Pixelle-Video：零基础 5 分钟生成一条 AI 短视频

Pixelle-Video：零基础 5 分钟生成一条 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

一条 60 秒的竖版短视频，手工路线是：写脚本 40 分钟，找素材 90 分钟，时间线上剪 2 小时——一天根本剪不出 3 条。Pixelle-Video 是开源的 AI 全自动短视频引擎，你只负责给一句主题，文案、AI 配图、配音、背景音乐、成片拼接它全包，5 个分镜的成品通常 2-4 分钟就能出炉，零剪辑基础也能跑通。

5 步流水线：主题进、成片出的拆解

点下「🎬 生成视频」之后，后台pixelle_video/pipelines/里的标准流水线会按 5 步走：

• 脚本引擎：LLM（负责写文字的大语言模型）把你的一句主题拆成默认 5 个分镜，每段旁白对应一帧画面，产物是一份结构化分镜脚本。
• 画面描述师：为每段旁白生成一句英文画面描述，并自动拼上你在配置里写的风格前缀，产物是 5 条生图提示词。
• AI 生图员：按你选的工作流逐张出图，可以走本地 ComfyUI（免费）、RunningHub 云端，或直连 DashScope、OpenAI 等 API，产物是 5 张配图。
• TTS 配音员：Edge-TTS 或 Index-TTS 把 5 段旁白念出来，产物是 5 段 mp3 语音。
• 合成器：把配图、语音按你选的 HTML 模板排版成帧，再叠上 BGM、用 ffmpeg 拼成 1080x1920 成片。

整条链路里你唯一要做的事就是盯进度条，中间产物都留在output/的任务文件夹里，哪一步不满意都可以单独复用。

第一次跑通：从 0 到出片的完整路径

两个入口一句话区分：Windows 直接下载官方一键整合包（内置 Python、ffmpeg 等全部依赖），解压后双击start_web.bat；macOS / Linux 从源码启动，先装好uv和ffmpeg，再在仓库目录运行uv run streamlit run web/app.py。

1. 启动并等浏览器打开 http://localhost:8501。看到三栏布局（左栏输入内容、中栏语音和视觉设置、右栏生成按钮）就说明起来了。卡住先看终端有没有报错，最常见的是 ffmpeg 没装或 PATH 没配对。
2. 展开「⚙️ 系统配置」配 LLM。从预设下拉里选通义千问，页面会自动填好 base_url 和 model，你只需补上 API Key 并点「保存配置」。看到配置面板下方出现绿色保存提示即成功。
3. 同一面板里配图像工作流。选runninghub/image_flux.json就填 RunningHub 的 API Key；想用本地 ComfyUI 就选selfhost/前缀的工作流并填http://127.0.0.1:8188，点「测试连接」绿灯后再走下一步。

4. 左侧输入主题。保持「AI 生成内容」模式，输入「为什么要养成阅读习惯」，分镜数保持默认 5，中栏模板保持1080x1920/image_default.html。
5. 点「🎬 生成视频」并让出去 3 分钟。进度条依次走过「生成文案 → 生成配图 → 合成语音 → 合成视频」，中途会看到「分镜 3/5 - 生成插图」这类字样；5 个分镜大约 2-4 分钟跑完。完成后右侧自动播放成片，视频文件落在output/目录的任务文件夹里，文案、配音、配图等中间产物也都在。

三种典型用法：博主、电商、教师各取所需

小林的知识号：她运营小红书读书号，每周要 3 条视频，手动做一条 4 小时，一周就是 12 小时坐在时间线前。每周三晚上，她把 5 个主题一行一个塞进批量模式的输入框，模板固定1080x1920/image_modern.html，TTS 里上传了自己 30 秒的试读录音做音色克隆，然后关电脑睡觉。早上打开历史页，5 条 60 秒左右的竖屏成片整齐躺着，单条 API 成本约 2-5 分钱，一条 12 小时的剪辑时间被压到 0。发布后评论区有人问「小林你是不是换了配音」——那声音本来就是她自己，只是被 Index-TTS 克隆了一遍。

电商团队的方形产品卡：用1080x1080/image_minimal_framed.html模板，切到「固定文案内容」模式直接粘贴现成的卖点文案，图像尺寸设 1024x1024。一条 15 秒产品卡大约 90 秒出炉，晚上排 10 个 SKU，第二天早上 10 条卡全在历史页。

教师的横屏课件片段：知识点讲给投影看，选1920x1080分组的模板（如image_film.html），分镜数调到 3 控制时长，一条 90 秒的课件片段 2 分钟左右跑完，比录屏剪辑快得多。

三套配置方案 + 最容易翻车的 3 处

• LLM 只填了 api_key→ base_url 漏了，请求打到错误地址，文案阶段直接报 connection error → 在 WebUI 里用预设下拉选模型，它会自动带出 base_url，别手动半填。
• 卡在「生成配图」不动→ 工作流前缀和密钥类型不匹配，selfhost/需要本地 ComfyUI 在跑，runninghub/需要 RunningHub Key → 回到「⚙️ 系统配置」核对前缀与密钥是否对应。
• 画面空白或文字堆叠→ 模板类型和素材类型对不上，比如选了video_模板却只配了图像工作流 → 换回image_模板，或补一个视频生成工作流。

进阶解锁：3 个超出预期的玩法

你本来以为配音只能用机器味音色，其实你可以上传一段 30 秒参考音频做声音克隆——在「🎤 语音设置」里选支持克隆的 TTS 工作流（如 Index-TTS），拖进 MP3 点「试听」，开口就是「你」本人的声音，连鼻音都保留。

你本来以为每个分镜的配图风格会飘，其实你可以用提示词前缀锁死全片画风——在config.example.yaml复制出的config.yaml里给image.prompt_prefix写一句英文风格描述（比如 minimalist black-and-white matchstick figure style, clean lines），再点「预览风格」试一张，整条片子就像出自同一个设计师之手。

你本来以为静态照片只能当背景，其实图生视频和动作迁移流水线能把一张产品图变成会动的镜头——在扩展工作流里传一张照片和一段参考视频，参考视频里的动作会「搬」到照片上，跳舞的小猫、开口的人物都做得出来。

资源导航：4 个关键入口

• 官方文档 docs/zh/：装依赖、配 Key 遇到问题时先翻这里，安装、配置、快速开始都有中文教程。
• 模板库 templates/：30 多套 HTML 模板按1080x1920、1920x1080、1080x1080分文件夹存放，想改品牌色就动手改 CSS。
• 预置工作流 workflows/：runninghub/与selfhost/两个目录放齐了图像、视频、TTS 的 JSON 工作流，会 ComfyUI 的可以直接往里加自己的。
• 音色清单 pixelle_video/tts_voices.py：配语音前先来这挑，全部支持的 TTS 音色都列在这里。
• 官方 Issue 区：跑不动、报错信息贴出来前，先看看是不是已有同样问题被解答过。

现在就动手：10 分钟出第一条成片

把这条命令拷进终端：

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

浏览器跳开后，选一个 LLM 预设填 Key、敲一个你早就想讲的主题、点「🎬 生成视频」。去泡杯美式，等那杯咖啡凉透之前，你的第一条成片应该已经在output/目录里了。

【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