企业官网建设流程全解析

输入一个主题就能出片：Pixelle-Video 全自动短视频引擎上手指南

【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

你写完一串知识笔记，想剪成短视频发出去，却连剪辑软件都没打开过：文案不会写、配图不知道去哪找、配音不会录、字幕对不上口型。你看到"AI 全自动做视频"的说法，又不知道具体从哪入手、会不会卡在环境配置上。

Pixelle-Video 是一个开源的 AI 全自动短视频引擎：你输入一个主题，它自动生成解说文案、AI 配图和语音解说，再配上背景音乐合成完整视频。它替你省掉"写稿→找图→录配音→剪辑"整条流水线，没剪辑经验也能在几分钟内做出第一条能直接发的短视频。

书籍风格模板示例：AI 配图 + 自动排版文字 + 语音解说，最终合成的就是这样一个完整视频

它怎么工作：从主题到成片只分 4 步

整个流程可以压成一行：主题输入 → 文案生成 → 配图与配音 → 视频合成。

第一步，大语言模型（LLM）根据你的主题写出完整解说词，并切成若干分镜，默认 5 个。第二步，每个分镜的文案会各生成一张 AI 配图，同时由 TTS 引擎读成语音。第三步，叠加背景音乐，用 FFmpeg 把图、音频、字幕合成视频，文件落在output/目录。

每一步你都可以在 Web 界面上看到实时进度（比如"分镜 3/5 - 生成插图"）。文案、配图、语音、模板都是可替换的组件——换个模型、换个模板，结果就不同，但你不需要了解底层实现，全程在下拉菜单里选。

3 步跑起来：5 分钟拿到第一条视频

最小环境要求：Python 3.11+ 和包管理器uv（Windows 用户可以直接下官方一键整合包，不用装任何环境，双击start.bat即可）。

第 1 步，克隆并启动，浏览器会自动打开http://localhost:8501：

git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video && uv run streamlit run web/app.py # uv 会自动装好全部依赖

第 2 步，配置 AI 服务（一次性）。展开「⚙️ 系统配置」：LLM 下拉选通义千问，粘贴你的 API Key；图像生成选 RunningHub 并填 Key（或填本地 ComfyUI 地址），点「保存配置」。

第 3 步，生成。左侧「内容输入」选 AI 生成内容，输入主题，比如"为什么要养成阅读习惯"；TTS 保持默认 Edge-TTS；模板保持默认竖屏；点「🎬 生成视频」。

你会看到什么：进度条依次走过文案、配图、语音、合成四步，5 个分镜大约 2-5 分钟。完成后右侧自动播放成片，并显示时长、文件大小和分镜数——这是一条带配音、带配图、可直接上传抖音或 B 站的竖屏短视频，而不是几张散图。

值得知道的 4 个能力

固定脚本模式：不想让 AI 写稿？直接粘贴你的现成文案，选段落、行或句子三种分割方式，跳过文案生成直接出片。适合已有成熟稿子、只缺画面和配音的人。

自定义素材：上传自己的照片或视频，系统会先分析素材内容再生成匹配的脚本。适合手里有实拍素材、想"素材说话"而不想纯靠 AI 配图的人。

声音克隆：给支持克隆的工作流（如 Index-TTS）传一段参考音频，成片就用这个音色朗读。适合做个人 IP、想保持账号声音统一的创作者。

模板库：竖屏 1080x1920 有 20 多个模板，横屏 1920x1080 也有 5 个，命名即用途——static_*纯文字、image_*用 AI 配图、video_*用 AI 视频做动态背景。模板源码在 templates/，会 HTML 就能加自己的。

电影风格横屏模板：黑底居中画面 + 标题排版，适合影视解说、B 站横屏内容

LLM 和图像生成怎么选：一张表给新手

三个默认值记住就行：LLM 用通义千问、TTS 用 Edge-TTS、模板用默认竖屏。详细的预设模型列表见 pixelle_video/llm_presets.py，工作流 JSON 在 workflows/。

适合谁，不适合谁

适合：要批量产竖屏口播类内容（知识科普、影视解说、产品介绍）的人；有现成文案、只缺配图和配音的人；想零剪辑经验起步、用 AI 模型成本换人工时间的账号主。

不适合：要求完全离线且机器没显卡的人——本地 ComfyUI 路线需要一块 NVIDIA 显卡，纯云端路线则有 API 费用；也不适合需要逐帧精剪、加复杂转场特效的场景，它是"生成"不是"剪辑"，不满意的手段是换参数重新生成。项目边界和使用细节可看 官方 FAQ。

常见问题

一个视频要生成多久？5 个分镜约 2-5 分钟，取决于 LLM 和图像 API 的响应速度，进度条会实时显示当前卡在哪一步。

必须花钱吗？软件本身开源免费（Apache 2.0）。Ollama + 本地 ComfyUI 可以零 API 费用跑通全流程，但需要显卡；走云端服务则按各家的量计费。

不装 ComfyUI 能出片吗？能。可以直连 DashScope、OpenAI、Kling 等 API 模型，也可以选static_*纯文字模板，完全不生成媒体。

背景用自己的音乐行吗？行，把 MP3/WAV 放进bgm/文件夹就能选，界面上还有内置曲库可以试听。

输出尺寸有哪些？竖屏 1080x1920、横屏 1920x1080，另有 1080x1080 方形模板，对应抖音、B 站、小红书等平台。

下一步动作：克隆仓库后按上面的 3 步启动，LLM 选通义千问，输入"为什么要养成阅读习惯"，5 分钟后你会在output/里看到自己的第一条视频。安装和配置细节参考安装说明与快速上手。

【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