给 AI Agent 用的视频语言:一段视频被表达成可编辑的工作流,换脸、换词、换空镜都在同一份文件里改,一条命令出 100 个变体。
这个项目的做法是把视频本身变成一种源代码。仓库叫 hypit,29.5k 星,106 天历史,3446 个 fork,108 个未关闭 issue,是一个 pnpm monorepo,packages 目录下每个能力拆成一个包,配套 .claude 与 .codex 两套 Agent 集成。它的核心是一门叫 SVML 的东西:丢一段视频进去,Agent 把它拆成素材、字幕、空镜和效果,而且全部锚定在「词」上而不是「秒」上。作者反复强调的一点是,克隆视频只是最快的入口而不是唯一入口,你也可以从模板开始,或者直接描述要什么让 Agent 从零写工作流;更关键的是生成模型是可选的,一个工作流可以只靠字幕、动效和代码渲染出来的画面完成成片,完全不产生模型调用费用。安装方式是一行 npx skills add hypit-ai/hypit -g,README 写明要求 Node 22.15 以上、pnpm 10.33、TypeScript 5.9。许可不是标准开源许可,是修改版 Apache-2.0 加了两条额外约束。
亮点
- 视频被拆成锚定在词上的工作流,改一处不用重剪
- 生成模型可选,不用视频模型也能出成片
- pnpm monorepo,每个能力一个包,带 Claude 与 Codex 两套集成
- README 给了 SVML 源码与实时渲染预览的对照截图
优点
- 已有 106 天历史与 3446 个 fork,接口细节可以逐条核对
- 附了自检与对照文档,仓库里有真实可运行的例子
- 作者公开了商业授权的边界与联系方式
缺点与注意
- 许可是修改版 Apache-2.0,未经书面授权不得用于多租户环境,也不得作为商业再分发
- 推荐使用 HypiHub 这个官方托管模型服务,第三方接口的兼容度要自己验
- 整包 63MB,clone 成本比同类技能型项目高
看项目详情与各榜名次
装在 Android 上的端侧 AI 助手:一句话让它替你操作 App 和网页,它在隐藏后台屏上干活,你手里的手机照常能用。
Mika 解决的是「Agent 要动手就得占用你的手机」这个具体麻烦。它的做法是在一块隐藏的后台屏上跑,主屏留给你自己。它不接任何 App 的私有接口,而是像人一样看屏幕找按钮,所以微信、淘宝、抖音、小红书这些它都没有专门适配也能用,仓库里另附了一份覆盖 40 个 App 与 26 个网站的使用知识表,包括 12306、携程、B 站这些。数据不出手机:没有 Mika 服务器,用你自己的模型 API key,或者用 ChatGPT、xAI、OpenRouter 的账号登录。默认是 Ask 模式,只在花钱的动作前问你一句,可以切成自主模式。每个对话还开一个 Linux 沙箱跑 Python、Node 与 shell(arm64)。它会记住你教它的偏好,并把跑通的任务沉淀成技能,下次更快更稳。仓库是 Kotlin 为主,另有 Python、JavaScript、Go、Java 与 C,13MB 的 APK 直接在 Releases 里下。
亮点
- 在隐藏后台屏上操作 App,主屏不被占用,随时可以接管
- 不依赖任何 App 接口,靠看屏幕找按钮
- 每个对话开一个 Linux 沙箱,可跑 Python、Node 与 shell
- 把跑通的任务沉淀为技能,并内置 40 个 App 与 26 个网站的使用知识
优点
- 数据留在本机,用自己的模型 key 或自己的账号
- Apache-2.0,全代码公开,可直接下 APK 用
- 日增 600 星,是今天这批里增速最快的
缺点与注意
- 要 Android 11 以上,并需配一次无线调试
- 内置知识表覆盖的是主流 App,冷门 App 表现要自己试
- 仓库 146MB,含完整 Gradle 工程
看项目详情与各榜名次
244 个像素风特效,每一个都是一小段代码:火焰、爆炸、雷电、天气、UI、拾取物、变身,能直接拖进浏览器游戏或导出精灵图。
