企业官网建设流程全解析

Pixelle-Video 实战：输入一个主题，几分钟拿到成片AI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

在输入框里敲一句"为什么每天阅读30分钟能改变人生"，Pixelle-Video——这个开源的 AI 短视频生成工具——会在 2 到 5 分钟内还你一条带解说、带配图、带背景音乐的完整竖屏视频：文案它写，画面它配，声音它念，你只负责定主题和点生成。整个过程发生在浏览器里，不需要任何剪辑经验。下面按"先看结果、再跑起来、再调细节"的顺序，把每一步讲清楚。

成片长什么样

一个 3~5 个分镜的成片，通常 2~5 分钟就能跑完。系统内部走的是四段流程：文案生成 → 分镜规划 → 逐帧处理 → 视频合成。每段文案会被拆成分镜，每个分镜配上对应的 AI 插图（或动态视频），再叠加 TTS 语音和 BGM 渲染成最终文件，保存在项目根目录的output/文件夹里，生成完成后界面会自动播放预览。

尺寸上支持竖屏 1080x1920、横屏 1920x1080、方形 1080x1080 三档，模板按这三个规格分组存放。横屏电影感模板出的效果大致是这样：

三步骤启动 Pixelle-Video 的 Web 界面

Windows 用户（最简单）：从项目 Releases 页下载一键整合包，解压后双击start.bat，浏览器会自动打开http://localhost:8501。整合包已内置 Python 依赖和 ffmpeg，不用装任何环境。

macOS / Linux 用户（源码方式）：先装好uv和ffmpeg（macOS 用brew install ffmpeg，Debian/Ubuntu 用 apt 安装），然后：

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

uv run会自动处理项目依赖。看到浏览器弹出 Web 界面，就算启动成功了。

在"系统配置"里填三类 AI 服务

首次进入界面，展开「⚙️ 系统配置」面板，一共三块配置：

1. LLM（写文案的大模型）：兼容所有 OpenAI 风格的接口。界面提供下拉预设——通义千问、GPT-4o、DeepSeek、Ollama 等，选中后会自动填好 base_url 和 model，你只需补 API Key。新手建议直接选通义千问，中文效果好、成本极低。
2. ComfyUI / RunningHub（出图、出视频、出声音的工作流通道）：本地部署就填 ComfyUI 地址（默认http://127.0.0.1:8188），点「测试连接」确认通；不想本地部署就填 RunningHub 的 API Key 走云端。
3. API 媒体模型（可选）：DashScope、OpenAI、火山方舟（Seedream/Seedance）、Kling 等供应商的直连配置。填了它，图像和视频可以跳过 ComfyUI 直接调模型；不填也不影响使用。

填完点「保存配置」，之后不用重填。偏好改文件的话，把仓库里的config.example.yaml复制成config.yaml再编辑也可以。

点生成之前要选好的四件事

Web 界面是三栏布局，真正影响成片质量的就四组设置：

• 内容输入（左栏）：两种模式。「AI 生成内容」只给主题，脚本由 LLM 现写，适合知识科普、观点分享；「固定文案内容」直接粘贴现成脚本，跳过写稿环节，适合文案已打磨好的场景。同一区域选 BGM：无 / 内置曲目 / 自定义（把 MP3 放进bgm/文件夹即可被识别）。
• 语音（中栏）：下拉选 TTS 工作流，界面会自动扫描workflows/里的 TTS 工作流——Edge-TTS 免费好用，Index-TTS 支持声音克隆。输入一段测试文本点「预览语音」可以先试听，不满意的组合别浪费整条视频的时长。
• 视觉（中栏）：三件事——图像生成工作流（本地 / RunningHub / 直连 API 任选其一）、图像尺寸（默认 1024x1024）、提示词前缀（英文，统一控制配图风格，可点「预览风格」试效果）。然后选视频模板，按竖屏/横屏/方形分组显示，支持「预览模板」带参数试渲染。
• 生成（右栏）：点「🎬 生成视频」，右侧会实时报进度，比如"分镜 3/5 - 生成插图"，完成后自动播放并显示时长、分镜数。

