Pixelle-Video：AI 短视频生成完整指南，3 个配置项跑通你的第一条视频

Pixelle-Video：AI 短视频生成完整指南，3 个配置项跑通你的第一条视频

【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

Pixelle-Video 是一个 AI 全自动短视频引擎：你输入一个主题（比如"为什么要养成阅读习惯"），它会自动完成文案撰写、逐句配图、语音解说、背景音乐和最终合成，全程不需要你打开任何剪辑软件。整个系统跑在浏览器里，核心是 Streamlit Web 界面 + 可插拔的 AI 工作流，图像、视频、TTS、大模型这四个环节都能按需替换供应商。

它能替你省下哪些环节

传统短视频流程里，一条 1 分钟的片子要经历写稿、找图、录音、剪辑四道工序，每道工序都有各自的门槛。Pixelle-Video 把这四道工序压缩成一条流水线：

输入主题 → LLM 写分镜文案 → 逐分镜 AI 配图 → TTS 合成解说 → 模板渲染 + BGM 合成

对零基础用户来说，真正有价值的三件事是：

• 文案不用写：LLM 按主题自动产出结构化解说词，也支持直接粘贴现成文案跳过创作环节（对应"固定文案内容"模式）。
• 图不用找：每个分镜由图像模型独立生成一张图，风格靠英文提示词前缀统一控制。
• 声音不用录：默认 Edge-TTS 免费可用，换 Index-TTS 还能上传一段参考音频做声音克隆。

成品默认落在output/目录，界面里会显示时长、分镜数、文件大小，可直接回放。

从 0 到跑通：最短启动路径

装环境（两种方式二选一）

Windows 用户推荐官方一键整合包：解压后双击start.bat，浏览器自动打开http://localhost:8501，不用装 Python、uv 或 ffmpeg。

macOS / Linux 用户从源码启动，前置依赖只有两个：uv和ffmpeg（macOS 用brew install ffmpeg，Debian 系用apt install ffmpeg），然后：

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

uv run会自动拉齐依赖，无需手动建虚拟环境。

一次填对三组配置

首次进入界面，展开「⚙️ 系统配置」面板，需要填的就三组东西，填错一组都会卡住后面的流程：

不想用图形界面的，可以直接编辑 config.example.yaml 复制出的config.yaml，结构一目了然。保存后点「保存配置」即可。

三步生成第一条视频

界面是三栏布局：左栏选输入模式（AI 生成 / 固定文案）并挑 BGM，中栏选 TTS 工作流和视觉模板，右栏点「🎬 生成视频」。生成时右侧会实时推进度（例如"分镜 3/5 - 生成插图"），完成后自动播放预览。第一次跑建议选最简单的组合：AI 生成模式 + 内置 BGM +selfhost/tts_edge.json+image_default模板，先把整条链路走通，再谈风格。

按内容选模板，比调参数更重要

模板决定画面长相，比任何参数都影响观感。templates/ 目录按分辨率分三个子目录（竖屏 25 套、横屏 5 套、方形 1 套），命名即类型，这个约定值得记一下：

• static_*.html：纯文字排版，不调用任何图像模型，出片最快，适合金句卡片类内容；
• image_*.html：AI 生成图片作背景，性价比最高的默认选择；
• video_*.html：AI 生成动态视频作背景，沉浸感最强，也最耗时耗钱。

按内容类型给三组可验证的搭配：知识科普用image_book（横屏版本同样存在，见上方配图）；情感、治愈类用竖屏的video_healing；影视感、剧情向用横屏image_film。选模板时先点「预览模板」，它能直接渲染样例画面，不用等一条完整视频跑完才发现问题。

卡住时先查这四处

按出现频率排序的排查清单：

1. ComfyUI 连不上：先确认服务进程在跑、8188 端口可达；Docker 里起 Pixelle-Video 而 ComfyUI 在宿主机的，把地址改成host.docker.internal:8188。
2. 出图风格忽好忽坏：问题多半出在提示词前缀——它是英文的，且直接决定全局画风。固定一条经过验证的前缀，再配合固定随机种子，一致性会明显改善。
3. 配音听着机械：换音色、调语速是最快的两条路；想要"自己的声音"，切到 Index-TTS 工作流并上传参考音频，支持 MP3/WAV/FLAC。
4. 想要免费跑全链路：LLM 用 Ollama 本地推理 + 本地 ComfyUI，一分钱不花；显存不够就把 LLM 换成通义千问（成本极低），图像走 RunningHub 云端。

更多细节可以翻 docs/ 下的 FAQ 和故障排查页，侧边栏里也内置了常见问题入口。

下一步：把默认流水线改造成自己的

当固定模板用腻了，有三层可动的空间，难度递增：

• 换工作流：workflows/ 下selfhost/和runninghub/两个目录分别对应本地与云端方案，共 20 多个现成 JSON（flux、qwen、wan2.2 等图像/视频/TTS 工作流）。新建一个 ComfyUI 工作流导出为 JSON 放进对应目录，下拉菜单里就能选到。
• 写模板：模板就是一个带占位符的 HTML 文件，参考templates/1080x1920/里现有的结构改配色和布局，保存后界面自动识别。
• 直连 API 供应商：不走 ComfyUI，在系统配置里给 DashScope / OpenAI / Kling / ARK 填 Key 和 Base URL，图像、视频、素材分析都能直连调用，还能为每个供应商单独开关本地代理。

三条路都验证过可行之后，剩下的就是批量了：界面支持批量创建视频任务，历史记录页可以回看之前所有产出。从"能跑通"到"跑得顺"，通常只差换一轮模板和一条顺手的提示词前缀。

【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