这个项目把「像素特效」从美术资源变成了程序员资源。目录里每个特效是一个文件,放在 src/fx/<类别>/<名字>.js,类别分 21 组,从 moves、fire、explosions 到 arcane、holy、shadow、weather、ui、pickups、transitions、critters 都有,每组十来个。设计上有一个讲究:凡涉及角色的特效都被「演」出来,先蓄力、再释放、命中时定格、然后恢复,十二个完整招式能串成从起手到收招的攻击链。方法出自 Hugo Duprez 在 Sprite Fusion 的开源作品,这个仓库把它做到了库级规模,并配了一个 Claude Code 技能,用起草、渲染、自看、再改的循环去做新特效。用法上没有依赖:浏览器里直接 import,或者用 node tools/render.mjs ice/frost-nova --sheet 导出成透明 PNG 精灵图加一份 Aseprite 风格的 JSON,Phaser 的图集加载器与 Godot、Unity 的 Aseprite 导入器都能直接读。每个特效还可以换调色板。
亮点
- 244 个特效,每个都是一个独立的小 JS 文件
- 角色类特效被演出来:蓄力、释放、命中定格、恢复
- 一条命令导出透明 PNG 精灵图加 Aseprite 风格 JSON
- 附带一个 Claude Code 技能,用起草、渲染、自看、再改的循环做新特效
优点
- MIT 许可,零依赖,装进仓库就能跑
- 12 个完整招式可以串成攻击链,不只是孤立特效
- 目录、目录清单与画廊齐全,风格是否合用可以先看
缺点与注意
- 方法论来自 Sprite Fusion 的作者,仓库里是照着做的实现
- 部分场景绑定在 Patch 这个平台生态上,独立使用时要自己接
- 仓库 25MB,含大量演示素材
看项目详情与各榜名次
给「学一门新东西」做的 Agent 外壳:先测出你在哪断了,再按依赖图一步步教,学过的东西沉淀成一张能追溯的知识图谱。
LearnHarness 的想法是:讲得对不等于学得会,所以它先测再教。流程是四步:Measure 阶段从你的答案、信心和思考里找出你理解的边界;Plan 阶段算出从那个起点到目标的依赖图,你能看到计划;Teach 阶段每一步都建在你已经懂的东西上,先让你预测、再解释、再确认,困惑被修好之后才往上搭;Practice 阶段是另开的练习场,题目要求正确知识自己浮现而不被点名,题目与提示会跟着你的推理调整。它要求你把思考说出来,写下推理、不确定和反应,这是它拿到细腻画像而不是一份对错表的唯一原因。学过的内容被存成命题与推理链构成的知识图谱,图上每条都能回溯到来源那一次对话,下次教学直接读图谱而不是从头开始。桌面版支持 macOS(签名公证的 DMG)、Windows(x64,未签名会弹 SmartScreen 警告)、Linux(AppImage 或 deb),模型可以用订阅连接、装好的 Claude Code CLI,或任意 OpenAI 兼容端点,包括本地模型服务器。系统提示词公开且可编辑。
亮点
- 四步闭环:测量断点、算依赖图、逐层教、另场练习
- 知识图谱存命题与推理链,每条可回溯到来源对话
- 系统提示词公开可编辑,可自行改教学策略
- macOS、Windows、Linux 三平台桌面应用
优点
- 教学逻辑与依赖图谱都在本地文件里,可直接检查
- 模型来源自选,包括本地模型服务器
- 作者承诺永远免费,若收费也只收便利性费用,不卖功能
缺点与注意
- AGPL-3.0 许可,做二次开发并对外提供服务要当心传染性
- Windows 版未签名,会弹未知发布者提示
- 仓库 13MB,主要为 TypeScript 与 JavaScript
看项目详情与各榜名次
让 Cloudflare Workers 原封不动跑在 AWS、Google Cloud、Azure 或你自己的服务器上:代码一行不改,wrangler dev 变成 orange dev。
