Scrimba 把 HN 全站变成 AI 讲解视频，成本压到每条 4 美分

Per（Scrimba 创始人，YC S20 出身）在 HN 上扔了个 Show HN：hn.watch，把 Hacker News 上每一篇帖子实时生成一段 AI 讲解视频，第一次有人点链接时现场生成，之后缓存。218 分、97 条评论，评论区吵得不可开交，有人嫌它是「脑腐」，有人直接拿它当日常刷帖工具。

这个演示背后其实藏着一个更值得看的判断。

不用扩散模型，用 HTML

它不是那种像素级 AI 生成视频，而是「HTML + 语音旁白」——本质上是 Scrimba 做了十年的教学视频格式，现在接了个 LLM 进去，起名「Scrimba Explain」。Per 自己承认：论画面质感它干不过扩散模型，但换来三个实实在在的好处：生成快（从点击到播放只要几秒）、成本低（每条视频约 0.04 美元，不含图片生成）、AI 辅助剪辑又便宜又快。

他的核心假设是：视频创作如果能从「按美元、按分钟」降到「按美分、按秒」，会解锁一堆新场景——比如给每个 Pull Request 配一段讲解视频（他们内部已经在这么干）、给文档里每一页配视频、用 Chrome 插件把复杂文章在约 4 秒内变成视频，还有课程创作者快速打草稿。

在评论区有人追问他怎么做到那么快，Per 的回答很直接：现在每条（不带图片）实际花约 0.4 美元、几秒延迟，目标是最终压到「1 分钟 1 美分 + 1 秒延迟」。怎么压？加 Jev 当「预规划器」，把每块石头都翻一遍。

全自研栈，还嫌不够「Not Invented Here」

技术栈方面，Per 的说法透着股自嘲的偏执劲儿：没上 React.js、Express、Supabase、LangChain 那套，全部从零写。底层是基于自家 CTO Sindre Aarsæther 开源的语言 Imba（编译成 JS，能和 npm + node 生态互通），外加自研的同步引擎 OP 和给 Agent 用的上下文管理系统 Q。

他有个观察值得琢磨：这三样都不在 LLM 的训练数据里（Imba 的语料也极少），按理说让模型帮自己写代码会很费劲，结果 LLM 反而表现很好。原因是这套栈「密度极高」——Imba 和 OP 都很紧凑，一条声明就同时搞定存储、同步、权限、UI 还有 AI 该看到什么，省掉了前端、API、数据库、JSON 之间容易让模型犯迷糊的翻译层。模型犯错最多的环节，被直接从架构上消掉了。

模型侧拼了一堆：Gemini、GPT、Inworld、ElevenLabs 等。入口也给得齐全——Web UI（scrimba.com/explain）、MCP、ChatGPT 插件、Chrome 扩展都在文档里。

评论区吵的，恰恰是这类工具的边界

有意思的是评论区。有人测试后挑出真问题：它会把文章里「好玩的部分」删掉、把一些解读直接说成事实而不标注来源、甚至硬塞一点「原创幽默」。（原文：「'That gunshot prematurely aged my brain,' she said」 被总结成「The impact prematurely aged her brain」，最后还画蛇添足加了把 .45 口径子弹的描写。）这类「图文叙事」系统在视觉化上普遍翻车，totallygeeky 直言图表和画面反而帮倒忙、甚至和旁白打架，因为系统根本没有空间推理。

但另一边，相当多人把它当「入口」用：眼睛累了、在开车、通勤，或标题太晦涩看一眼值不值得深挖。有人干脆提议「HN 10 分钟」——把每天首页每条故事做成 20 秒一条的音频播客。Per 说视频可以很快做，推送成播客的基础设施还没搭。

读不动的页面也有兜底方案：用 Firecrawl 抓内容，抓不到就用 Algolia API 拿 HN 评论，改成做「HN 反应视频」。有人建议干脆让用户上传 PDF 全文，别依赖 HN 评论这种「可能严重扭曲原文」的来源——这倒是个值得记下的产品点子。

一条被反复提到的槽点是「同质化」：模板固定、AI 音色单一，看多了马上腻。Per 承认自家可视化也不满意，正在被用户催着加更多音色选项，还特别提到 Gemini 3.8 Flash TTS 的生成式音色设计在这个方向上很值得关注。

我自己的判断是：别把它当成「取代阅读」的东西，它更像一个低成本的探索层——先花两分钟判断要不要深挖，再决定读不读原文。这个定位能不能立住，取决于它到底能不能把「同质感」和「事实污染」这两个坑填上。至于「这玩意是不是脑腐」——那是另一场关于媒介的争论，不在今天讨论范围内。

顺带，Per 在评论区公开招人：去奥斯陆，做「把 HTML 视频生成压到 1 美分/1 分钟 + 1 秒延迟」，邮箱 per@scrimba.com。

相关链接

• hn.watch（HN 帖子 AI 讲解演示）
• Scrimba Explain 文档
• Imba 开源语言
• 像素级视频演示（YouTube）