输入一个主题就能出片：Pixelle-Video AI 短视频引擎完整新手教程
【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，你用一句话写下视频主题，它就把文案撰写、AI 配图、语音解说、背景音乐和最终合成全部包办下来，最后直接给你一个能发布的短视频文件。整个过程不需要你会剪辑、会写脚本，也不强制你懂技术，跟着这篇教程走，第一次就能跑出自己的第一条 AI 短视频。
Pixelle-Video 替你解决了什么问题
做一条短视频，传统上要干五件事：写脚本、找配图、录配音、挑音乐、进剪辑软件拼画面。哪怕每件事都只用十几分钟，加起来也是一小时起步，而且每一步都要你自己动手。
Pixelle-Video 的思路是把这五件事都交给 AI，你只负责"出主意"。整个流程在一条流水线上完成：
输入文本 → 生成剧本 → 生成配图提示词 → 生成音频/图片/合成帧 → 拼接+BGM → 输出视频具体来说，它会为你完成这些事：
| 环节 | 它做什么 | 你做什么 |
|---|---|---|
| 文案 | 根据你的主题自动写解说词，并拆成若干分镜 | 给一个主题，或直接贴入自己的文案 |
| 配图 | 每个分镜自动生成一张风格统一的插图 | 选模板、调提示词前缀（可选） |
| 配音 | 调用 TTS 把文案读成语音 | 选一个语音工作流，上传参考音频可克隆音色 |
| 音乐 | 给视频铺上背景音乐 | 选无 BGM、内置音乐，或往bgm/目录扔自己的 MP3 |
| 合成 | 把画面、语音、音乐拼成成片 | 等进度条走完，视频自动播放并保存到output/ |
它还支持三种扩展玩法，对新手来说相当于"免费加餐"：上传自己的照片和视频做「自定义素材」，AI 分析后反推脚本；用图生视频把静态图变成动态画面；用「数字人口播」让虚拟人替你出镜。
三步启动 Pixelle-Video 并生成第一条视频
第一步：装好并启动
按你的系统二选一：
Windows：去项目 Releases 下载 Windows 一键整合包，解压后双击start.bat。这个包把 Python、uv、ffmpeg 全打包好了，完全不用装环境。
macOS / Linux：从源码安装，需要你先装好uv（Python 包管理器）和ffmpeg（视频处理工具），然后执行：
git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video uv run streamlit run web/app.py两种方式启动后，浏览器都会自动打开http://localhost:8501的 Web 界面。
第二步：配置一次 API
首次使用要展开「⚙️ 系统配置」面板，填两类信息，之后就不用再动了：
- LLM 配置：选一个大语言模型（通义千问、GPT、DeepSeek 都行）并填入 API Key，这是负责写文案的。有本地显卡的用户可以用 Ollama 跑本地模型，一分钱不花。
- 图像/视频生成：三条路任选其一——本地 ComfyUI（填地址后点「测试连接」）、云端 RunningHub（填 API Key），或直连 DashScope、OpenAI、可灵、Seedream 等模型厂商的 API。只跑图不加视频的话，配好图像这一项就够了。
费用上不用太担心：本地 ComfyUI + Ollama 是零成本方案；用通义千问写文案的成本极低；全云端方案最省事但贵一些。
第三步：输入主题，点生成
界面是三栏布局，跟着走就行：
- 左侧「📝 内容输入」：选「AI 生成内容」模式，输入主题，比如"为什么要养成阅读习惯"。也可以选「固定文案内容」直接贴自己的稿子，跳过 AI 写稿。
- 中间栏：语音设置里挑一个 TTS 工作流（默认 Edge-TTS 就能用），视觉设置里选图像工作流和视频模板（推荐竖屏 1080x1920，默认 5 个分镜）。
- 右侧栏：点「🎬 生成视频」，进度条会依次显示生成文案、逐分镜生成插图、合成语音、合成视频。5 个分镜的片子大约 2~5 分钟出片，完成后右侧直接播放，文件落在
output/文件夹里。
最实用的几个功能：模板、音色克隆和批量生成
模板决定视频长什么样
模板分三类，从命名就能看懂：static_*.html是纯文字静态模板（不用 AI 生成媒体，速度快），image_*.html用 AI 生成的图片做背景，video_*.html用 AI 生成的视频做动态背景。