这是 Rivet 做的 Cloudflare 运行时替代品,到今天才发布满一天。目标是让现有 Workers 项目直接搬到别的云上,四个设计取向写得很清楚:不重构、不停机迁移,Workers 与 Durable Objects 照原样跑,数据搬走时应用继续服务;开发体验保持一致,wrangler dev 换成 orange dev,底下全部开源可自托管;账单简单化,按你实际用的机器付费而不是 Cloudflare 的计量或企业合同,README 给出的数字是算力便宜 4.8 倍、存储便宜 8.7 倍;以及为扩展设计,存储落在 S3 上,加机器就能横向扩。每个 Durable Object 会变成一个 Rivet Actor,带自己的 SQLite 数据库,存在 .open-orange 目录里。orange migrate 负责把 Durable Object 从 Cloudflare 搬走且零停机,每个对象自己复制自己。部署有三种形态:Rivet Cloud 托管、BYOC(你的账号加它的运维)、以及自托管(Apache-2.0,任何云、Hetzner、内网甚至物理隔离环境都行)。前提是 Node.js 22 以上、pnpm,部署还要 Docker。
亮点
- Workers 与 Durable Objects 不改一行代码直接换运行环境
- orange migrate 搬数据时零停机,每个对象自己复制自己
- 三种部署形态:托管、BYOC、自托管 Apache-2.0
- 仓库自带 examples、tests、packages 与 skills
优点
- Apache-2.0,底层全部开源可自托管
- 把 Durable Object 的状态与迁移路径都写进了文档
- 仓库结构完整,有示例、测试与文档目录
缺点与注意
- 今天才满一天,232 星、9 个 fork,可信度还没有第三方验证
- 便宜 4.8 倍与 8.7 倍全是作者自测数字
- 部署依赖 Docker 与 Rivet 生态,不是零依赖方案
看项目详情与各榜名次
把闭源 SaaS 的图像视频应用整套搬回 ComfyUI:120 个应用全部用开放权重模型,每个都写明模型多大、什么许可、要多少显存。
freefield 想做的是 Higgsfield 的开源平替,方式是重建它的创作应用层,底下全换成 ComfyUI 与 Comfy SDK 上的开放权重模型。它的结构很干净:没有每个应用各自的代码,一个应用就是 apps/ 下的一个文件夹,含一份 app.json 清单和一份 API 格式的 ComfyUI 工作流,网页界面、运行器、模型下载、显存表与测试全部从这些清单推导出来。清单里除了模型还有 HuggingFace 仓库地址、体积、许可,以及每个阶段的显存占用。官方来源的工作流都经 ComfyUI 校验器验收过。实验方法值得看:10 月 20 到 26 日在 Modal 上跑了 48 次 GPU 实验,733 个用例里 710 个通过,网页里的每一个示例都来自其中一次真实运行,带着当时的耗时与显存峰值。端到端计时也公开了:morph 从点击到出片 160.8 秒,其中 128.7 秒在 GPU 上;mixed-media 149 秒;dub 72 秒;face-swap 25.2 秒。CI 每次推送都会跑清单校验、测试、类型检查、生成包与显存表,还有一个纯 CPU 的 ComfyUI 接受全部工作流,每个应用还有固定随机种子的 LoRA 实验集,一共 334 个用例。
亮点
- 120 个应用,无逐应用代码,全部由 app.json 清单推导
- 每个模型都标了 HuggingFace 仓库、体积、许可与分阶段显存
- 48 次 GPU 实验、710/733 用例通过,示例都带耗时与显存峰值
- CI 每次推送跑清单校验、测试、类型检查与纯 CPU 工作流验收
优点
- MIT 许可,模型全开放权重,不依赖任何合作方节点
- 显存表把 24GB 显卡能不能跑写成了一张可查的表
- 实验记录公开在 docs/lab-runs.md,可逐次核对
缺点与注意
