HyperFrames mit Claude 2026: Videoschnitt per Prompt im Praxistest

Robin Werner, AI-Engineering-Consultant bei Pexon Consulting | 8 Min. Lesezeit | 01.10.2026

TL;DR: HyperFrames Claude in fünf Sätzen

HyperFrames ist ein Open-Source-Framework von HeyGen, das Videos aus HTML und GSAP rendert, gebaut für KI-Agenten. Mit Claude Code und claude-opus-5-5 entstehen daraus geschnittene Erklärvideos per Prompt. Pexon Consulting nutzt das produktiv für die eigene Deep-Dive-Reihe. Der Hebel ist nicht der Prompt, sondern Skill plus QA-Gate.

Das Problem: Schnitt ist der Engpass, nicht die Aufnahme

Ein Fachexperte erklärt ein Thema in fünf Minuten vor der Kamera. Das ist schnell gedreht. Danach liegt das Video Tage beim Schnitt, weil Kapitelmarker, Einblender und Erklärgrafiken Handarbeit sind und niemand im Team Motion Design gelernt hat.

Genau dieses Muster zeigt Nate Herk in seinem Video „Opus 5.5 Just Changed Video Editing Forever“ vom Herbst 2026: Ein Prompt, und Claude schneidet, animiert Logos hinter einer Glas-Karte, holt Screenshots als B-Roll, erzeugt bei Bedarf Bilder und prüft das eigene Ergebnis. Aus 105 GB Event-Material baut der Agent nach drei Prompts einen Sizzle-Reel.

Wir kennen das Problem aus der eigenen Praxis. Unsere Berater nehmen Deep-Dive-Videos zu Claude, RAG und Kubernetes auf, und der Schnitt war der Grund, warum davon zu wenige online gingen. Seit Juli 2026 läuft das bei uns über HyperFrames und Claude Code. Was dabei hält und was nicht, steht unten.

Was HyperFrames technisch anders macht

Die kurze Antwort: HyperFrames lässt den Agenten HTML schreiben statt React-Komponenten oder eine Timeline-Datei.

Remotion, der bekannteste Vorgänger, erwartet React. HyperFrames setzt auf reines HTML mit CSS und GSAP-Animationen, das per Headless Chrome Frame für Frame gerendert und mit FFmpeg zum MP4 zusammengesetzt wird. Jede Szene ist ein Element mit data-start und data-duration, registriert in einer Master-Timeline. Für ein Sprachmodell ist das die vertrauteste Sprache überhaupt. Deshalb funktioniert ein Satz wie „Logo dort einblenden, wo ich hinzeige“ in der Praxis besser als in jedem Video-Editor mit Plugin-API.

Unsere Position: Für Erklär- und Schulungsvideos schlägt HyperFrames mit Claude jeden manuellen Workflow, den wir im Haus hatten. Für Imagefilme mit Farbkorrektur und Tonmischung bleibt der Cutter. Das sind zwei verschiedene Aufgaben.

So läuft unsere Pipeline: fünf Schritte

Herk nennt im Video fünf Prinzipien: transkribieren, schneiden, Beats planen, Skills bauen, Verifikations-Schleife. Das deckt sich fast eins zu eins mit dem, was wir als Claude-Code-Skill für die Pexon-Deep-Dive-Reihe gebaut haben. Der Unterschied liegt im Detail.

Schritt 1: Umgebung prüfen und transkribieren

# Abhängigkeiten prüfen: ffmpeg, ffprobe, Chrome, whisper-cpp müssen grün sein
npx hyperframes doctor

# Tonspur extrahieren
ffmpeg -y -i aufnahme.mp4 -vn -acodec libmp3lame -q:a 2 videos/deep-dive/audio.mp3

# Deutsches Audio: NIE das Default-Modell, sondern large-v3 mit Sprache de
npx hyperframes transcribe videos/deep-dive/audio.mp3 -d videos/deep-dive --json 
  --model large-v3 --language de

Der Kommentar in der letzten Zeile ist kein Zierrat. Das Default-Modell der CLI ist small.en, ein reines Englisch-Modell. Auf deutschem Audio wirft es keinen Fehler, sondern halluziniert still: Ein Satzfragment wiederholt sich hunderte Male. Zweiter Fallstrick: In der Stille am Ende der Aufnahme erfindet Whisper gern einen Trainings-Schnipsel als letzten Satz. Wir prüfen deshalb immer die letzten zehn Wörter mit Zeitstempel, bevor daraus Kapitel abgeleitet werden.

