微信｜FFF111f__
AI 视频创作，又一批新面孔登场了。
此前，OiiOii、TapNow、LibTV 等产品已开始探索不同的创作方式。其中，OiiOii 把编剧、角色设计、分镜和配乐交给分工协作的 Agent，TapNow 让创作者在画布上组织素材、调用模型和编辑视频。
现在，热度还在延续，新的焦点是：剪辑和修改。一批新的产品集中出现。
Synvas 想把生成画布和专业剪辑时间线放进同一个工作台，Hypit 为 Agent 发明了视频语言，Voyager 则直接让 Agent 操作创作者已经在用的软件。视频创作的入口越来越多，连人该坐在时间线前、对话框里，还是专业软件中指挥 AI，都有不同答案。
这些尝试背后，是视频制作里大量尚未被妥善解决的细活。本期，硅星人挑选了近期五个有代表性的 AI 视频项目，看看视频创作出现的“新玩法”。
1
Synvas：让 AI 在画布里生成素材，也生成工具
产品链接：synvas.ai
产品概述
Synvas 把生成镜头、挑选素材和时间线剪辑放进同一个浏览器工作台。用户在无限画布上生成、比较镜头，挑选后直接拖入下方时间轴，编排节奏与转场；需要补镜头或调整画面时，再回到画布继续生成。
它取消了传统剪辑软件里的独立素材区，让画布同时承担素材管理和创作的功能。网页、创作者积累的 Skill，可以通过浏览器端沙盒接入，成为可交互的节点。画布里还内置了虚拟机，能够直接运行 AI 编写的视频创作程序。AI 的产出扩展到工具本身：创作者可以把一段可重复执行的制作流程留在工作台里。
这套交互背后，团队先花了九个多月搭建原型，又用几个月以 WebGPU 重写底层，自行编写画布代码，改善浏览器处理大量视频和图片素材时的性能。
产品目前仍需申请内测，主要面向专业创作者。
团队背景
Synvas 由丁志远（Julian）和 WZ 联合创立。丁志远曾在 GGV、美团龙珠、金沙江创投工作，完成过两款面向美国市场的 C 端产品从 0 到 1 的搭建，目前负责公司战略与市场拓展。WZ 曾在饭否、饿了么、神策数据工作，负责产品研发，主导 Synvas 的技术架构与交互设计。
为什么值得关注
专业创作者往往已经形成了自己的制作方法。一个新工具能否留下来，取决于它能否容纳这些习惯，并让反复发生的工作更省力。
Synvas 为此留出了两种操作空间：时间线用于精确编排，画布用于试验和扩展。如果创作者调好的字幕程序、动效工具和素材处理方法都能保留下来，工作台就会随着使用逐渐长出个人特色。这比单纯增加几个模型入口，更有机会形成持续使用的理由。
1
Hypit：为 AI Agent 发明一门视频语言
产品链接：hypit.ai
代码仓库：GitHub · hypit-ai/hypit
产品概述
Hypit 支持复刻参考视频的编排结构，再替换人物、产品、台词或语言，制作不同版本。
支撑这些操作的是团队提出的视频语言：SVML，Semantic Video Markup Language，语义视频标记语言。用户给出创意或参考视频，Agent 将台词、素材、字幕、动效及它们之间的关系写进 .svml 源码。编译器把源码转换成执行计划，运行时再调用模型、处理媒体并合成视频。
目前，Hypit 更适合愿意使用 Coding Agent、配置运行环境的创作者和开发者。框架本身免费，外部模型调用另行计费。
团队背景
创始人陈昱东本科毕业于北京大学，公开资料显示，其曾任光华学生会主席；AI领域连续创业者，打造过PKUINFO、Salemind等产品。
联合创始人金群琳（Kashorin）毕业于清华大学计算机系，目前在香港大学 MMLab 攻读博士。他曾在智谱参与 CogVideoX 的数据流水线和模型训练，也曾在卡内基梅隆大学研究视觉共创系统。
