企业官网建设流程全解析

Pixelle-Video：全自动AI短视频生成

【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

项目速览

Pixelle-Video 是一个开源的 AI 短视频生成引擎，采用 Apache 2.0 协议。它的思路很直接：输入一个主题，它自动完成文案撰写、AI 配图、语音合成、视频合成四个环节，输出一条成品短视频，全程不需要剪辑软件。底层通过大模型加 ComfyUI 工作流或直连模型 API 驱动，一条 3-5 分镜的视频通常 2-5 分钟即可生成完毕。

适合谁用：

• 想批量生产科普、解说类短视频的自媒体创作者
• 希望把文案、配音、合成串成流水线的内容团队
• 想在模板体系和工作流之上做二次开发的开发者

3 条命令跑起 AI 视频生成

前置环境需要 Python 3.11+、包管理器 uv 和 ffmpeg（视频合成依赖），装好后只需：

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 的三栏 Web 界面。首次运行要配置一次「⚙️ 系统配置」面板：LLM 的 API Key 必填（负责写文案）；配图环节三选一——本地 ComfyUI 地址、RunningHub 云端 Key、或直连模型 API（DashScope、OpenAI 等）。所有配置项在 config.example.yaml 里有完整注释，复制为 config.yaml 按示例填写即可。Windows 用户也可以直接下载项目提供的整合包，免装环境。

AI视频生成的核心能力拆解

一个主题驱动的完整流水线

是什么：从单一主题自动产出成品视频。怎么实现：先由 LLM 把主题展开成文案并拆分成镜，每个分镜对应生成配图或视频片段、合成解说音频，再逐帧套入 HTML 模板渲染合成。用户侧能做什么：在内容输入区选择「AI 生成内容」（AI 写稿）或「固定文案内容」（用现成脚本跳过写稿），并配置背景音乐——内置音乐直接选，自定义音乐丢进 bgm/ 目录即可。

可插拔的 AI 能力层

是什么：图像生成、视频生成、TTS、素材分析四类原子能力都可独立替换。怎么实现：统一抽象成「工作流」，既支持 ComfyUI（本地 selfhost 或 RunningHub 云端），也支持直连模型 API，包括 DashScope Wan、OpenAI GPT Image、Seedream、Seedance、Kling 等供应商。用户侧能做什么：在 Web 界面下拉切换图像/视频/TTS 工作流；使用 Index-TTS 等支持克隆的工作流时，上传一段参考音频即可用你的音色做解说，并支持试听预览。

HTML 模板系统

是什么：模板决定视频画面的布局与风格。怎么实现：每个模板是一个 HTML 文件，负责排版文字、叠加图片或视频；按命名区分 static_（纯文字，不需要 AI 素材）、image_（AI 配图做背景）、video_*（AI 视频做背景）。内置 31 个模板：

所有模板都能在生成前点击「预览模板」查看效果，并可自定义参数测试。

架构设计解读

顶层目录结构：

Pixelle-Video/ ├── pixelle_video/ # 核心库：pipelines/services/models/config ├── web/ # Streamlit 三栏 Web 界面 ├── api/ # FastAPI 接口层（routers/schemas/tasks） ├── templates/ # HTML 视频模板，按尺寸分目录 ├── workflows/ # ComfyUI 工作流 JSON，分 runninghub/ 与 selfhost/ └── config.example.yaml

几个关键设计决策：

• 分层清晰：Web 层只做交互，业务逻辑收敛在服务层，所有 AI 生成动作被抽象为「工作流」，换模型供应商不影响上层流程。
• 流水线模式：pixelle_video/pipelines/ 下定义了 base、standard（从零创作）、custom（固定脚本）、asset_based（用户上传素材）等流水线，新增一种生成策略只需加一个子类。
• 能力外置：工作流全部是 workflows/ 下的 JSON 文件，模型供应商凭据集中在配置文件的 api_providers 段落声明，代码与模型解耦。

如果要二次开发：加视觉模板就往 templates/ 里放一个 HTML 文件；加生成策略改 pixelle_video/pipelines/；接新的模型供应商在 pixelle_video/services/api_services/ 增加对应 client 即可。

进阶用法与调优

• 场景：首次上手想最快出片 →建议：选 static_* 纯文字模板，完全不需要 ComfyUI 和图像 API →预期效果：流程只剩文案和合成，速度最快，适合先跑通再换重模板。
• 场景：配图风格杂乱不统一 →建议：在配置里设置图像 prompt_prefix（需英文），并用「预览风格」按钮先测试 →预期效果：全片配图保持同一画风，观感一致。
• 场景：希望视频用本人音色解说 →建议：上传参考音频并选支持克隆的 TTS 工作流（如 Index-TTS） →预期效果：解说音色与参考音频一致，适合个人 IP 账号。
• 场景：使用 RunningHub 云端并发批量出片 →建议：按账号档位把 runninghub_concurrent_limit 调到 1-10 之间 →预期效果：在限流内最大化吞吐量，多任务并行不再排队。
• 场景：预算敏感、追求零成本 →建议：LLM 用 Ollama 本地模型，配图用本地 ComfyUI →预期效果：按项目 FAQ 的数据，单视频成本 0 元。

三种典型部署方式对比：

常见问题：

• Q：必须部署 ComfyUI 吗？不是。纯文字模板完全不需要；要 AI 配图又不想本地部署，可用 RunningHub 云端或直连 API。
• Q：第一次生成要等多久？3-5 分镜的视频约 2-5 分钟，取决于分镜数、网络和推理速度。
• Q：效果不满意怎么调？依次尝试：换 LLM 模型、调整图像尺寸与提示词前缀、换 TTS 工作流、换模板。

AI视频生成的三个实战场景

知识科普类自媒体运营者，每天从选题库里挑一个主题输入，选一个竖屏模板，几分钟内拿到一条「文案+配图+解说」的成品视频直接发布。结合历史页面的批量任务能力，可以一次排期多个主题，日更账号的产能压力明显降低。

教育机构的课程推广团队，选择「数字人口播」流水线，上传讲师的语音样本用于音色克隆，输入课程卖点文案，系统产出虚拟人口播视频；再借助内置的多语言音色（覆盖中、英、韩、俄、法、西、德、葡、土等 10 种语言）为海外用户制作不同语言版本，一次创作多地上线。

手握既有素材的内容团队，进入「自定义素材」流水线，上传产品照片或既有视频片段，AI 会自动分析素材内容并生成匹配的脚本与解说，原有素材直接成为视频主角，避免了纯 AI 生成内容风格割裂的问题。

生态与参与

README 的更新日志记录了 2025-11 至 2026-06 之间 12 次连续迭代，涵盖动作迁移、数字人口播等新流水线和多模型供应商支持，项目处于高频更新状态。参与入口有两条：问题反馈和功能建议走仓库 Issue；贡献流程与代码规范见 docs/zh/development/contributing.md。使用文档、模板说明和故障排查集中在 docs/（中文在 docs/zh/ 下）；想理解模板体系，建议直接看 templates/ 里的 HTML 示例和命名约定，从复制一个现成模板改起最快。

【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