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ffmpegmacOS 用brew install ffmpegDebian/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.pyuv 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。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。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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考