方形模板的极简边框样式，适合信息卡片类内容：

一条视频的四段流水

把生成过程拆开看，就是一个单向流水线：LLM 根据主题产出完整文案，系统把文案拆成分镜；随后逐帧处理——每个分镜调图像（或视频）工作流出画面、调 TTS 工作流出配音、用选定的 HTML 模板渲染字幕与版式；最后合成阶段把各段拼接、铺上 BGM、用 ffmpeg 渲染成片。

这条流水线每个环节都是独立可替换的：换 LLM 改文案风格，换图像工作流改画面，换 TTS 工作流改声音，换模板改版式，彼此互不牵连。这就是它"原子能力可组合"的含义——图像、视频、TTS、素材分析这几类能力，都可以单独换成本地 ComfyUI、RunningHub 或直连 API 任意一种实现。

代码里各部分在哪

想改东西之前，先知道东西在哪：

• web/：Streamlit 界面，三栏布局和所有交互逻辑
• pixelle_video/：核心库。config/配置管理、models/数据模型、pipelines/生成流程编排、prompts/提示词模板（想调整文案的口吻和结构，改 pixelle_video/prompts/ 里的模板最直接）、services/各 AI 服务调用
• workflows/：ComfyUI 工作流 JSON，分selfhost/（本地跑）和runninghub/（云端跑）两族，图像、视频、TTS、素材分析各有一套
• templates/：HTML 视频模板，命名即分类——static_*.html纯文字静态、image_*.html配 AI 图、video_*.html配 AI 视频
• api/：后端接口层

成本三档，免费也能跑

• 完全免费：LLM 用 Ollama 本地模型 + 本地 ComfyUI 出图，一分钱不花，代价是需要一块 NVIDIA 显卡（建议 6GB 显存以上）。
• 性价比最高：通义千问写文案 + 本地 ComfyUI 出图，一条视频成本大约 0.01~0.05 元。
• 纯云端：LLM 用 OpenAI，图像走 RunningHub，完全不需要本地环境和显卡，按调用付费。

选择逻辑很简单：有显卡就全本地，没显卡就通义千问 + 本地 ComfyUI，连 ComfyUI 都懒得部署就全云端。

还能再玩的四件事

• 🗣️ 声音克隆：TTS 选 Index-TTS 工作流，上传一段参考音频（MP3/WAV/FLAC 均可），解说词会用接近的音色念出来。注意 Edge-TTS 不支持克隆，选错工作流会没效果。
• 自定义素材：上传自己的照片或视频，AI 先分析素材内容，再据此生成匹配的文案和解说。做产品介绍、品牌宣传时，画面就能用企业自己的素材。
• 扩展流水线：数字人口播、图生视频、动作迁移三条额外流水线已内置，分别对应"人来讲""静图变动态""参考视频迁移动作"三类需求。
• 自定义模板与工作流：会 HTML 就在templates/里写自己的版式；懂 ComfyUI 就把自己的工作流 JSON 丢进workflows/，界面下拉框会自动扫到它们。

四个常见问题

• 必须部署 ComfyUI 吗？不必。用static_开头的纯文字模板，全程不产生任何 AI 媒体调用，零门槛；想要 AI 配图又不想本地跑，就选 RunningHub 云端。
• 第一次生成要等多久？3~5 个分镜的视频大约 2~5 分钟，具体看分镜数量、模型推理速度和网络。
• 效果不满意先动哪里？文案别扭换 LLM；配图风格不对改提示词前缀或图像工作流；声音不合适换 TTS 工作流或参考音频；版式不满意换模板和尺寸。四个旋钮基本覆盖绝大多数"差点意思"。
• 连接失败怎么排查？先在配置面板点「测试连接」，再核对 API Key 和 base_url；更多排查路径见 docs/zh/ 下的 troubleshooting 页面。

想现在动手：Windows 用户去 Releases 页下载整合包解压即用，其他系统按上面的三条命令跑起来。配置环节卡住的话，对照 docs/zh/getting-started/configuration.md 逐项核对即可，第一个视频通常几分钟内就能出。

【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