Pixelle-Video 入门：10 分钟从一句话主题到一条 AI 短视频自动成片

Pixelle-Video 入门：10 分钟从一句话主题到一条 AI 短视频自动成片

【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，它自动完成文案撰写、AI 配图、语音解说、背景音乐混入和最终成片合成。读完本文，你能在本地跑起 Web 服务，亲手生成第一条成片。

左栏输入主题，中栏配置语音与视觉，右栏生成并预览成片

一句话主题进去，一条成片出来

Pixelle-Video 把做短视频的每个环节都自动化了，你不用打开剪辑软件，也不用逐帧排版。整条流水线分四段。

文案与分镜。LLM 根据你的主题写稿，并默认拆成 5 个分镜。稿件已有？切到「固定文案内容」模式，可按段落、按行或按句子拆分。模型在配置文件的llm字段里填写，凡是 OpenAI SDK 格式的接口都能接：通义千问、GPT、DeepSeek，甚至本地 Ollama。

图像与视频制作。三条路线可切换：本地 ComfyUI（workflows/selfhost/ 目录下的工作流）、云端 RunningHub（workflows/runninghub/）、直连供应商 API（DashScope、OpenAI、Seedream、Kling 等，在api_providers配置）。图像默认尺寸 1024x1024，整体画风由提示词前缀控制。

解说与背景音乐。TTS 默认走 Edge-TTS 工作流（selfhost/tts_edge.json），也可选 Index-TTS：上传一段参考音频即可克隆音色。自定义 BGM 更简单，MP3/WAV 文件放进根目录bgm/文件夹就能被选上。

模板合成。模板集中在 templates/ 目录，按竖屏 1080x1920、横屏 1920x1080、方形 1080x1080 三组存放。文件名即类型：static_*是纯文字，image_*用 AI 图片做背景，video_*用 AI 视频做背景。成片最终输出到output/文件夹。

场景实战：从零做一条横屏科普视频

我们完整走一遍，目标是一条横屏科普片。

准备环境。工具在本地跑，只需要两样：ffmpeg（负责最后的视频合成）和 Python 3.11 以上。macOS 执行brew install ffmpeg，Ubuntu/Debian 执行sudo apt install ffmpeg，装完用ffmpeg -version确认有输出。uv 是一个快速的 Python 包管理器，用它一条命令搞定依赖。

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

uv run会自动建虚拟环境并装齐全部依赖。没有环境折腾的 Windows 用户，直接下 Windows 整合包，双击start.bat就能启动。

打开界面做首次配置。服务起来后，浏览器自动打开http://localhost:8501。首次使用先展开左侧「⚙️ 系统配置」面板：在 LLM 配置里选一个预设模型，粘贴 API Key，点「保存配置」。

发起第一次生成。左侧「内容输入」切到「AI 生成内容」模式，输入主题。这里有个小经验：具体知识点出片更好，比如「黑洞的形成原理」比「宇宙」这种大词聚焦得多。中间栏保持默认：TTS 用 Edge-TTS，图像工作流用默认的runninghub/image_flux.json，本地什么都不用装。模板选 templates/1920x1080/image_wide_darktech.html，16:9 横屏，发 B 站和 YouTube 都合适。右侧点「生成视频」，进度条会按「生成文案 → 分镜 N/5 生成配图 → 合成语音 → 合成视频」推进，5 个分镜全程约 2-5 分钟。

「Wide Darktech」模板，暗色科技风，适合科普内容

合成完成右侧自动播放，显示时长、文件大小和分镜数。视频文件在output/，历史页面里也能回看。

「Film」模板，电影质感，适合横屏解说

三个决定成片质量的配置

配图路线怎么选。出片速度和成本的最大变量是图从哪来。有 NVIDIA 显卡且本地部署了 ComfyUI，选selfhost工作流，最快还免费；没有显卡，选 RunningHub 工作流并在系统配置面板填 API Key；手里只有云 API Key，就选api/...工作流，再到api_providers填对应供应商密钥。易错提醒：选了 selfhost 但本地 ComfyUI 没启动、或模型文件缺失，流程会卡在「生成配图」一步。先点「测试连接」确认服务可达再开工。

模板怎么自定义。模板文件就是 HTML + CSS，文字和图片通过 Jinja2 变量{{ title }}、{{ text }}、{{ image }}注入。想做出自己的风格：复制 templates/1920x1080/ 里一个现有模板，改样式后存为.html放进对应尺寸目录，它会自动出现在模板下拉列表里。易错提醒：模板body尺寸必须和所在目录一致（竖屏目录写1080px × 1920px），否则文字排版会溢出画面。

解说音色和 BGM 怎么定。解说质量取决于 TTS 工作流和参考音频。选 Index-TTS，上传一段清晰的人声 MP3，旁白就是这个音色；生成前点「预览语音」先试听，这是验证效果成本最低的方式。易错提醒：声音克隆只在支持的工作流（如 Index-TTS）下生效，选了 Edge-TTS 上传参考音频不会有任何作用。

5 个高频故障速查

Web 界面启动报错或打不开。原因：ffmpeg 没装，或 Python 版本低于 3.11。处理：先装 ffmpeg 并用ffmpeg -version验证；依赖安装失败时执行uv cache clean再重新uv sync。

ComfyUI 连接失败。原因：本地 ComfyUI 服务没启动，或 URL 配错。处理：先确认浏览器能访问默认地址http://127.0.0.1:8188，再到配置面板点「测试连接」。

LLM 调用失败，文案生成不出来。原因：API Key 有误、余额不足或网络不通。处理：核对系统配置面板中的 Key 是否完整；用本地 Ollama 时，确认服务已启动且模型已拉取。

配图风格和模板不搭。原因：提示词前缀用了中文，或图像尺寸超出模型支持范围。处理：前缀写英文画风词（如 minimal sketch style 这类描述），宽高调到模型允许的范围内。

生成速度慢。原因：分镜数量多，或高峰期走云端 API。处理：把分镜数从 5 调少；有本地 GPU 时改用 selfhost 工作流，比云端快。

一条主题进，一条成片出，写稿、配图、配音、合成全部自动完成。想深入玩自定义视觉风格、声音克隆，docs/zh/ 里有分场景的中文教程，照着往下试即可。

【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