Pixelle-Video：一个主题 3 分钟出片，AI 短视频生成完整上手指南-平芜编程栈

Pixelle-Video：一个主题 3 分钟出片，AI 短视频生成完整上手指南

【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

手里有一个选题，却卡在没有剪辑软件、没有配音员、也没人帮忙配图的环节？Pixelle-Video 是一个 AI 短视频生成引擎：输入一个主题，它自动完成文案撰写、AI 配图、语音解说、背景音乐和视频合成，产出完整成片。按官方口径，一个 3~5 个分镜的视频大约 2~5 分钟即可生成，全程不需要打开剪辑软件。

它替你自动化了哪几件事

传统流程里，一条口播短视频要过文案、素材、配音、配乐、剪辑五道工序，每道工序都得动手。Pixelle-Video 把这五道工序压进一次点击：

写稿：LLM 根据主题生成解说词，支持 GPT、通义千问、DeepSeek、Ollama 等模型
配图：为每个分镜生成 AI 插图，也支持图生视频
配音：调用 Edge-TTS、Index-TTS 等工作流合成语音，可用参考音频克隆音色
配乐：叠加内置或自定义的 BGM
合成：按模板逐帧合成，最终视频落在output/目录

第一次上手：从克隆到出片

安装：克隆仓库并装好依赖

git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video

源码方式需要两个前置工具：Python 包管理器uv和视频处理工具ffmpeg（Linux 上sudo apt install ffmpeg，macOS 上brew install ffmpeg）。Windows 用户也可以直接下项目发布的一键整合包，双击start.bat即可，不用装环境。

配置：启动后填两组参数

./start_web.sh

浏览器打开http://localhost:8501后，展开「系统配置」面板，必须填两处：一是 LLM 的模型和 API Key（决定文案质量）；二是图像生成来源，三选一——本地 ComfyUI 地址、RunningHub API Key，或直连 DashScope、OpenAI、Kling 等模型的密钥。只跑纯文字模板可以只配 LLM。点「保存配置」即可。

首次生成：输入主题，盯着进度条

在左侧「内容输入」选「AI 生成内容」，填一个主题（如"为什么要养成阅读习惯"），默认 5 个分镜；中间栏确认 TTS 工作流（默认 Edge-TTS）、模板（推荐竖屏 1080x1920）和图像尺寸；右侧点「生成视频」。进度条会按"生成文案 → 生成配图 → 合成语音 → 合成视频"滚动，完成后视频自动播放，文件保存在output/目录。

挑 3 个典型用法先试

AI 生成内容：一个主题出完整解说

适合"有观点没素材"的场景。输入主题后，AI 负责写稿、配图、配音一条龙，生成界面还会显示实时进度（如"分镜 3/5 - 生成插图"）。知识科普、观点分享类主题最顺手，分镜数量可以在输入区调整，控制视频长短。

固定文案：现成脚本直接成片

文案已经写好时，切到「固定文案内容」模式，把脚本贴进去，系统跳过 AI 写稿，直接按段落、行或句子切分成分镜去配图配音。小说解说、带货话术这类已有成稿的内容，省一次 LLM 调用也省时间。

自定义素材：上传自己的照片和视频

「自定义素材」模式允许上传自己的照片和视频，AI 分析素材内容后生成对应解说脚本；如果选了支持动态视频的模板，还能按旁白音频时长生成 API 视频片段。旅行 vlog、生活记录这种"素材是自己的、文案懒得写"的内容，走这条路。

把它调成你的风格

换模板：模板是 HTML 文件，按分辨率放在 templates/ 下，命名规则即类型：static_*.html纯文字、不用生成媒体；image_*.html用 AI 图片做背景；video_*.html用 AI 视频做背景。改文字位置、配色、布局就是改 CSS，新模板按对应尺寸目录放进templates/就能在下拉菜单里选到。
统一配图风格：「提示词前缀」写一段英文风格描述（如极简火柴人插画风），所有配图都会带上这段风格约束，界面里可以先「预览风格」再决定用不用。
加自己的工作流：熟悉 ComfyUI 的话，把导出好的 JSON 放进 workflows/（selfhost/或runninghub/目录），图像、视频、TTS 工作流都会被 Web 界面自动扫描出来；支持声音克隆的 TTS 工作流还能在界面上传参考音频。

资源和成本怎么配

本地免费：LLM 走 Ollama + ComfyUI 本地部署 + Edge-TTS，官方明确标注 0 元方案，需要本地显卡
云端按量：LLM 用通义千问，图像/视频走 RunningHub；config.example.yaml里的默认配置就是本地 ComfyUI + RunningHub 的image_flux工作流
混合搭配：日常批量内容用经济模型，重点内容换高质量模型；每个供应商在「API 媒体模型配置」里可单独开关代理

容易踩的几个坑

ComfyUI 连接失败→ 服务没起、URL 或端口填错、防火墙拦截 → 确认 ComfyUI 正在运行，核对地址（默认http://127.0.0.1:8188），在界面点「测试连接」
LLM 调用报错→ API Key 填错、断网、余额不足 → 先核对 Key，再看错误提示定位具体原因，别急着换模型
视频生成中断→ 工作流文件损坏、ComfyUI 没下载对应模型、磁盘或显存不足 → 依次检查工作流是否存在、模型是否下过、空间是否够用
生成太慢→ 分镜多、走云端、LLM 响应慢 → 减少分镜数量，把云端工作流换成本地，或改用响应更快的 LLM；3~5 分镜正常就是 2~5 分钟，超出太多再排查