模板按尺寸分竖屏（1080x1920，适合抖音、小红书）、横屏（1920x1080，适合 B 站、YouTube）、方形（1080x1080）三组，在界面下拉菜单里按尺寸分组显示，点「预览模板」还能填参数先看效果再决定。风格从简约现代到复古时尚都有，竖屏模板就有书籍、治愈、霓虹、卡通、长文本等二十多种。
声音克隆：让 AI 用"你的声音"配音
在语音设置里上传一段参考音频（MP3/WAV/FLAC 均可），选择支持声音克隆的 TTS 工作流（如 Index-TTS），AI 就能模仿这个音色来念你的文案。上传后可以直接试听效果，不满意换一段再传。
批量模式：一次生成一组视频
需要日更或者做系列内容的用户，把「🔢 批量生成模式」打开即可：每行输入一个主题，系统会为每个主题各出一条视频，并且共用同一套 TTS、模板、工作流配置。好处很直接——系列视频的视觉风格天然统一，你只需要把主题列好，然后去干别的事。
自定义素材：你的照片也能变成视频
除了纯 AI 生成，你还可以上传自己的照片和视频，AI 会分析这些素材并围绕它生成脚本，适合手里有实拍素材但懒得写文案的人。
什么内容最适合用它来做
Pixelle-Video 生成的片子形态是"一张（或一段）画面 + 解说词 + 配音 + BGM"，所以它特别适合以信息传递为主的竖屏内容：
- 知识科普：养生常识、效率方法、行业入门，AI 写稿能力在这类主题上最稳；
- 读书/历史/文化解读：搭配书籍风格或水墨风模板，配上克隆音色，很像你在刷到的那种"文化解说号"；
- 个人成长与情感：治愈、生活感悟类，选治愈系模板和柔和的音色，氛围感直接到位；
- 固定栏目批量更新：一个账号每周三、五各更一条，用批量模式一次排好，风格永远一致。
相对而言，强情节、多机位、真人出镜的内容不适合它，它的甜区就是"一个话题讲明白"的单画面解说视频。
遇到问题先看这四处
大部分"生成失败"都出在四个地方，按顺序排查基本能解决：
- LLM 调用失败：先核对 API Key 填对没有、网络通不通、账户余额够不够。文案是整条流程的起点，它不跑通后面全都白搭。
- ComfyUI 连不上：确认 ComfyUI 服务正在运行，地址一般是
http://127.0.0.1:8188，在配置面板点「测试连接」最直观；还连不上就在浏览器里直接访问这个地址试试。 - 图像/视频生成失败：多半是 ComfyUI 里缺对应模型，或者工作流 JSON 文件不完整。可以先在 ComfyUI 里手动跑一遍同一工作流验证。
- 生成太慢：换本地 ComfyUI（比云端快）、减少分镜数量、换个响应更快的 LLM，这三招立竿见影。
依赖装不上时，用uv cache clean清缓存再uv sync重装一次通常就好。更详细的问题清单在 docs/zh/troubleshooting.md，运行日志在项目根目录的api_server.log，报错信息基本都能在里面找到。
想玩得更深：自定义模板、工作流和 API
三个进阶方向，用到哪个看哪个：
- 自定义模板：模板就是 templates/ 目录下的 HTML 文件，会一点 HTML/CSS 就能改布局、颜色、字体，或者照现有模板抄一个改出来。新建文件按
static_/image_/video_前缀命名，Web 界面会自动识别并按尺寸归类。 - 自定义工作流：图像、视频、TTS 三类能力都对应 workflows/ 下的 ComfyUI 工作流 JSON。自己在 ComfyUI 里搭好工作流、导出 JSON 丢进这个目录，界面下拉菜单里就能选到。不想搭 ComfyUI 的话，直连 API 厂商的工作流也已经预置好，填 Key 就能用。
- API 集成：想把这个能力嵌进自己的程序，可以用 Python 接口
PixelleVideoCore调用，传入主题和分镜数，异步返回视频文件路径；同时项目带了一组 REST 接口（api/ 目录），支持提交任务、查进度、取结果，详见 docs/zh/user-guide/api.md。
跑通第一条视频之后，建议先去历史记录页回看之前生成的片子和参数，再针对不满意的地方换模板、换音色各试一轮——你会发现，改一个参数就能得到一个完全不同的片子，这正是这个工具最好玩的地方。
【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
