企业官网建设流程全解析

一句话AI视频生成：Pixelle-Video约4分钟产出完整短视频

【免费下载链接】Pixelle-Video🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video

周四产品评审会前30分钟，运营需要一条60秒的新功能介绍视频。Pixelle-Video 是一套AI视频生成引擎：输入一句话主题，它会自动产出文案、配图、旁白与背景音乐齐全的成品短视频。官方口径，默认5个分镜的生成耗时约2至5分钟，中位数落在4分钟左右，全程不需要拖时间轴或对帧。

🧩 拆能力链路：从输入到成片

这条AI视频生成流水线可以压缩成一句话：一个主题进，一条成片出。逐环节拆开看：

• 内容环节：LLM把主题拆成标题加每分镜一句旁白，写稿环节不再靠手
• 视觉环节：每个分镜由图像生成模型（ComfyUI工作流或直连API）产出对应配图
• 语音环节：Edge-TTS直接合成旁白音频，也可切到ComfyUI的TTS工作流支持声音克隆
• 封装环节：HTML模板把图、字、音频排好版，再经 ffmpeg 拼接、叠BGM导出成片

各环节能力可独立替换，换模型、换工作流、换模板，链路骨架不变。这是它能被深度定制的原因。

🎬 跑通第一条成片

最简安装步骤（3条命令）

前置环境需要两样：Python包管理器 uv 和视频工具 ffmpeg。装好后执行：

git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video ./start_web.sh

浏览器会自动打开 http://localhost:8501。Windows 用户直接解压官方整合包、双击 start.bat 即可，跳过以上命令。

只填两项必填配置

首次运行展开「⚙️ 系统配置」面板，只有两处必填：

1. LLM 配置：预设下拉选一个模型（通义千问、GPT、DeepSeek、Ollama 等），填入对应api_key
2. 图像生成配置：本地 ComfyUI 填comfyui_url（默认 http://127.0.0.1:8188），用 RunningHub 则填runninghub_api_key

填完点「保存配置」。注意 LLM 的api_key、base_url、model三个字段任何一个为空，配置校验都不会通过，生成无法启动——这是首次"跑不起来"最常见的原因。

走一遍工作流四环节

内容生成：用分镜滑杆定长短

分镜滑杆范围3至30，默认5。一个分镜对应一句旁白加一张配图，直接决定成片时长与总耗时。60秒左右的成片，5到6个分镜通常够用；拉得过大，多出来的是等图生成的时间。

视觉合成：提示词前缀定整体调性

prompt_prefix是拼在每张配图生成提示词前面的英文风格前缀，默认值是黑白火柴人风格。改成 "cinematic lighting, film still" 之类，整片调性随之切换，无需逐句改提示词。图像尺寸默认1024x1024，在视觉设置栏可调宽高，不同模型对尺寸上限限制不同。

语音合成：TTS音色与语速怎么调

本地模式用 Edge-TTS，走在线服务无需密钥。默认音色为男声zh-CN-YunjianNeural，speed取值0.5至2.0，默认1.2。觉得播音偏快，降到1.0再试听；设置栏提供「预览语音」按钮，先测试再正式生成。

成片封装：模板与背景音乐

模板都在 templates 目录 下，按1080x1920竖屏、1920x1080横屏、1080x1080方形分组。命名前缀即类型：static_纯文字不出图，image_配图，video_动态视频。BGM 默认关闭，换自有曲目需把文件放进 bgm/ 文件夹。成片落在 output/ 目录，右侧栏可直接播放。

🎛️ 调优三层参数

第一次跑通之后，所有改进都可以归到三层，每层改动互不影响，返工成本低。

文案层：换 LLM 预设（千问与 GPT 的文风差异明显）、分镜滑杆从5拉到8、手动指定标题字段。已有现成稿时，把内容输入切到「固定文案」模式，一行一个分镜，还可选按段落、行或句子切分。

视觉层：整体风格靠prompt_prefix换，图像尺寸微调清晰度，平台按尺寸选模板——竖屏1080x1920、横屏1920x1080。模板预览按钮可以先调参数看效果再正式生成，试错代价低。

语音层：换音色（晓晓、云健、云希等，完整列表见 pixelle_video/tts_voices.py）、微调speed，或切 ComfyUI 模式用 Index-TTS 工作流，上传一段参考音频克隆自己的声音。

踩坑实录三份笔记

以下三个问题都是实测中真实遇到的，各自花了几轮才解决。

坑一：成片"差一口气"。当时以为是模型能力问题，实际是分镜默认5个。每句旁白约5至20字，总时长由分镜数决定。滑杆拉到8，片长约多出30秒；反过来做30秒短片，拉到3即可。

坑二：连续三个分镜的配图画风漂移，一个水墨、一个3D、一个照片。原因是单句提示词只承载场景描述，模型只能自由发挥。解法用prompt_prefix锁死风格后重新生成；同时核对所选图像工作流是否一致（config.yaml 中 image 下的default_workflow）。

坑三：播音偏赶，句尾吞字。speed1.2 对资讯类播报确实偏快，降到1.0并换成女声后试听过关。若 TTS 服务偶发无返回，直接重启服务；项目已锁定 edge-tts 版本修复过这类不稳定。

方形成片适合信息流投放，同一份文案把模板换成1080x1080重新生成即可：

🧾 算月成本账

三种方案组合如下（数字为估算区间，实际以 API 调用量与图、视频生成条数为准）：

RunningHub 排队久是并发限制在起作用：config.yaml 里runninghub_concurrent_limit可设1至10，默认1，调高可提升批量任务的实际吞吐。

找延伸入口

• 官方文档中文总入口：安装、配置参考、FAQ 都在这里，界面行为与预期不符时先查这里
• 模板手册：自建模板与预览方法，配合格式说明逐项过一遍
• workflows 目录：runninghub/ 与 selfhost/ 子目录内置图像、视频、TTS 工作流，自己导出的 ComfyUI JSON 放进去即可出现在下拉列表

今晚就能做的第一件事：启动服务，输入一个15字以内的主题，分镜滑杆保持5，模板选默认，点生成。泡一杯咖啡的时间，output/ 里会躺着一条60秒左右的成片；明天再按三层调优法各动一个参数，对比差异。

【免费下载链接】Pixelle-Video🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video