- 重模型仍需上 Modal:MiniMax H3 视频因文本编码器要 27.1GB
- 仓库 147MB,含大量工作流与应用素材
- 仓库最近一次推送是 11 月 6 日,比这批其他项目慢
看项目详情与各榜名次
CC0 授权的姿势参考图库:280 个姿势乘 5 个机位,线稿、黏土、深度图、法线图各有,配日文中文英文韩文四语名称,每一张都过了质检。
做 AI 绘画时最缺的就是能直接用的姿势参考,而现成图库大多授权不清。这个项目自己画了一套:280 个姿势分四个系列(标准全身 73 个、上半身 80 个、性感 80 个、双人 55 个),每个姿势从正面、四分之三、侧面、俯视、仰视五个机位各画一张,命名与分类给了日文、中文、英文、韩文四种语言,可直接当提示词或参考图用。图是原创的,图像许可单独放在 LICENSE-images 里,代码是 Apache-2.0,双许可分开。质量控制写得很细:生成的 1340 张线稿里 1212 张通过质检,不合格的会被移出 images 目录和清单,原因留在 data/qc.json 里,判据包括出现乳头痕迹、有脸或头发、带了衣服、有背景、解剖错误、机位不对、看起来像未成年人、画的姿势与命名不符;还有 43 套因为可用视角太少而用第二套生成器重画过。944 张线稿另做了黏土、深度图与法线图,与线稿逐像素对齐,可直接喂给 ControlNet。下载分 w300、w600、w900 与原始四档,Release 里提供打包好的 zip 并带 sha256 校验。仓库里含部分成人向姿势参考,界面默认按 SFW 处理,敏感系列默认打码且不进入走马灯与分享卡。
亮点
- 280 个姿势乘 5 个机位,线稿、黏土、深度图、法线图四套
- 1212 张线稿过质检,不合格的连原因一起留档
- 图像 CC0,代码 Apache-2.0,双许可分开声明
- 四语命名,可直接当提示词或参考图
优点
- 全部图像原创,许可干净可商用
- 深度图与法线图与线稿逐像素对齐,可直接用 ControlNet
- 有 zip 与 sha256 校验,下载可验证
缺点与注意
- 仓库 255MB,姿势图约 145MB、服装库约 150MB
- 敏感系列默认打码,需要手动打开
- 只有 502 星、2 个 watcher,传播度不高
看项目详情与各榜名次
丢一段你喜欢的视频进去,出一段同风格的新视频:多个 Agent 分头做,每个镜头再交给另一个 Agent 审,改动必须附前后对比截图。
ReelMimic 的流程分得很清楚。第一步是拆参考片,拆出镜头数、每个镜头多长、BPM、转场、配色、构图和运镜;然后先给你看方案,包括分镜、角色、素材和几张风格帧,你在旁边的对话框里改到满意再批准。真正干活时最多六个 Agent 同时在不同部分上,每个做完的镜头会交给一个新的 Agent 复审,没有人自己给自己打分。每个修改都必须带前后截图,复审者会核对。你还能看到每个 Agent 在想什么、跑了什么命令、看了哪几帧,完整日志也留着。成片后可以在视频任意一秒上直接写批注,一次性发出去。新增风格就是一个 Markdown 文件,不用写代码。风格引擎有七种:矢量与动效、手绘水彩、蜡笔绘本、像素、剪纸定格、白板涂鸦、动漫赛璐璐,作者自己说明后五种还年轻,实战验证不如前两种。诚实的地方也很多:30 到 60 秒的片子通常要跑 1 到 3.5 小时,水彩与蜡笔最慢;全部工作走你自己的 Claude Code 或 Codex 账号,撞到限额会暂停等;主要在 Windows 上测过;只做动画,不做真人实拍。
亮点
- 最多六个 Agent 分工,每完成一个镜头换一个 Agent 复审
- 每次修改必须带前后对比截图并由复审者核对
- 新增风格只是一个 Markdown 文件,不需要写代码
- 可以看每个 Agent 的思考、命令与看过的帧
优点
- MIT 许可,支持 Claude Code 与 Codex 两套
- 提供繁中、简中、日文三语界面
- 作者如实写明耗时、额度消耗与测试平台限制
缺点与注意
- 30 到 60 秒的片子要跑 1 到 3.5 小时
