🎬 Pixelle-Video —— AI 全自动短视频引擎

English | 中文

视频教程 Windows整合包 使用文档 Stargazers Issues Forks License

https://github.com/user-attachments/assets/a42e7457-fcc8-40da-83fc-784c45a8b95d
只需输入一个 **主题**，Pixelle-Video 就能自动完成： - ✍️ 撰写视频文案 - 🎨 生成 AI 配图/视频 - 🗣️ 合成语音解说 - 🎵 添加背景音乐 - 🎬 一键合成视频 **零门槛，零剪辑经验**，让视频创作成为一句话的事！ ## 🖥️ Web 界面预览 ![Web UI界面](resources/webui.png) ## 📋 最近更新 - ✅ **2026-01-06**: 新增 RunningHub 48G 显存机器调用支持 - ✅ **2025-12-28**: 支持 RunningHub 并发限制可配置，优化 LLM 返回结构化数据的逻辑 - ✅ **2025-12-17**: 支持 ComfyUI API Key 配置，支持 Nano Banana 模型调用，API 接口支持模板自定义参数 - ✅ **2025-12-10**: 侧边栏内置 FAQ，锁定 edge-tts 版本修复 TTS 服务不稳定问题 - ✅ **2025-12-08**: 支持固定脚本多种分割方式(段落/行/句子)，优化模板选择交互逻辑支持直接预览选择 - ✅ **2025-12-06**: 修复视频生成 API 返回 URL 路径处理，支持跨平台兼容 - ✅ **2025-12-05**: 新增 Windows 整合包下载，优化图片与视频反推工作流 - ✅ **2025-12-04**: 新增「自定义素材」功能，支持用户上传自己的照片和视频，AI 智能分析生成脚本 - ✅ **2025-11-18**: 优化 RunningHub 服务调用支持并行处理，新增历史记录页面，支持批量创建视频任务 ## ✨ 功能亮点 - ✅ **全自动生成** - 输入主题，自动生成完整视频 - ✅ **AI 智能文案** - 根据主题智能创作解说词，无需自己写脚本 - ✅ **AI 生成配图** - 每句话都配上精美的 AI 插图 - ✅ **AI 生成视频** - 支持使用 AI 视频生成模型（如 WAN 2.1）创建动态视频内容 - ✅ **AI 生成语音** - 支持 Edge-TTS、Index-TTS 等众多主流 TTS 方案 - ✅ **可视化编辑器** - 支持时间轴拖拽排序、逐帧精细调整文案、一键重绘画面/重录语音 - ✅ **背景音乐** - 支持添加 BGM，让视频更有氛围 - ✅ **视觉风格** - 多种模板可选，打造独特视频风格 - ✅ **灵活尺寸** - 支持竖屏、横屏等多种视频尺寸 - ✅ **多种 AI 模型** - 支持 GPT、通义千问、DeepSeek、Ollama 等 - ✅ **原子能力灵活组合** - 基于 ComfyUI 架构，可使用预置工作流，也可自定义任意能力（如替换生图模型为 FLUX、替换 TTS 为 ChatTTS 等） ## 📊 视频生成流程 Pixelle-Video 采用模块化设计，整个视频生成流程清晰简洁： ![视频生成流程图](resources/flow.png) 从输入文本到最终视频输出，整个流程简洁清晰：**文案生成 → 配图规划 → 逐帧处理 → 视频合成** 每个环节都支持灵活定制，可选择不同的 AI 模型、音频引擎、视觉风格等，满足个性化创作需求。 ## 🎬 视频示例 以下是使用 Pixelle-Video 生成的实际案例，展示了不同主题和风格的视频效果： ### 📱 竖屏视频展示

