Pixelle-Video｜AI 短视频自动生成：如何 5 分钟出一条带解说的视频-平芜编程栈

Pixelle-Video｜AI 短视频自动生成：如何 5 分钟出一条带解说的视频

【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

周五下午三点，周一的评审会需要一段一分钟的产品介绍视频。按传统流程写文案、找素材、逐帧剪辑，至少忙一整天；用 Pixelle-Video 输入主题后，AI 短视频自动生成会接手后续环节，几分钟后就能得到一条带解说和背景音乐的视频。

Pixelle-Video 是一个开源的 AI 全自动短视频生成引擎（Apache 2.0）：输入一个主题，它依次完成 LLM 写文案、AI 生成配图、语音合成和视频合成，直接产出可发布的 mp4，全程在 Web 界面操作。

🚀 从零到第一个视频产出

前置需要准备两个工具：Python 包管理器 uv 和视频处理工具 ffmpeg（macOS 用 brew install ffmpeg，Ubuntu 用 apt install ffmpeg，Windows 从官网下载后把 bin 目录加入 PATH）。然后克隆并启动：

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

uv 会自动安装项目依赖，浏览器随启动打开 http://localhost:8501；Windows 用户也可以改用官方整合包，解压后运行 start.bat，无需装 Python 和 ffmpeg。首次使用要在页面上展开「系统配置」面板填三处：① LLM 配置，下拉选预设模型（如通义千问）并填 API Key，用于写文案；② 图像/视频生成，二选一：云端 RunningHub（只填 Key）或本地 ComfyUI（填服务地址）；③ 语音合成默认 Edge-TTS，免费免配置。习惯改文件的话，把 config.example.yaml 复制为 config.yaml，填的是同样三项。

随后在左侧内容输入区输入主题（例如"如何养成阅读习惯"），中间选一个视频模板，点右侧「生成视频」。进度条按"生成文案 → 配图 → 合成语音 → 合成视频"推进，会显示"分镜 3/5 - 生成插图"这类提示；完成后视频自动播放，成品存放在 output/ 目录。

🧩 拆一个机制：主题如何变成分镜视频

项目的核心是 standard.py 里的线性流水线，一条主题串走完三段链路：

输入：一段主题字符串，如"如何养成阅读习惯"。
处理：LLM 先写出标题，再把解说词切成 5 个分镜（每镜默认 5-20 字），并为每个分镜生成一条英文图像提示词。随后逐分镜执行三件事：TTS 合成音频、生成配图（可选 Flux、Qwen、SDXL 等工作流）、把文字、图片和音频填进 HTML 模板渲染成一个视频片段。
输出：所有片段拼接、混入 BGM，得到 output/ 下的完整视频。

这套设计的实用之处在于每一环都能单独换：换 LLM 文案风格就变，换图像工作流配图风格就变，不需要动流水线代码。模板命名有约定，static_ 前缀是纯文字静态模板，image_ 需要 AI 配图，video_ 需要 AI 视频生成，选模板时按前缀判断成本。

📌 三个可直接上手的场景

竖屏知识科普：1080x1920 模板怎么选

要达成什么：一条一分钟的竖屏科普视频，适合抖音、视频号，每段解说配一张插图。
怎么配：内容输入区选「AI 生成内容」模式并输入主题；模板选 1080x1920 分组的 image_default.html（也是默认值）；TTS 保持 Edge-TTS；BGM 选内置的 default.mp3。
注意什么：每镜解说默认 5-20 字，5 个分镜约 30 秒；想更长时间话就调大分镜数，但生成耗时会成比例增加。

横屏讲解：1920x1080 电影感模板怎么用

要达成什么：B 站或公众号用的横屏讲解视频，用 image_film 模板的"海报居中 + 上方标题 + 下方解说"版式。
怎么配：模板下拉选 1920x1080 分组的 image_film.html；插图工作流可用 RunningHub 云端或本地 ComfyUI；用英文提示词前缀统一插图风格，可点「预览风格」先试图。
注意什么：图像生成默认 1024x1024，不同模型对尺寸限制不同，出横屏画面前需要把宽度、高度按模板调整。

方形图文帖：static 静态模板怎么省成本

要达成什么：小红书等平台的 1080x1080 方形内容，用于账号定位、品牌展示。
怎么配：模板选 1080x1080 分组的 image_minimal_framed.html；如果内容以纯文字为主，改用 static_ 开头的静态模板，完全不消耗 AI 配图调用。
注意什么：看清模板前缀——static_ 不生成任何媒体，image_ 走图像工作流，video_ 还需要视频生成 API 配置，否则生成会卡在对应步骤。

📋 关键参数速查

以下字段均按 config.example.yaml 中的命名，挑最影响体验的 5 项：

配置项	默认值	推荐值	影响
llm.model / api_key	空	通义千问等预设 + API Key	决定文案质量；用本地 Ollama 可 0 成本运行
comfyui.image.default_workflow	runninghub/image_flux.json	云端用 runninghub，本地用 selfhost	决定配图生成路线，云端需 RunningHub Key
comfyui.tts.default_workflow	selfhost/tts_edge.json	保持不变	Edge-TTS 免费；Index-TTS 支持声音克隆但依赖 ComfyUI
template.default_template	1080x1920/image_default.html	按发布平台尺寸选	决定视频画幅与版式
comfyui.runninghub_concurrent_limit	1	普通会员保持 1，上限 10	云端工作流并发数，影响批量生成速度

🔍 优点与限制

最扎实的一点是文案、配图、解说、合成四段能力都可替换：ComfyUI、RunningHub、直连 API 三种供应商路线能自由组合，还有完全免费的本地方案。限制在于画面质量受制于所选图像/视频模型，默认 Flux 插画是简笔画风格，表现写实内容时上限不高。适合需要批量产出解说类短视频的人，不适合追求动态运镜和复杂剪辑效果的内容。