの実践的なヒントを一つ。レビューの方法を経路ごとに変えてください。参照主導の仕事は手応えで評価します。問われるのは響くかどうかだからです。素材主導の仕事は元の素材と照合して評価します。問われるのは正しいかどうかだからです。
12
制約・費用・ライセンス
導入を決める前に知っておきたいこと：
請求は一つでは済みません。 フレームワーク自体は無料ですが、コーディングエージェントとモデルサービスはそれぞれのアカウントで課金され、スキルのインストールに生成クレジットは含まれません。
まだ 1.0 未満です。 公開されているバージョンは 0.2.12 です。変更がある前提で、業務プロセスの土台にするものは改めて確認し直すつもりでいてください。
Node.js 22.15 以上が必要です。 この要件はリポジトリのマニフェストによるもので、quickstart のページにはバージョンの記載がないため、こちらを正とします。
最初のレンダリングでつまずく人が多くいます。 トラッカーで特に議論の多かった issue の一つは、クリーンな状態でチェックアウトしてもレンダリングできないというものでした。pnpm 10 は許可されていないライフサイクルスクリプトをブロックするため、Puppeteer 用の Chrome がダウンロードされず、それでもヘルスチェックの hypit doctor は問題なしと報告していました（#222）。ほかの投稿者も、npm 配布版からは同梱フォントにアクセスできない問題（#206）や、宣言されていない workspace の依存関係（#268）といった、関連するパッケージングの不備に遭遇しています。この種の問題は複数のアカウントから報告されているので、セットアップには時間を見込んでおきましょう。
英語以外の制作には固有の粗さがあります。 報告には、中国語フォントパッケージがいつまでも解決されず、ローカルのレンダリングワーカーもクラッシュした件（#211）、WhisperX がすでに整列できる言語を受け付けてほしいという要望（#221）、そして先に触れた中国語字幕の重なりがあります。複数の言語で公開するなら、計画を立てる前にその経路を試してください。
Windows と WSL では特に注意が必要です。 個別の報告として、資格情報の置き換えに失敗して既存の値が消えた件（#249）、WSL が誤ったハンドラーで OAuth を開いた件（#310）、ffmpeg の検索が Windows の PATHEXT シムを無視した件（#319）があります。報告元は少数のアカウントなので、全体的な評価ではなく、試すべき点の目安として受け止めてください。
ライセンスは独自のものです。 Hypit は標準的な OSI ライセンスではなく Hypit Open Source License で提供されています。MIT や Apache の条件を想定せず、必ず本文を読んでください。成果物はあなたのものですが、サードパーティのモデルやサービスにはそれぞれの規約があります。
13
よくある質問
Hypit は動画を生成しますか？
いいえ。動画を構成し、コンパイルします。生成は接続したサービスに任され、生成をまったく使わないワークフローもあります。
Hypit は無料ですか？
フレームワークは無料です。コーディングエージェントとモデルサービスは別途課金され、スキルのインストールに生成クレジットは含まれません。
SVML とは何ですか？
Structured Video Markup Language の略で、エージェントが書く構成のソースです。読むことも、編集することも、再実行することもできます。
生成素材の代わりに自前の素材を使えますか？
使えます。ただし元動画の分析そのものがモデルの仕事なので、この経路が自動的に安くなるわけではありません。ある投稿者は、元素材の処理だけで大きな枠を使い切ったと報告しています。
どのコーディングエージェントで動きますか？
ドキュメントに記載されている例は Claude Code と Codex です。一般的な条件は、スキルを使えるエージェントであることです。
ヘルスチェックで問題がなかったのに、最初のレンダリングが失敗したのはなぜですか？
トラッカーで特に議論の多かった issue の一つと一致します。その報告では、pnpm がライフサイクルスクリプトをブロックしたために、Puppeteer 用の Chrome がダウンロードされなかったことが原因でした。ヘルスチェックを鵜呑みにせず、その手順を直接確認してください。
法務確認が必要な製品動画に Hypit を使うべきですか？
まず、何を守り抜く必要があるかを確認してください。正確なスクリーンショット、価格、法務上の表現を変えずに表示する必要があるなら、素材主導の経路のほうが安全です。実証済みのフォーマットを再現するなら、参照主導の経路こそ Hypit が得意とするところです。