🌄 人文纪实类 - 视频默认模版

旅行路上的风景让人流连忘返

🔍 文化解构类 - 视频默认模版

Santa ID

🔭 科学思辨类 - 视频默认模版

为什么我们还没有找到外星文明？

🌱 个人成长类 - 克隆音色

如何提升自己

🧠 深度思考类 - 默认模板

如何理解反脆弱

🏯 历史文化类 - 固定画面

资治通鉴

☀️ 情感类 - 克隆音色

冬日暖阳

📜 小说解说类 - 自创脚本

斗破苍穹

🧬 知识科普类 - Qwen生图

养生知识
### 🖥️ 横屏视频展示

💰 副业赚钱 - 电影模板

副业赚钱

🏛️ 历史解说 - 自定义模板

资治通鉴启示录
> 💡 **提示**: 这些视频都是通过输入一个主题关键词，由 AI 全自动生成的，无需任何视频剪辑经验！
## 🚀 快速开始 ### 🪟 Windows 一键整合包（推荐 Windows 用户使用） **无需安装 Python、uv 或 ffmpeg，一键开箱即用！** 👉 **[下载 Windows 一键整合包](https://github.com/AIDC-AI/Pixelle-Video/releases/latest)** 1. 下载最新的 Windows 一键整合包并解压 2. 双击运行 `start.bat` 启动 Web 界面 3. 浏览器会自动打开 http://localhost:8501 4. 在「⚙️ 系统配置」中配置 LLM API 和图像生成服务 5. 开始生成视频！ > 💡 **提示**: 整合包已包含所有依赖，无需手动安装任何环境。首次使用只需配置 API 密钥即可。 ### 从源码安装（适合 macOS / Linux 用户或需要自定义的用户） #### 前置环境依赖 在开始之前，需要先安装 Python 包管理器 `uv` 和视频处理工具 `ffmpeg`： ##### 安装 uv 请访问 uv 官方文档查看适合你系统的安装方法： 👉 **[uv 安装指南](https://docs.astral.sh/uv/getting-started/installation/)** 安装完成后，在终端中运行 `uv --version` 验证安装成功。 ##### 安装 ffmpeg **macOS** ```bash brew install ffmpeg ``` **Ubuntu / Debian** ```bash sudo apt update sudo apt install ffmpeg ``` **Windows** - 下载地址：https://ffmpeg.org/download.html - 下载后解压，将 `bin` 目录添加到系统环境变量 PATH 中 安装完成后，在终端中运行 `ffmpeg -version` 验证安装成功。 #### 第一步：下载项目 ```bash git clone https://github.com/AIDC-AI/Pixelle-Video.git cd Pixelle-Video ``` #### 第二步：启动 Web 界面 ```bash # 使用 uv 运行（推荐，会自动安装依赖） uv run streamlit run web/app.py ``` 浏览器会自动打开 http://localhost:8501 #### 第三步：在 Web 界面配置 首次使用时，展开「⚙️ 系统配置」面板，填写： - **LLM 配置**: 选择 AI 模型（如通义千问、GPT 等）并填入 API Key - **图像配置**: 如需生成图片，配置 ComfyUI 地址或 RunningHub API Key 配置好后点击「保存配置」，就可以开始生成视频了！
## 💻 使用方法 打开 Web 界面后，你会看到三栏布局，下面详细讲解每个部分： ### ⚙️ 系统配置（首次必填） 首次使用时需要配置，点击展开「⚙️ 系统配置」面板： #### 1. LLM 配置（大语言模型） 用于生成视频文案的 AI。 **快速选择预设** - 通过下拉菜单选择预设模型（通义千问、GPT-4o、DeepSeek 等） - 选择后会自动填充 base_url 和 model - 点击「🔑 获取 API Key」链接去注册并获取密钥 **手动配置** - API Key: 填入你的密钥 - Base URL: API 地址 - Model: 模型名称 #### 2. 图像配置 用于生成视频配图的 AI。 **本地部署（推荐）** - ComfyUI URL: 本地 ComfyUI 服务地址（默认 http://127.0.0.1:8188） - 点击「测试连接」确认服务可用 **云端部署** - RunningHub API Key: 云端图像生成服务的密钥 配置完成后点击「保存配置」。 ### 📝 内容输入（左侧栏） #### 生成模式 - **AI 生成内容**: 输入主题，AI 自动创作文案 - 适合：想快速生成视频，让 AI 写稿 - 例如：「为什么要养成阅读习惯」 - **固定文案内容**: 直接输入完整文案，跳过 AI 创作 - 适合：已有现成文案，直接生成视频 #### 背景音乐（BGM） - **无 BGM**: 纯人声解说 - **内置音乐**: 选择预置的背景音乐（如 default.mp3） - **自定义音乐**: 将你的音乐文件（MP3/WAV 等）放到 `bgm/` 文件夹 - 点击「试听 BGM」可以预览音乐 ### 🎤 语音设置（中间栏） #### TTS 工作流 - 从下拉菜单选择 TTS 工作流（支持 Edge-TTS、Index-TTS 等） - 系统会自动扫描 `workflows/` 文件夹中的 TTS 工作流 - 如果懂 ComfyUI，可以自定义 TTS 工作流 #### 参考音频（可选） - 上传参考音频文件用于声音克隆（支持 MP3/WAV/FLAC 等格式） - 适用于支持声音克隆的 TTS 工作流（如 Index-TTS） - 上传后可以直接试听 #### 预览功能 - 输入测试文本，点击「预览语音」即可试听效果 - 支持使用参考音频进行预览 ### 🎨 视觉设置（中间栏） #### 图像生成 决定 AI 生成什么风格的配图。 **ComfyUI 工作流** - 从下拉菜单选择图像生成工作流 - 支持本地部署（selfhost）和云端（RunningHub）工作流 - 默认使用 `image_flux.json` - 如果懂 ComfyUI，可以放自己的工作流到 `workflows/` 文件夹 **图像尺寸** - 设置生成图像的宽度和高度（单位：像素） - 默认 1024x1024，可根据需要调整 - 注意：不同的模型对尺寸有不同的限制 **提示词前缀（Prompt Prefix）** - 控制图像的整体风格（语言需要是英文的） - 例如：Minimalist black-and-white matchstick figure style illustration, clean lines, simple sketch style - 点击「预览风格」可以测试效果 #### 视频模板 决定视频画面的布局和设计。 **模板命名规范** - `static_*.html`: 静态模板（无需AI生成媒体，纯文字样式） - `image_*.html`: 图片模板（使用AI生成的图片作为背景） - `video_*.html`: 视频模板（使用AI生成的视频作为背景） **使用方法** - 从下拉菜单选择模板，按尺寸分组显示（竖屏/横屏/方形） - 点击「预览模板」可以自定义参数测试效果 - 如果懂 HTML，可以在 `templates/` 文件夹创建自己的模板 - 🔗 [查看所有模板效果图](https://aidc-ai.github.io/Pixelle-Video/zh/user-guide/templates/#_3) ### 🎬 生成视频（右侧栏） #### 生成按钮 - 配置好所有参数后，点击「🎬 生成视频」 - 会显示实时进度（生成文案 → 生成配图 → 合成语音 → 合成视频） - 生成完成后自动显示视频预览 #### 进度显示 - 实时显示当前步骤 - 例如：「分镜 3/5 - 生成插图」 #### 视频预览 - 生成完成后自动播放 - 显示视频时长、文件大小、分镜数等信息 - 视频文件保存在 `output/` 文件夹 ### 🎥 时间轴编辑器（进阶功能） 生成视频后，可以使用时间轴编辑器进行精细调整： #### 启动编辑器 ```bash # 启动开发环境（包含编辑器） ./dev.sh # 或单独启动编辑器 cd frontend && npm run dev ``` 编辑器访问地址：http://localhost:3000 #### 编辑器功能 - **时间轴拖拽** - 拖拽分镜卡片重新排序 - **内容编辑** - 修改旁白文本和图像提示词 - **重新生成** - 一键重新生成图片或语音 - **局部重绘** - 对图片进行局部修改 - **音频预览** - 播放时同步分镜语音 - **导出视频** - 导出编辑后的最终视频 - **一键发布** - 支持发布到 B站/YouTube #### 自定义端口 ```bash # 使用自定义端口 API_PORT=9000 EDITOR_PORT=3001 WEB_PORT=8502 ./dev.sh ``` ### ❓ 常见问题 **Q: 第一次使用需要多久？** A: 生成时长取决于视频分镜数量、网络状况和 AI 推理速度，通常几分钟内即可完成。 **Q: 视频效果不满意怎么办？** A: 可以尝试： 1. 更换 LLM 模型（不同模型文案风格不同） 2. 调整图像尺寸和提示词前缀（改变配图风格） 3. 更换 TTS 工作流或上传参考音频（改变语音效果） 4. 尝试不同的视频模板和尺寸 **Q: 费用大概多少？** A: **本项目完全支持免费运行！** - **完全免费方案**: LLM 使用 Ollama（本地运行）+ ComfyUI 本地部署 = 0 元 - **推荐方案**: LLM 使用通义千问（成本极低，性价比高）+ ComfyUI 本地部署 - **云端方案**: LLM 使用 OpenAI + 图像使用 RunningHub（费用较高但无需本地环境） **选择建议**：本地有显卡建议完全免费方案，否则推荐使用通义千问（性价比高） ## 🤝 参考项目 Pixelle-Video 的设计受到以下优秀开源项目的启发： - [Pixelle-MCP](https://github.com/AIDC-AI/Pixelle-MCP) - ComfyUI MCP 服务器，让 AI 助手直接调用 ComfyUI - [MoneyPrinterTurbo](https://github.com/harry0703/MoneyPrinterTurbo) - 优秀的视频生成工具 - [NarratoAI](https://github.com/linyqh/NarratoAI) - 影视解说自动化工具 - [MoneyPrinterPlus](https://github.com/ddean2009/MoneyPrinterPlus) - 视频创作平台 - [ComfyKit](https://github.com/puke3615/ComfyKit) - ComfyUI 工作流封装库 感谢这些项目的开源精神！🙏 ## 💬 社区交流 扫描下方二维码加入我们的社区，获取最新动态和技术支持： | 微信群 | Discord 社区 | | ---- | ---- | | 微信交流群 | Discord 社区 | ## 📢 反馈与支持 - 🐛 **遇到问题**: 提交 [Issue](https://github.com/AIDC-AI/Pixelle-Video/issues) - 💡 **功能建议**: 提交 [Feature Request](https://github.com/AIDC-AI/Pixelle-Video/issues) - ⭐ **给个 Star**: 如果这个项目对你有帮助，欢迎给个 Star 支持一下！ ## 📝 许可证 本项目采用 Apache 2.0 许可证，详情请查看 [LICENSE](LICENSE) 文件。 ## ⭐ Star History [![Star History Chart](https://api.star-history.com/svg?repos=AIDC-AI/Pixelle-Video&type=Date)](https://star-history.com/#AIDC-AI/Pixelle-Video&Date)