Schritt 2: Beats planen, und zwar als Datei

Herk plant die Beats im Prompt („wenn ich auf X zeige, kommt Y“). Das funktioniert für ein Video. Für eine Serie legen wir die Beats als config.json ab: Kapitel mit Startzeit, Highlights mit Dauer, Cutaways mit Layout-Typ. Claude schlägt den Plan aus dem Transkript vor, ein Mensch bestätigt ihn. Erst dann wird gerendert.

Ein echtes Beispiel aus unserem Deep Dive zu Claude über AWS Bedrock vom 01.10.2026: 313 Sekunden Rohmaterial, sechs Kapitel, vier Highlight-Einblender, mehrere Cutaways im Split-Layout „Standard-Abo gegen eigenen EU-Zugang“.

Schritt 3: Rendern

# Rohvideo für die Komposition vorbereiten (Keyframe pro Sekunde, sauber seekbar)
ffmpeg -y -i aufnahme.mp4 -c:v libx264 -crf 18 -g 30 -keyint_min 30 
  -pix_fmt yuv420p -movflags +faststart -c:a aac videos/deep-dive/public/input-video.mp4

# Rendern mit Hardware-GPU im Headless-Browser
PRODUCER_BROWSER_GPU_MODE=hardware npx hyperframes render videos/deep-dive/public 
  -o output.mp4 --fps 30

Schritt 4: Die Verifikations-Schleife als hartes Gate

Herk nennt die Verifikations-Schleife das Wichtigste. Da stimmen wir zu, mit einer Einschränkung: Wenn das Modell sein eigenes Video nur „anschaut“, ist das eine Meinung, kein Test. Wir lassen zuerst die CLI prüfen und erst danach Claude die Snapshots bewerten.

# Strukturprüfung als JSON, Ergebnis landet in check.json
npx hyperframes check videos/deep-dive/public --json > check.json

# Gate: jede Fehlerklasse muss 0 sein, sonst Abbruch
python3 -c "
import json, sys
r = json.load(open('check.json'))
fehler = {k: r[k]['errorCount'] for k in ('lint','runtime','layout','motion','contrast')}
print(fehler)
sys.exit(1 if any(fehler.values()) else 0)
"

# Danach Standbilder an kritischen Stellen für die Sichtprüfung
npx hyperframes snapshot videos/deep-dive/public --at 5,36,78,140

Dieses Gate hat in unserem ersten Durchlauf einen Fehler gefangen, den kein Modell beim Draufschauen gesehen hätte: Eine GSAP-Animation setzte Inline-Styles, die einen späteren Klassenwechsel überschrieben. Die Folge war eine Slide, die nach dem Stufenwechsel unsichtbar blieb. Kontrastfehler (contrast_aa_failure) fixen wir immer, auch wenn das Video „gut aussieht“.

Schritt 5: Skills statt Wiederholung

Der stärkste Satz im Video: Wenn Sie sich wiederholen, gehört es in einen Skill. Herk lässt Claude ein fremdes Video analysieren und daraus einen Skill „motion showreel“ ableiten. Wir sind einen Schritt weiter gegangen und haben die Regeln, die nach unserem ersten Feedback-Durchlauf schmerzhaft klar waren, in den Skill geschrieben:

1. Das Intro bleibt 20 bis 30 Sekunden ohne Overlay.
2. Kapitelmarker erscheinen nur an echten Themenwechseln, rund 2,5 Sekunden lang.
3. Höchstens ein Highlight-Einblender pro 45 bis 60 Sekunden Rohmaterial.
4. Keine zwei Cutaways mit demselben Layout hintereinander, sechs Layout-Typen von Prozess-Schiene bis 2×2-Matrix.
5. Teal als fester Primärakzent, Rot ausschließlich für Warnzustände.

Ohne diese Regeln sah das erste Ergebnis genau so aus, wie man es von Opus mit „guter Geschmack“ nicht erwartet: Text permanent unten im Bild, jede Slide im selben Aufbau. Geschmack hat das Modell. Konsistenz über zehn Videos hat es nur mit Regeln.

Was kostet das, und wo liegen die Grenzen

Die Software kostet nichts. HyperFrames steht unter Apache-2.0, ohne Gebühr pro Render. Kosten entstehen bei den Modell-Token und optional bei Bild- und Video-Generierung für B-Roll.

