企业官网建设流程全解析

AI 短视频怎么一键出片：Pixelle-Video 本地部署实操

【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

需要定期发口播、书单号、科普号，但既没人写脚本，自己也不会剪辑的人，通常就卡在这一步。Pixelle-Video 就是为这种场景做的开源 AI 短视频生成工具：输入一个主题，它自动写文案、配 AI 插图、合成语音解说、加上背景音乐，最后拼成一条能直接发的短视频，全程不用碰剪辑软件。

从下载到出片的最短路径

Windows 用户有整合包，解压后双击 start.bat 即可，不用装 Python 和 ffmpeg。Mac 和 Linux 用户走源码路线：先拿到项目代码，再启动 Web 界面，这一步只花一分钟。

git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video uv run streamlit run web/app.py

浏览器会自动打开 http://localhost:8501 的界面。真正需要你动手的只有两项关键配置：LLM 的 API Key（界面里选预设会自动填好 base_url 和模型名），以及图像生成服务的地址或 Key。其余项都可以先用默认值。

Web 界面左侧是主题输入、TTS、模板和插图设置，右侧点"生成视频"后直接预览成片

配好后在"内容输入"区填主题，选好模板，点"🎬 生成视频"。一条 1~2 分钟的视频大约 3~5 分钟出片，时间主要花在文案和配图生成上。详细步骤可对照安装文档。

四个环节各自能做什么

整条流水线是"文案生成 → 配图规划 → 逐帧处理 → 视频合成"，每个环节都能单独换引擎，这张流程图说得很直白：

文案：主题进去，分镜脚本出来

能做什么：输入主题，LLM 自动写出带标题和旁白的分段脚本，每段旁白对应一个画面。例子：输入"如何增加被动收入"，产出十几段口语化旁白，每段一句话左右，可以直接念。适合谁：有选题但懒得写稿的人，尤其是日更账号。模型在 llm_presets 里预置了通义千问、OpenAI、Claude、DeepSeek、Moonshot、Ollama 六种，都走 OpenAI 兼容协议，选哪个填哪个 Key 就行。

画面：每句旁白配一张 AI 插图

能做什么：每句解说词自动生成一张配图，套进 HTML 视觉模板。例子：用书籍风格模板做"资治通鉴"解说，每段旁白配一张水墨山水插图，画面统一。适合谁：书单号、知识科普号。模板目录 里按尺寸分了三档：1080x1920 竖屏、1920x1080 横屏、1080x1080 方形，共 20 多个模板。文件名即类型：static_*是纯文字卡不需要生成媒体，image_*用 AI 图片，video_*用 AI 视频做动态背景，选模板前先看平台要求哪种比例。

书籍风格横屏模板效果：AI 生成的水墨插图配大段解说字幕，适合深度内容

声音：TTS 配音，还能克隆音色

能做什么：把旁白转成语音，内置 Edge-TTS、Index-TTS 等多种方案，界面里选音色和语速，还能上传参考音频做声音克隆，让 AI 用你自己的音色念。例子：录 10 秒自己的声音，成片就是"你"在讲。适合谁：个人 IP 账号。音色列表维护在 tts_voices，工作流在 workflows 目录。

合成：帧、配音、BGM 拼成 mp4

能做什么：FFmpeg 把帧画面、配音、背景音乐按时间轴拼好，输出带片尾标识的成品 mp4。例子：界面右侧直接显示输出文件路径、时长和分辨率（如 1080x1920），点开就能看。适合谁：所有人，这步全自动。合成引擎在 services 目录，进阶能力也有现成流水线：数字人口播适合需要"真人出镜"的教育演示；图生视频能把静态图变成动态背景；动作迁移可上传参考视频让画面动起来。

电影风格横屏模板效果：黑底居中画面加标题字幕，适合影视解说类内容

部署方式和模型怎么选

零显卡路线：LLM 用云端 API（通义千问或 DeepSeek，官方说生成一条 3 段的视频约 0.01~0.05 元），图像走 RunningHub 云端算力，填个 Key 就能跑，机器要求几乎为零。有显卡路线：ComfyUI 本地部署（建议 NVIDIA 显卡 6GB 显存以上）加 Ollama 本地 LLM，一分钱不花，代价是装环境和下模型文件要折腾半小时。直连 API 路线：不走 ComfyUI 工作流，直接在界面配 DashScope、OpenAI、火山引擎 ARK、Kling 等供应商的 Key，省掉工作流这一层。所有能力都是可替换的"原子"，图像、视频、TTS、VLM 各自独立选供应商，配置文件参考 config.example.yaml。

生成一个视频要多久？1~2 分钟的视频通常 3~5 分钟，瓶颈在配图数量，段落越多越慢。

实际使用中的 3 个坑

1. 填完 Key 点生成报连接错误：多半是 base_url 没跟着预设走，单独手敲容易漏字符。解法：用预设下拉选模型，让界面自动填充地址。
2. 本地 ComfyUI 出图卡在空提示：工作流跑通了但没图，因为模型文件没下。解法：按 ComfyUI 自己的文档下载对应模型，再用界面的"测试连接"确认。
3. 竖屏成片发到横屏平台显得变形：默认模板是 1080x1920 竖屏，比例是模板定的。解法：选模板前先定平台，发 B 站、YouTube 就选 1920x1080 目录下那批模板。

完全免费到底能不能用？能，Ollama 加本地 ComfyUI 就是官方给出的零成本方案；图省事用云端 API，一条视频几分钱，比请人剪辑便宜几个量级。

现在就能做的 5 件事

1. 下载Windows 整合包，或按上面的命令跑通源码版
2. 填界面里的 LLM API Key 和图像服务地址，先别管其他选项
3. 生成第一条视频，主题随便填一个，比如"如何增加被动收入"
4. 对比把竖屏、横屏模板各跑一遍，记下哪种风格像你账号的调性
5. 换一条带自定义素材的流程再跑一次，看看用自己图片生成的脚本效果

【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