https://blog.cpdd.fyi/tags/%E5%B7%A5%E5%85%B7%E9%93%BE/Recent content in 工具链 on Zampo BlogHugozh-cnTue, 30 Jun 2026 16:30:00 +0800https://blog.cpdd.fyi/posts/codex-video-tools-selection/Tue, 30 Jun 2026 16:30:00 +0800https://blog.cpdd.fyi/posts/codex-video-tools-selection/<p><img src="https://blog.cpdd.fyi/images/codex-video-tools-selection/cover.png" alt="Codex 视频工具三种架构"></p> <p>你刷到一个帖子，说 Codex 现在能做视频了。</p> <p>下面一堆人推荐 HyperFrames。GitHub stars 很高，文档也漂亮：写 HTML，渲染视频，专门给 agent 用。</p> <p>你顺手装上，打开文档才发现不太对。</p> <p>你真正想做的，是把一段一小时访谈切成 3 条竖屏短视频，自动加字幕，最好还能把人脸放中间。可 HyperFrames 擅长的，是把 HTML/CSS/JS 这种结构化页面渲染成视频。</p> <p>它不是错。</p> <p>错的是你一开始把“Codex 做视频”理解成了一个问题。</p> <p>这里至少有三种架构：用代码生成视频，用 agent 编排本地剪辑脚本，用 agent 操作真实编辑器时间线。</p> <p>选错架构，比选错工具更麻烦。</p> <hr> <h2 id="别先问哪个最火先问视频怎么被表达">别先问哪个最火，先问视频怎么被表达</h2> <p>视频不是一种输入。</p> <p>有时候你手里没有素材，只有一篇文章、一个网页、一组 CSV 数据，你想生成一条解释动画。这个问题更像前端工程：布局、动画、时间轴、渲染。</p> <p>有时候你手里已经有素材，是一条播客、一段访谈、一场直播回放，你想切 short。这个问题更像本地剪辑流水线：转字幕、找片段、裁 9:16、烧字幕、导出。</p> <p>还有一种情况，你已经在剪辑项目里，需要 agent 帮你挪素材、切片段、改字幕、看预览、导出。这个时候你要的不是生成视频文件，而是让 agent 进入编辑器。</p> <p>所以真正的选型问题不是“哪个 Codex 视频工具最好”，而是“我的视频任务落在哪个工程对象上”。</p> <p>是 HTML？React component？EDL JSON？还是真实 timeline？</p> <p>这个问题问清楚，后面会简单很多。</p> <hr> <h2 id="生成式把视频当成代码工程">生成式：把视频当成代码工程</h2> <p>HyperFrames 和 Remotion 都属于这条路线。</p> <p>它们不是剪辑器。更准确地说，它们是程序化视频框架：你用代码描述画面、时长、动画和素材，再交给渲染器输出 MP4。</p> <p>HyperFrames 的切口更直接。官方描述是：<code>Write HTML. Render video. Built for agents.</code> 它让你用 HTML/CSS/JS 写 composition，再通过 headless Chrome 和 FFmpeg 做 frame-by-frame 渲染。文档里也强调 agent 工作流：composition 是 HTML，CLI 非交互，适合让 coding agent 写、预览、渲染。</p>