heygen-com/hyperframes用自然语言指挥 AI Agent 编写 HTML 视频的声明式合成框架
HyperFrames 是由 HeyGen 开源的一款 HTML-to-Video 渲染框架，核心理念是“Write HTML. Render video. Built for agents”。它让 AI Agent（如 Claude Code、Cursor、Codex）能够用纯 HTML + GSAP 动画来“编写”视频，再通过无头浏览器确定性渲染为 MP4/WebM 视频文件。框架不是视频编辑器，而是声明式视频合成框架，用户写 HTML，输出视频。其设计哲学是 Agent-First，通过三个 Slash Command（/hyperframes、/hyperframes-cli、/gsap）将框架知识注入 Agent 上下文，并通过自然语言词汇表（如“smooth”、“bouncy”、“dramatic”）直接映射到 GSAP easing 函数，实现意图到代码的精准映射。框架支持冷启动（从零描述）和暖启动（喂素材转化）两种 Prompt 形态，并强调小步精准修改的迭代原则。
本地优先的开源语音合成工作站，集成多引擎声音克隆、情感标签、后处理音效与多轨编辑
Voicebox 是由 Jamie Pine 开发的开源语音合成工作室，定位为 ElevenLabs 的免费本地替代方案。它是一个完整的桌面应用，集声音克隆、语音生成、后处理特效、多轨编辑于一体，所有模型和数据完全在本地运行。项目采用 Tauri (Rust) 桌面框架，前端使用 React + TypeScript，后端为 Python (FastAPI)，音效处理由 Spotify pedalboard 驱动。内置 5 个 TTS 引擎，支持 23 种语言，最大文本长度 50,000 字符，并提供完整 REST API 供外部集成。核心能力包括多引擎声音克隆、情感表达控制（如 [laugh]、[sigh] 等副语言学标签）、8 种后处理音效、多轨时间轴编辑（Stories Editor）以及长文本自动分段与交叉淡入淡出拼接。项目采用 MIT 协议完全开源，支持 CUDA、ROCm、MLX、DirectML、XPU 及 CPU 等多种 GPU 后端。
一套通过约2000字模块化提示词，为任意品牌与品类生成品牌提案级包装系统展示图的方法论。
这是一套专为 ChatGPT Image 2.0 设计的品牌包装系统展示图提示词工程方法论，由 @MrLarus 实战验证。其核心是一套约 2000 字的中文提示词模板，用户只需替换【品牌名称】和【品牌类目】两个变量，即可生成包含手提袋、礼盒、单品盒、瓶罐容器、标签贴纸、产品本体等多种包装载体，且所有元素共享统一品牌视觉识别系统的展示海报。该方法论通过十层模块化控制架构，分别约束画幅、品牌系统完整性、品类适配、元素数量、视觉一致性、配色机制、构图、视觉风格、光影和最终效果。其核心设计思想包括系统感优先、受控发散配色、克制即高级、品类驱动、提案感优先和三段式构图。报告显示，该方法已在美妆、轻食、烘焙、茶饮四个不同品类品牌上生成高质量输出。该方法论适用于品牌提案、电商视觉升级、创业团队 MVP 视觉、设计灵感探索和设计教育等场景，但报告也明确指出其局限，包括品牌深度不足、Logo 真实性有限、输出为位图不可直接用于印刷、存在版权风险以及品类覆盖有限。