Vibe motion 特效制作领域正迎来工具选择的拐点。本文通过 Hyperframes 与 Remotion 的横向实测，揭秘 AI 视频制作的核心决策点——从提示词优化到成本控制，从效果呈现到工作流差异，最终呈现为何 Remotion 成为更优选的完整决策路径。

我最近 4 期视频的特效全是 Vibe motion 做的：前两期用 Hyperframes，后两期换成 Remotion。这篇把两个框架放在同一条视频、同一套提示词下实测一遍，讲清三件事——我平时怎么指挥 AI、交流时要注意哪些点，以及为什么实测之后我选了 Remotion。

先认识下这两个框架

Hyperframes 的热度来自三点：HeyGen 出品、主打 AI 视频、免费开源。Remotion 在个人及 3 人以内小团队场景下同样完全免费。

放到一条视频上，两者的差异集中在三处：

为什么同一句提示词，Remotion 往往能更快反映出你要的效果？

因为 Remotion 出现已经很多年，在大模型训练语料里的比例特别高；

Hyperframes 刚出来不久，相关语料基本都来自HTML制作。

落到模型权重上，Remotion 天然比 Hyperframes 高出一截。（在视频方面）

上：HyperFrames 官网（hyperframes.heygen.com）「写 HTML，渲染视频，专为 AI agent 设计」；下：Remotion 官网（remotion.dev）用 React 以编程方式制作视频

HeyGen 官方《Hyperframes vs Remotion》对比页节选，含逐项对照的 At a glance 表

怎么选：只比两个成本

这两个工具都靠 AI 指挥，所以选型只需要看两件事：

1. 调试要投入的精力
2. 消耗的 token 成本

实测就围绕这两点，看在真实制作流程里，哪个工具更能交付可用的视频。

实测设置：左边 Hyperframes，右边 Remotion，喂同一段视频和同一套提示词。为了更直观地看出区别，两边都不开计划模式，相同内容直接发送。

这里故意留了一个不对等：Hyperframes 我做过很多视频，给它配了专门的 Skill；Remotion 才做两条，还没配新 Skill。让占优的一方用上 Skill，反而更能看清两个框架本身的制作能力。

实测过程里发生了什么

识别类型、复用历史。 两边都先识别视频类型、去仓库找现成素材。Remotion 还多了一个关键发现：我五天前那条视频里有一段一样的口播，可以直接复用。

取向不同。 Hyperframes 倾向网页那套（HTML ）；Remotion 一上来就给口播配了动态特效、浮卡标注、运镜、对比。这条口播本身就有对比内容、卡片、运镜和 B-roll 对比，相同提示词发过去，Remotion 几乎立刻把这些反映了出来。

流程差异。 Remotion 先写文档，我确认没问题后它再写详细的实施计划，比 Hyperframes 慢一步（多了写文档这步）；Hyperframes 这边直接开干。（可以通过提示词修正）

完成度差距。 前 30 秒做完，Remotion 拉起本地预览，效果已经能用；Hyperframes 整条都不太对——它把「特效全部由 Claude Code 生成」这句直接盖在我人物上、把人挡住了，从 10 秒到 36 秒整段没有任何动效，这时它已经吃掉 54% 的上下文。

Hyperframes 也有一个亮点：官方示例它能直接从仓库里拔出来（因为我本来就在它的官方仓库里，有对应素材）；Remotion 没有这层，只能用我给的截图。

收尾阶段。 两边把剩下的补完，Remotion 用了 7 分钟，Hyperframes 用了 14 分钟。Hyperframes 后半段虽然多加了几张卡片，但实际播放时出现大片大片的空白，口播一直钉在右边没有任何变换。

谁更快更省

渲染导出走的是本地算力，不消耗 token。半成品阶段的实测数据：

Remotion 的花费明显更低，时间也少了约 20 分钟。它做出来的效果如果要求不高，可以马上投入使用。

Hyperframes 还能继续打磨，但要把它磨到同等水平，投入的时间和金钱远大于产出，ROI 很低。

做到完整成品时，Remotion 累计 43 刀、成片约 1 分 24 秒；Hyperframes 停在半成品状态、28 刀。

结论

不论是时间成本、token 成本，还是最终的视觉效果，Remotion 都更可控、更省。半成品阶段如此，完整成品阶段也如此。如果没有大的技术革新，我应该不会再用 Hyperframes 了。

我平时怎么 Vibe motion （可复用的操作要点）

这部分是真能省钱省时间的地方，和具体框架无关：

1）只做开头 20–30 秒当样板。 先在开头调好，后面整条直接复用，而不是一上来就做整条。整条做首先耗时长，其次效果是个黑盒，能不能用没法预测。

2）把三件事写进第一条提示词。 先转写口播拿到逐字稿和时间码、产物形态（透明叠加层还是完整 mp4）、占位策略（先压 720P 制作、满意后再导 4K），这三件事写在提示词最前面，能省掉中间一堆来回。

3）B-roll 形式让它先给方案再选。 它给了三种：左右分屏的对决、人居中两侧是 B-roll 浮卡、全屏快切的蒙太奇。我选了人居中。选定后它先用占位搭好结构，之后再替换成真素材。

4）讲清产物形态，这是两个框架最大的工作流差异。 Hyperframes 我让它渲染成透明背景叠加层、自己拿去剪（早期发现带着口播做整片很难调）；Remotion 能把视频直接放进去剪，我就明确要一个完整 mp4。

5）调具体效果，用图不用嘴。 找一张想要的效果截图发给它，甚至直接画一个。比如我要求：700 帧时让 Hyperframes 以卡片形式出现，口播在右、文字在中做成卡片样子，左边卡片放官方视频示例——官方那段我录下来、把链接也一起给它。

6）口述说不清就用生图模型补刀。 觉得自己讲不明白时，找个生图模型（任意都行）。我给它一张截图说「人物放右、卡片放左、背景不变」，生成的图完美符合，再拿这张图发给 AI 去改。一个教训：调图时就该让它把文字一起改掉，能省一轮 token，我当时漏看了，白费一轮。

7）别让它自动渲染成片。 Remotion 没给我看效果就要先渲染，我选 No，让它只拉起本地服务、我现场调试。Hyperframes 踩的坑我早犯过——浏览器里用谷歌字体、本地没有、渲染后字体错乱，这条我记在规范文件里，它现在能直接复用。

8）和它探讨，别一次性把指令砸下去。 后续我只调 Remotion。比如直接问它「为什么 30 秒到 1 分 22 秒的动效都在复用前面、没按语义做新效果」，从它的回答里挑出要的和不要的。

9）找素材让它上网，并去看官方/开源模板。 视频类的给链接、我录给它；HTML 代码块这种它能直接做。Remotion 出现得早，你能想到的效果大多有人做过，区别只在收费还是免费。

10）音效也能交给 AI。 让它搜音效网站、给到你的工具，它能按音效命名帮你放到对应位置。

11）越做越省。 两边都会先扫仓库里已有的文件和模板，有可复用的就复用。频道定好基调、边做边改，做得越多，单条成本越低。