团队成员还包括拥有腾讯、字节跳动工程经历的刘润生，以及创作者、核心开发者 rpone。项目获得了初心资本、真格基金的早期投资。
为什么值得关注
视频复刻让用户迅速理解 Hypit 能做什么，SVML 则体现了团队更长远的打算。如果创作者可以分享制作组件，开发者可以接入模型和工具，Hypit 的能力就有机会随着外部参与不断丰富。一个团队积累的制作经验，也能成为其他人继续创作的基础。
1
Pexo：像给剪辑师提意见一样，让 Agent 改片子
产品链接：pexo.ai
产品概述
Pexo 能把产品资料做成广告、宣传片和功能演示。用户提供网站、PDF、产品图片或参考视频，并说明用途、时长和风格；信息不足时，Agent 会继续追问，再组织脚本、镜头、配音、字幕和音乐。
它既能围绕产品照片生成使用场景和品牌展示镜头，也能把搜索、展开卡片、收藏等软件操作做成界面动效。
它的一个核心功能是 Mark to Fix。用户可以暂停视频，直接圈出画面里需要修改的位置，用自然语言留下意见。反馈由此落到具体画面和具体对象上，减少“第三个镜头左边那个元素”一类来回描述。
Pexo 采用订阅加积分的收费方式。
团队背景
Pexo 由极致上下文推出，创始人廖谦曾任生数科技产品副总裁、Vidu 负责人，此前在腾讯、字节跳动工作。在字节期间，他曾搭建火山引擎智能创作云，并在剪映、CapCut 业务中推出 Pippit。Pexo 于 2026 年 7 月开放注册，10 月宣布完成超千万美元天使轮融资，投资方包括达泰资本、松禾创投、视觉中国等。
为什么值得关注
Pexo 瞄准的是有明确交付要求的视频制作。广告要投放，产品要上线，客户需要的不只是快速出片，还包括调整卖点、文案和画面。
廖谦在硅星人此前的访谈中提到，Pexo 的语言模型成本高于视频模型成本。理解需求、规划制作、检查结果，都需要模型调用；用户的一轮修改，还可能带来新一轮规划和生成。
Pexo 的潜在优势，是把改稿效率转化为交付成本的优势。对商业客户来说，单次生成的价格只是成本的一部分，反复沟通、重新生成和人工修正，同样需要投入。“圈出来改”如果能减少这些重复工作，就有机会缩短交付时间，降低完成同一项任务的总成本。
1
Voyager：让 Agent 操作你已经在用的创作软件
产品链接：voyager.so
产品概述
Voyager 是一款于 2026 年 10 月推出的桌面创作 Agent。它提供设计、视频和音频工具，也尝试将 Premiere、After Effects、DaVinci Resolve、Blender 等专业软件纳入任务执行过程。
用户可以用自然语言指定想找的画面，让 Agent 从多段素材中定位片段、核对时间点并完成粗剪。对已有录屏，它还能添加独立的动画标注；删改片头时，同步调整标注与画面的时间关系。
它优先通过脚本和 API 操作软件，必要时再控制界面。同一张产品概念图，可以用 Remotion 制成解说动效，也可以转到 Blender 制作三维广告。Agent 协调工具完成制作后，会保留可编辑的工程，创作者能回到原软件继续精修。
Voyager 目前主要支持搭载苹果芯片、运行 macOS 15 及以上版本的 Mac，Windows 和 Linux 版本处于 Alpha 阶段。免费方案每月提供 1,000 积分；平台内的视频生成功能从每月 19 美元的付费方案开放，也支持连接自己的模型服务账户。
团队背景
Voyager 由 Nullframe 团队开发，团队此前做过创作产品 Moda，并入选 Y Combinator 2026 年秋季项目。联合创始人 John Holliman 曾就读于 MIT，担任过 Dover 的创始工程师和 CTO。团队成员还拥有 Heap 等公司的工作经历。
