Un post su X — account @miles_mazy, 8 settembre 2026 — ha superato le 317.000 visualizzazioni in poche ore. Il titolo promette ‘video virali a zero montaggio’, e stavolta non è clickbait vuoto: è la descrizione di una pipeline reale in cui Codex, il coding agent di OpenAI, orchestra cinque passaggi consecutivi — dal copione al file MP4 — senza mai aprire Premiere o DaVinci.
Miles Ma, l’autore, si presenta come ex ingegnere di algoritmi passato da giugno 2026 al ruolo di Forward Deployed Engineer. Il sito personale (immilesma.com) conferma il percorso, gli articoli tecnici ci sono. Le cifre di crescita personale che cita — diecimila follower in 15 giorni, milioni di visualizzazioni — restano invece auto-dichiarate, tipiche di chi vende anche consulenza. Prendile come indicative, non come audit certificato.
Il flusso: cinque step, un agente a fare da direttore d’orchestra
Nessuno strumento magico nuovo. Solo una sequenza ben incollata di progetti open source, con Codex che li richiama uno dietro l’altro:
1. Dal testo allo script vocale — prendi un articolo, un’idea, una scaletta. Codex ti genera il copione parlato, calibrato su durata, pubblico, formato.
2. Voce sintetica o clonata — il copione diventa audio. Puoi usare un TTS generico (edge-tts, quello gratuito di Microsoft Edge) oppure clonare la tua voce con CosyVoice, il modello open di Alibaba che funziona con pochi secondi di riferimento.
3. Sincronizzazione di sottotitoli e timing — una volta che hai l’audio definitivo, Codex ricava i timestamp reali di ogni frase. Niente stime a caratteri: tempi veri, sottotitoli che seguono il parlato.
4. Scomposizione in inquadrature — lo script viene diviso in 4-8 blocchi. Ogni blocco ha la sua immagine, il suo dato, il suo elemento grafico da mostrare.
5. Rendering finale — audio, sottotitoli, timing, storyboard: tutto finisce in un motore di rendering che assembla il video. Il più citato? HyperFrames, il framework open di HeyGen che genera video da composizioni HTML con animazioni GSAP.
C’è anche una variante per chi gira materiale reale: riprendi il tuo volto, trascrivi, ripulisci (tagli, pause, ripetizioni), aggiungi sottotitoli e grafiche, poi renderizzi. Stesso punto d’arrivo, strada diversa.
Gli strumenti citati: abbiamo verificato tutto
Ogni progetto menzionato esiste, è open source, ed è verificabile. Eccoli uno per uno:
Codex — il coding agent a riga di comando di OpenAI, rilasciato open source nell’aprile 2025 (Apache 2.0, riscritto in Rust). A marzo 2026 aveva superato i 2 milioni di utenti settimanali attivi. OpenAI lo sta posizionando come piattaforma agentica generale, non più solo per scrivere codice. Il che spiega perché lo usi anche per orchestrare una pipeline video.
HyperFrames — framework open (Apache 2.0) di HeyGen. Genera video renderizzando composizioni HTML, animazioni gestite con GSAP. Si installa come ‘agent skill’ in Codex, Claude Code, Cursor, Gemini CLI con un comando: npx skills add heygen-com/hyperframes. Esattamente come descritto.
CosyVoice — modello TTS open (Apache 2.0) del FunAudioLLM Team di Alibaba. Clonazione zero-shot con pochi secondi di audio, sintesi multilingue. Funziona.
edge-tts — progetto open che si appoggia al servizio TTS gratuito di Microsoft Edge. Non richiede clonazione vocale, è la soluzione ‘pronta all’uso’ per chi vuole partire subito.
video-use — repository open del team browser-use, pensato per coding agent. Trascrive con il servizio Scribe di ElevenLabs, individua le parti utilizzabili, genera il file finale via ffmpeg. Serve però una chiave API ElevenLabs a pagamento e un’installazione locale con Python e ffmpeg.
Remotion — framework che genera video da componenti React. La sua ‘agent skill’ ufficiale conta oltre 150.000 installazioni settimanali su piattaforme come skills.sh. Tra le skill per agenti più diffuse in assoluto.
Tutto verificabile. Tutto reale. E tutto riflette una tendenza già osservata nel 2026: la nascita di un ecosistema di ‘agent skills’ — pacchetti installabili con un comando — che trasforma coding agent nati per scrivere software in registi automatici di audio, video, grafica.
Il rovescio: ‘zero montaggio’ non significa ‘zero lavoro’
Diciamolo subito, prima che qualcuno si illuda. Il metodo elimina la timeline manuale, non elimina il lavoro tecnico. Per replicarlo servono:
- Installazione di più repository
- Una chiave API ElevenLabs se usi video-use
- Node.js e ffmpeg funzionanti
- E, soprattutto nella prima fase, un controllo umano continuo su ogni output intermedio: bozza del parlato, prime anteprime, sincronizzazione
Lo stesso post lo ammette indirettamente, quando consiglia di partire da una versione semplificata del flusso e di verificare ogni passaggio prima di procedere.
Le reazioni sotto al post — per quanto non rappresentative di un consenso più ampio — restituiscono due posizioni ricorrenti. Da un lato: utenti entusiasti che raccontano di essere passati dall’abbandonare il montaggio per la sua complessità a produrne di nuovi grazie a Codex. Dall’altro: voci più caute, secondo cui l’ondata di contenuti ‘clonati’ da agenti AI rischia di appiattire la qualità percepita e di saturare rapidamente un pubblico già abituato a riconoscerne lo schema.
Cosa resta da verificare
Le metriche di crescita personale citate dall’autore (follower, visualizzazioni cumulate) sono dati auto-riportati. Non controllabili con fonti terze.
I numeri di engagement del post (commenti, repost, like, salvataggi, visualizzazioni) sono quelli mostrati nello screenshot fornito. Non sono stati verificati su X in tempo reale, perché non è stato fornito un link diretto.
Non risultano, al momento, dati indipendenti su quanti creator abbiano effettivamente replicato con successo l’intera pipeline in cinque passaggi.
Ma il metodo? Quello c’è. Gli strumenti pure. E se il titolo virale prometteva ‘zero montaggio’, beh — tecnicamente ha mantenuto. Solo che adesso monti in Python, non più su Premiere.