Token pro Video haben wir bisher nicht sauber protokolliert, deshalb hier eine offene Beispielrechnung statt einer Messung: Ein Lauf mit 500.000 Input- und 100.000 Output-Token kostet mit claude-opus-5-5 (4 USD Input, 20 USD Output je Million Token) 4 USD. Drei Korrekturrunden verdreifachen das grob. Teurer wird es, wenn der Agent generierte Bilder über externe Dienste in Videoclips umwandeln lässt, wie Herk es mit Kling für den YouTube-Showreel zeigt. Diese Dienste rechnen pro Clip ab und tauchen nicht in der Claude-Rechnung auf.

Drei Grenzen, die wir klar benennen:

• Rechte an B-Roll: Wenn der Agent Screenshots fremder Websites oder Produktbilder einsammelt, wie im Lululemon-Beispiel, ist das für eine Demo nett und für ein Firmenvideo ein Rechteproblem. Bei uns darf der Agent nur eigenes Material und freigegebene Assets nutzen.
• Personenbezogene Daten: Transkripte von Kundengesprächen gehören nicht in einen US-Transkriptionsdienst. Lokales whisper-cpp ist langsamer, aber die Daten bleiben auf dem Rechner. Für vertrauliche Inhalte empfehlen wir, auch das Modell über Amazon Bedrock in der EU zu beziehen statt über die direkte API.
• Feinschnitt: Herk räumt selbst ein, dass es in seinem Event-Reel holprige Schnitte mitten im Satz gab. Das deckt sich mit unserer Erfahrung. Ein Mensch schaut das finale Video einmal komplett an, bevor es veröffentlicht wird.

Mehr zu der Frage, warum Prüfschleifen bei Agenten über die Qualität entscheiden, steht in unserem Artikel über Loop Engineering mit Claude Code.

Unsere Empfehlung für Teams, die das einführen wollen

Starten Sie nicht mit dem Showreel. Starten Sie mit dem langweiligsten wiederkehrenden Video, das Sie haben: Schulungsclips, Produkt-Updates, interne Erklärvideos. Dort zahlt sich ein fester Skill am schnellsten aus, weil Format und Zielgruppe gleich bleiben.

Was wir in jedem Fall raten:

Wie man Skills so schreibt, dass sie im Mittelstand nicht nach der ersten Woche verwaisen, haben wir in Claude Skills für den Mittelstand beschrieben. Die Plattform-Seite dazu, mit Gateway und Modellwahl, finden Sie unter AI Engineering Stack.

Häufig gestellte Fragen

Was ist HyperFrames?

HyperFrames ist ein Open-Source-Framework von HeyGen, mit dem Videos aus HTML, CSS und GSAP-Animationen gerendert werden. Es ist für KI-Agenten wie Claude Code gebaut, steht unter Apache-2.0 und rendert lokal mit Headless Chrome und FFmpeg. Stand 01.10.2026 ist Version 0.8.106 aktuell.

Was kostet Videoschnitt mit HyperFrames und Claude?

Die Software ist kostenlos, es gibt keine Gebühr pro Render. Bezahlt werden die Claude-Token, bei claude-opus-5-5 4 USD Input und 20 USD Output je Million Token. Ein Lauf mit 500.000 Input- und 100.000 Output-Token kostet rund 4 USD, generierte Video-Clips über externe Dienste kommen extra dazu.

HyperFrames oder Remotion: was ist besser?

Für Agenten-Workflows bevorzugen wir HyperFrames, weil reines HTML für Sprachmodelle einfacher zu schreiben und zu prüfen ist als React-Komponenten. Remotion ist ausgereifter für datengetriebene Serienvideos in bestehenden React-Teams. Lizenzseitig ist HyperFrames mit Apache-2.0 unkomplizierter.

Funktioniert HyperFrames mit deutschem Audio?

Ja, aber nur mit dem richtigen Whisper-Modell. Das Default-Modell small.en ist Englisch-only und halluziniert auf deutschem Audio ohne Fehlermeldung. Nutzen Sie --model large-v3 --language de und prüfen Sie das Ende des Transkripts auf erfundene Sätze.

Brauche ich Videoschnitt-Erfahrung, um HyperFrames zu nutzen?

Für den ersten Prompt nicht. Für verlässliche Ergebnisse über viele Videos brauchen Sie aber jemanden, der Regeln festlegt: Layouts, Farben, Timing, Prüfschritte. Diese Regeln gehören in einen Claude Skill, nicht in jeden einzelnen Prompt.

Nächster Schritt

Verwandte Themen