为什么值得关注
专业软件里已经积累了大量插件、模板和工程，创作者也在其中投入了多年的学习成本。Voyager 选择直接进入这套环境，让 Agent 使用现有工具。
它既提供自有编辑工具，也能调用成熟的专业软件，不必独自补齐所有专业功能，保留了人与 AI 交接的空间。Voyager 可以利用专业软件已有的功能和工程体系，将研发重点放在 Agent 的操作与执行能力上。创作者也能保留原有工程和工作习惯，减少重新学习软件、迁移制作流程的负担。
1
Podeo.ai：把音频节目做成完整的视频版
产品链接：podeo.ai
产品概述
Podeo.ai 于 2026 年 9 月中旬推出，把已经录好的音频节目做成完整视频，面向播客作者、媒体和品牌团队。单人讲述、访谈和十多分钟的专题节目，都可以沿用原有声音和叙事，补上配图、字幕与动态画面，增加视频分发渠道。
用户上传音频或接入 RSS，设置品牌、字体和视觉风格后，产品中的 Director 会规划画面内容和编排。用户可以在时间线上手动修改，也可以向 Agent Pip 提出自然语言要求，完成后发布到 YouTube。
免费方案允许制作和编辑不超过 5 分钟的视频，但不支持导出。每月 49 美元的 Starter 方案包含 750 积分，单条视频最长 30 分钟。
团队背景
Podeo.ai 由位于加州的 Adori AI 推出。这支团队此前以 Adori Labs 的名称开展音频技术业务。
Adori Labs 的联合创始人 Nathan Iyer 曾是 Ivivi 的联合创始人兼 CTO，拥有媒体处理、数字信号处理和硬件研发经历；另一位联合创始人 Kartik Parija 曾任 Zephyr Peacock 的联合创始人及合伙人，并曾在 NASA 喷气推进实验室从事媒体与数据工程工作。
早在 2022 年，Adori 就推出了 Gateway To YouTube，将播客音频转换成可发布的视频，并与 PodcastOne 合作。
为什么值得关注
播客作者手里通常已经有脚本、声音和节目存档，制作视频时缺的是视觉素材和相应的编辑能力。Podeo.ai 可以沿着已有内容继续加工，让作者有机会进入视频平台，而不必为每一期节目重新安排拍摄。
团队过去积累的音频处理和发布能力，也给新产品提供了现成基础。生成模型与 Agent 加入后，更多制作环节可以交给软件完成。
长节目仍然会检验它的实际表现。抽象观点该配什么画面，同类素材是否反复出现，视觉节奏能否支撑几十分钟的观看，都会影响观众是否愿意留下来。对 Podeo.ai 而言，把音频转换成功只是开始，视频版需要给听众一个值得看的理由。
1
结语
回看这五个项目，它们都从更具体的制作需求出发。不管是复刻视频、修改广告、还是将播客转成视频，或让创作者更方便地使用已有工具。产品形态不同，目标却有相通之处：让 AI 承担更多制作工作，降低内容生产所需的时间、人力和操作门槛。
这些工具要进入日常工作，降本就必须与质量一起考量。专业创作者需要保留对作品的控制，缺少制作经验的用户则更看重成片是否可用。用户会综合衡量制作效果、总成本和使用习惯，决定哪些工作可以长期交给 AI。
这些需求足够不同，也给不同形态的产品留下了共存的空间。
另一方面，底层模型越来越强，也并不意味着应用层的机会已经被占满。视频制作涉及不同的行业、内容和专业要求，生成能力的提升，也不会自动解决所有制作与交付问题。这个市场可以容纳通用平台，也可能长出深耕特定领域的公司。
新团队的机会，是把一类需求做深，逐步成为用户工作中可靠的一环。AI 视频还会有新的概念和产品登场，但一家公司的位置，最终要靠持续交付来建立。用户愿意把下一次任务、下一笔预算交给谁，谁才算在这场热潮里站住了脚。
