从一句主题到一支成片：Pixelle-Video 零门槛全自动短视频引擎

从一句主题到一支成片：Pixelle-Video 零门槛全自动短视频引擎

【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

Pixelle-Video 是一个开源的 AI 全自动短视频引擎：你只需输入一个主题，比如"如何提升工作效率"，它就会自动完成文案撰写、AI 配图、语音解说、背景音乐与视频合成，几分钟后交给你一支可以直接发布的成片。没有剪辑软件、没有素材库、没有配音棚，这就是"全自动短视频"最真实的模样。

在成片之前：一台藏在代码里的"视频工厂"

其实你输入的每个主题，都会在系统内部走一条固定的流水线：文案生成 → 配图规划 → 逐帧渲染 → 合成输出。这条流水线不是黑盒，它在项目里是看得见、摸得着的——pixelle_video/pipelines/目录下躺着 standard、linear、asset_based 等不同的流水线实现，pixelle_video/prompts/里则是每一环节的提示词模板。理解这条流水线，你就理解了这款工具的全部设计哲学：每个环节都可以替换、可以定制。

我们不妨跟着一支视频的诞生过程，把每个工位看一遍。

第一站：文案——AI 先替你把"脚本"写出来

影片的灵魂是解说词。Pixelle-Video 的第一步，是把你输入的主题交给大语言模型（LLM），自动生成一篇结构完整的视频文案：开篇引入、核心观点、收尾升华，一段不落。

它支持的主流大模型包括 GPT、通义千问（Qwen）、DeepSeek，以及完全本地的 Ollama。在config.example.yaml中，你可以这样指定：

llm: base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1" model: "qwen-max"

文案的生成节奏也可以精细控制：固定脚本可以选择按段落、按行或按句子切分，决定每一条字幕的出场时机；pixelle_video/llm_presets.py里则预置了多组模型组合，方便一键切换。对新手来说，这部分几乎不用操心——选一个模型，剩下的交给它。

第二站：画面——每句话都要有自己的"插图"

有了解说词，下一步是让画面跟得上声音。Pixelle-Video 会为文案的每个片段规划配图，再调用图像生成模型逐句出图。这里的门道最多，也最值得讲。

图像能力来自两条途径：一是 ComfyUI / RunningHub 上的现成工作流，比如 image_flux、image_qwen、image_sdxl、image_sd3.5，它们分别存放在workflows/runninghub/与workflows/selfhost/两个目录，前者云端按需付费、无需维护硬件，后者本地免费运行；二是直连各家图像 API——DashScope、OpenAI、Seedream、Kling 等都能直接用。

如果你想要动态画面，还可以把配图升级为 AI 生成的视频镜头：WAN 2.1 / 2.2、Seedance 等模型支持把文案片段转成几秒钟的动态画面。默认配置下，图像环节调用 runninghub/image_flux.json，视频环节调用 runninghub/video_wan2.1_fusionx.json，把它们换成workflows/里的其他工作流文件名，就等于更换了整条流水线的"发动机"。

生成好的画面，还要套上一层"版式"。templates/目录下按分辨率存放了二十多套 HTML 模板：1080x1920竖屏适合抖音、快手、视频号，1920x1080横屏适合 B 站、YouTube，1080x1080方形适合小红书、Instagram。从知识类更显权威的 image_book，到情感类更温柔的 image_healing，再到科技感更强的 image_modern，每个模板都能在 Web 界面直接预览选择，也可以自己动手改 CSS 换配色、换字体、调位置。

第三站：声音——不再像机器人在朗读

配音是短视频最容易露怯的一环。Pixelle-Video 内置了 Edge-TTS、Index-TTS 等主流语音合成方案，音色清单集中在pixelle_video/tts_voices.py这一个文件里。中文、英文乃至多种语言的音色都可以直接挑选，语速通常调到 0.8～1.2 之间听感最自然。

更进阶的是语音克隆：上传一小段自己的声音，后续生成的视频就能用你的音色来讲解，个人 IP 的辨识度一下就立起来了。

第四站：合成与批量——把零件组装成片

文案、画面、声音都齐了，剩下的交给最后一道工序：逐帧渲染、叠加背景音乐，然后合成导出。到这里，你输入一句主题，收获的就是一支带配音、带字幕、带 BGM 的完整成片。

如果你要做系列内容，千万别错过批量模式：在内容输入区开启批量，每行一个主题，系统会排队为每个主题独立成片；历史记录页面会保存每一次生成，方便回看与复用。最稳妥的节奏是——先跑一个样本确认效果，再放开批量生产。

流水线的尽头，是更多玩法

理解了这条流水线，你会发现所谓"进阶功能"，不过是替换了流水线上的某些工位：

• 数字人口播：让一个虚拟形象开口说话，支持多语言讲解，适合产品介绍与在线课程；
• 图生视频：把一张静态图"吹"成动态镜头，风景照、产品图都能动起来；
• 动作迁移：上传参考视频与图片，让照片中的人物复刻参考动作，创意舞蹈、特效短片都靠它；
• 自定义素材：上传自己的照片和视频，AI 先分析内容再生成配套解说词，适合做有个人特色的内容。

这些流水线在web/pipelines/下各成一类，想自定义流程的人还可以参照custom.py模板动手改造，从入门到折腾都有得玩。

成本账：从 0 元到几百元的三种活法

聊完功能，很多人最关心的是钱。Pixelle-Video 的"全自动"并不是靠烧钱换来的，它有三种典型的成本方案：

• 本地免费方案：有显卡的用户，用 Ollama 写文案、ComfyUI 本地生图、Edge-TTS 配音，全程零 API 费用，数据也不出本机；
• 云端经济方案：没有显卡，用通义千问写文案、RunningHub 生图、Index-TTS 配音，月成本通常在百元上下，性价比很高；
• 混合灵活方案：专业用户按需组合本地与云端能力，哪个环节贵就换哪个，在效果与成本之间找到平衡。

无论选哪种，配置都收敛在config.example.yaml这一个文件里：复制一份为config.yaml，填上对应的 API 地址与密钥即可。因为开源、支持本地部署，你的数据和创作内容始终掌握在自己手里，这一点对内容创作者尤其重要。

五分钟后，开始你的第一支成片

上手方式对新手足够友好。Windows 用户直接下载一键整合包，解压后双击start.bat，浏览器会自动打开 Web 界面；macOS 与 Linux 用户则只需两条命令：

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

浏览器打开 http://localhost:8501 后，在系统配置面板填入 LLM 与图像服务的密钥，回到首页输入一个你真正感兴趣的主题，点击生成——接下来的几分钟，就是这篇"幕后揭秘"在你眼前重演一遍的时刻。

别把第一次尝试留给宏大的选题。从一个你熟悉的小话题开始，看成片效果，再慢慢调模板、换音色、试批量。Pixelle-Video 把视频创作的门槛压到了"一句主题"的高度，剩下的，就是你按下那个生成按钮的勇气。🚀

【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