Pixelle-Video 完整指南：如何 3 步从一个主题生成 AI 短视频成片
【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
你想出一条短视频的选题，坐下来却卡住了：文案不会写、配图要会提示词、剪辑还得学软件？Pixelle-Video 是一个开源的 AI 全自动短视频引擎，输入一个主题，它自动完成文案、配图、配音、合成四道工序，几分钟内产出一条能直接发布的成片。本文按「快速上手 → 风格定制 → 踩坑与花费」三部分，带你从装好环境到调出自己想要的画面。
它是什么
Pixelle-Video 的定位是一台"输入主题、输出成片"的短视频生成引擎。你只需要给一句话选题，它背后会走完四道工序：
- 文案生成：LLM 把主题扩写成 3~5 个分镜的解说词
- 配图规划：每个分镜调用图像模型生成一张对应插图
- 音频合成：TTS 把解说词转成语音，可再叠一段 BGM 背景音乐
- 视频合成：按你选的模板把图、字、音拼成最终成片
它的设计思路是"模块化解耦"：四道工序每一环都是可单独替换的模块——文案用通义千问、GPT 还是本地 Ollama 都行；配图走本地 ComfyUI、RunningHub 云端，或直连 DashScope、OpenAI 等供应商 API；语音在 Edge-TTS、Index-TTS 之间切换。换掉任何一环，其他环节不受影响。
第一部分：快速上手
安装路径：整合包与源码两条
Windows 用户走整合包：到 Release 页下载 Windows 整合包，解压后双击start.bat，浏览器会自动打开 http://localhost:8501。包内已带全部依赖，不用装 Python、uv 和 ffmpeg，首次使用只需在界面里填密钥。
macOS / Linux 用户走源码：先装好uv（Python 包管理器）和ffmpeg（视频处理工具），然后执行 3 行命令：
git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video uv run streamlit run web/app.py浏览器弹出 Web 界面，说明装好了。
首次配置清单
打开界面，展开⚙️ 系统配置面板，按顺序填三处：
- LLM 配置：从下拉菜单选一个模型预设（通义千问、GPT-4o、DeepSeek、本地 Ollama），预设会自动填好 base_url 和模型名，你只补API Key。没有显卡建议选通义千问，性价比最高；有显卡直接选 Ollama，走 0 元路线。
- 图像生成：想跑本地就填 ComfyUI 地址（默认
http://127.0.0.1:8188），点测试连接验证通过再保存；想省事就在「API 媒体模型配置」里填 RunningHub 或 DashScope、OpenAI、Seedream、Kling 的密钥，直连云端模型。 - 点保存配置，第一步就绪。
生成第一条 AI 短视频
左侧栏内容输入选「AI 生成内容」，输入一个具体主题——越具体越好，"为什么要养成阅读习惯"比"读书"更容易出好文案。中间栏依次选 TTS 工作流（默认 Edge-TTS 即可）、图像生成工作流、视频模板（新手推荐竖屏 1080×1920）。右侧点生成视频按钮。
5 分镜的视频大约 2~5 分钟出片，界面会实时报进度，比如"分镜 3/5 - 生成插图"。完成后视频自动播放，文件存在output/目录。
第二部分：让它变成你的风格
模板怎么选：三种尺寸与命名前缀
模板决定画面版式，全部放在 templates/ 目录，按尺寸分三组：
- 竖屏 1080×1920（25 套）：适配抖音、快手、小红书
- 横屏 1920×1080（5 套）：适配 YouTube、B 站
- 方形 1080×1080：适配朋友圈、Instagram
文件名前缀告诉你它走哪道工序：static_*是纯文字静态模板，不跑 AI 生图，出片最快、零成本，新手可以先从这类起步；image_*用 AI 生成的图片当背景；video_*直接用 AI 生成的视频当背景。每套模板都能在界面里预览并传自定义参数试效果。
方形版式紧凑，发朋友圈正合适：
四种替换：画风、音色、工作流、模板
Pixelle-Video 把能力拆成"原子"模块，每种替换都有明确的操作入口：
- 换配图画风：图像生成换一套工作流（ComfyUI 工作流或
api/...直连模型），再在提示词前缀里填一段画风描述（用英文，如 "minimalist black-and-white matchstick figure style"），点预览风格先试再生成，全片配图风格随之统一。 - 换音色：TTS 工作流在 Edge-TTS、Index-TTS 之间切换；选支持声音克隆的引擎后上传一段 MP3/WAV 参考音频，AI 短视频就会用你自己的声音说话。
- 换工作流：在 ComfyUI 里搭好工作流、导出 JSON，丢进 workflows/ 目录，界面下拉框里立即可选，不用改一行代码。预置工作流分
selfhost/（本地跑）和runninghub/（云端跑）两套，详见 工作流定制文档。 - 换模板：复制一个现有 HTML 模板改样式，存到对应尺寸目录。模板支持
{{ title }}、{{ text }}、{{ image }}三个变量，改起来比写代码快。
第三部分：踩坑与花费
排障清单：四类故障按现象对号
出问题时先定位"卡在哪道工序"，再按表排查，故障排查文档 有完整清单：
| 现象 | 常见原因 | 处理办法 |
|---|---|---|
| 连不上 ComfyUI | 服务没启动 / 地址填错 / 防火墙拦截 | 确认服务在跑、地址是默认的http://127.0.0.0.1:8188还是你自己改过的，界面里点测试连接直接验证 |
| LLM 调用失败 | API Key 错 / 网络不通 / 余额不足 | 按 Key、网络、余额三件事依次核对，错误提示通常会直接说明原因 |
| 出图失败 | 模型没下全 / 磁盘空间不足 / 工作流文件损坏 | 先在 ComfyUI 里手动跑一遍同样工作流，跑通再回来看环境 |
| TTS 语音失败 | 工作流选错 / 参考音频格式不支持 | 检查 TTS 工作流选择；用声音克隆时确认参考音频是 MP3/WAV/FLAC |
效果不好但不报错，就依次拉四个杠杆：换 LLM 模型（管文案风格）→ 调提示词前缀和图像尺寸（管画风）→ 换 TTS 工作流（管音色）→ 换模板（管版式）。
成本算账：三档方案对比
| 方案 | 成本 | 适合人群 |
|---|---|---|
| Ollama 本地 LLM + 本地 ComfyUI | 0 元 | 有本地显卡的用户 |
| 通义千问 + 本地 ComfyUI | 约 0.01~0.05 元/条 | 大多数用户 |
| OpenAI + RunningHub 云端 | 较高（按调用量计） | 不想维护本地环境 |
有显卡直接走全免费档；没有的话通义千问性价比最高，一条 3 分镜的 AI 短视频花费不到一瓶水。批量生成前，先出一条样本确认效果再跑量，能省掉返工烧掉的 API 费用。
现在就可以展开系统配置、填好密钥，挑一套竖屏模板，输入你第一个主题，几分钟内拿到一条能直接发出去的成片。更多细节看 官方文档 与 配置示例 config.example.yaml。
【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