- 消耗你自己的模型额度,撞限额会中断
- 主要在 Windows 上测试,macOS 与 Linux 验证较少
看项目详情与各榜名次
用 Python 写 3D 物体的一套小语言:模型几百个 token 就能写完一个零件,人也能直接读懂它在造什么。
sand3d 建立在 Blender 的 bpy 之上,提供一套用来描述 3D 物体的编程语言,词汇是轮廓、实体、编辑、帧、关节与装配。它的主张很具体:程序要按自己的语言一件一件说明形状怎么造出来,这样模型只用几百个 token 就能写完,人也能读懂。README 给了一个可核对的数字:同一个零件用 sand3d 描述的 token 数中位数是原来的四分之一。它还提供黏土、深度与法线等派生数据,以及 objaverse、CAD、Articraft、simready、automate 等数据集与一个在线 Explorer 空间。工程上有 llms.txt 与 CITATION.cff,兼容 Python 3.11 与 3.13、bpy 4.5 与 5.2,测试是公开的。它更像是给「生成 3D 资产」这件事提供一种既省 token 又可读的中间表示,落到 Blender 之上执行。
亮点
- 同一个零件的描述 token 数中位数只有原来的四分之一
- 词汇是轮廓、实体、编辑、帧、关节与装配,可被人直接读懂
- 配套数据集、在线 Explorer 与 llms.txt,方便模型读取
- 兼容 Python 3.11 与 3.13、bpy 4.5 与 5.2
优点
- Apache-2.0 许可,MIT 与数据集并列开放
- 有引用文件与公开测试,可被引用与复现
- 语言设计面向 LLM,不是把 Blender 脚本直接摊给模型
缺点与注意
- 强依赖 Blender 与 bpy,版本必须对齐
- 仓库里 GitHub 识别的主语言显示为 HTML,实际重心在文档与示例
- 上线仅 9 天,生态与案例还在起步
看项目详情与各榜名次
中文的 AI 视频制作工作流:从创意、分镜、素材到动画、配乐与导出,六条正式流程加三条候选流程,附三个能本地跑的像素动画示例和一支 30 秒 AI 漫画成片。
这个仓库把中文短视频的完整制作流程拆成了可交付的东西:九条内容流程(其中六条正式、三条候选)、两条辅助流程、九项角色职责、十项技能、三个可运行的像素场景、一支 AI 漫画成片与十八个文字案例。首页展示的《屋顶晒太阳》是十六到三十秒的原速节选,完整带音乐版本四十四秒,示例直接抽取真实作品绘图代码,保留角色、层次、动作与镜头。AI 漫画案例《雨夜最后一班电车》约三十秒 1080p 带原创配乐,实际路径是运镜与字幕预合成后再用剪映加片名导出,原素材与剪映工程没有随视频上传。给新手的第一支视频是默认三十六秒的机器人海港短片:机器人拾起三枚电池装进控制台,点亮灯塔引导渔船归港。运行只要 Python 3.9 以上,Pillow 负责程序绘图,imageio-ffmpeg 负责 FFmpeg,python tools/make_video.py 会选一个新随机种子导出到 outputs 目录,包含 720x1280、24fps 的视频、静音母版、场景配置、动作 trace 与运行记录,不需要 API key、Node.js 或私有素材。当前框架 0.6.0 还包含 Blender 分层角色的 2.5D 有限动画方法与连续平面揭示。
亮点
- 六条正式流程加三条候选流程,九项角色职责,十项技能
- 三个可本地跑的像素场景,不依赖 API key 与私有素材
- 一支 30 秒 AI 漫画成片,含原创配乐与制作说明
- 导出目录带场景配置、动作 trace 与运行记录,可复现
优点
- 全中文文档,流程说明与十八个开场文案可直接复制使用
- MIT 许可,27 个 Python 文件与完整测试
- 流程表逐条标明实际实现范围,不夸大
缺点与注意
- 仓库 525MB,含大量已公开的媒体素材
- 部分流程(如剪映环节)依赖本机剪辑软件,无法全自动
- 只有 13 个 fork,关注度一般
看项目详情与各榜名次