Un post su X pubblicato l’8 settembre 2026 dall’account @miles_mazy ha fatto 317.000 visualizzazioni in poche ore. Il titolo prometteva ‘video virali a zero montaggio’, e dentro c’era tutto il flusso per far fare a Codex — il coding agent di OpenAI — quello che di solito fai tu con Premiere o DaVinci: script, voce, sottotitoli, storyboard, rendering. Tutto orchestrato da un agente che chiama tool dopo tool.
Miles Ma, l’autore, si presenta come ex ingegnere di algoritmi diventato Forward Deployed Engineer — uno che porta sistemi AI dentro le aziende. Il suo sito personale (immilesma.com) conferma il curriculum e ospita articoli tecnici, incluso questo. Le cifre di crescita che cita per sé stesso — diecimila follower in 15 giorni, articoli con milioni di view — sono auto-dichiarate, quindi da prendere per quello che sono: marketing personale. Ma il metodo descritto esiste davvero.
Il flusso: cinque passaggi, un agente solo
Nessun tool nuovo. Solo una sequenza ben orchestrata, con Codex nel ruolo di regista:
1. Testo → script parlato. Prendi un articolo o un’idea, Codex la trasforma in copione vocale calibrato su durata e pubblico.
2. Voce sintetica o clonata. Il copione diventa audio. Puoi usare un TTS generico tipo edge-tts — che si appoggia al servizio gratuito di Microsoft Edge — oppure clonare la tua voce con CosyVoice, il modello open source di Alibaba che fa zero-shot cloning con pochi secondi di riferimento.
3. Sincronizzazione. Dall’audio definitivo, Codex estrae i timestamp reali di ogni frase. Non stime a caratteri: i tempi veri del parlato.
4. Scomposizione in inquadrature. Il copione viene diviso in 4-8 blocchi, ognuno con la sua immagine, dato o elemento grafico da mostrare.
5. Rendering finale. Tutti i materiali — audio, sottotitoli, timing, storyboard — finiscono in un motore di rendering che assembla il video. Fine.
Esiste anche una variante per chi gira video reali con la propria faccia: il materiale viene trascritto, ripulito dai tagli e dalle pause, poi arricchito con sottotitoli e grafiche prima di arrivare allo stesso punto di rendering.
I tool citati: esistono tutti
Abbiamo controllato. Repository, documentazione, copertura di settore. Tutto verificabile:
Codex è il coding agent CLI 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 spingendo come piattaforma agentica generale, non più solo per scrivere codice — e questo spiega perché venga usato anche per orchestrare pipeline video.
HyperFrames è il motore di rendering principale citato nel post. Sviluppato da HeyGen, open source (Apache 2.0), genera video renderizzando composizioni HTML con animazioni gestite tramite GSAP. Si installa come ‘agent skill’ in Codex, Claude Code, Cursor o Gemini CLI con un comando: npx skills add heygen-com/hyperframes. Esattamente come descritto.
CosyVoice, per la clonazione vocale, è un modello TTS open source (Apache 2.0) del FunAudioLLM Team di Alibaba. Clonazione zero-shot da pochi secondi di audio, sintesi multilingue. Tutto vero.
edge-tts, proposto come soluzione TTS veloce, è un progetto open source che usa il servizio di lettura vocale gratuito integrato in Edge. Niente clonazione, ma funziona subito.
video-use, per il montaggio da riprese reali, è un repository del team browser-use pensato per coding agent. Trascrive con il servizio Scribe di ElevenLabs, trova le parti buone, genera il file finale via ffmpeg. Serve però una chiave API ElevenLabs a pagamento e installazione locale con Python e ffmpeg.
Remotion, l’alternativa a HyperFrames per chi ha già un formato fisso, 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.
Ogni pezzo tecnico corrisponde a un progetto reale. E riflette una tendenza più ampia del 2026: la nascita di un ecosistema di ‘agent skills’ — pacchetti installabili con un comando — che permette a coding agent nati per scrivere software di fare audio, video, grafica.
‘Zero montaggio’ non significa ‘zero lavoro’
Diciamolo subito, perché il titolo del post può ingannare: elimini il montaggio manuale su timeline, ma non elimini il lavoro tecnico. Per replicare il flusso servono installazione di più repository, chiave API ElevenLabs se usi video-use, Node.js e ffmpeg funzionanti. E — soprattutto all’inizio — controllo umano continuo su ogni output intermedio: bozza del parlato, prime anteprime, sincronizzazione. Lo stesso post lo ammette indirettamente, quando consiglia di partire semplice e verificare ogni passaggio prima di andare avanti.
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 video per la sua complessità a produrne di nuovi grazie a Codex. Dall’altro voci più caute: secondo loro l’ondata di contenuti ‘clonati’ da agenti AI rischia di appiattire la qualità percepita di questo tipo di format 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 verificati su X in tempo reale per mancanza di link diretto.
Non risultano, al momento, dati indipendenti su quanti creator abbiano effettivamente replicato con successo l’intera pipeline in cinque passaggi descritta nel thread. Che è poi la domanda più interessante: funziona davvero per tutti, o solo per chi ha già le competenze tecniche per far funzionare una catena di tool open source?
