AI-Video/docs/FAQ_CN.md

🙋‍♀️ Pixelle-Video 常见问题解答 (FAQ)

Pixelle-Video 是什么？它和传统视频制作有什么区别？

• Pixelle-Video：只需输入一个主题关键词，AI自动完成文案撰写→配图生成→语音合成→视频合成的全流程
• 传统视频制作：需要手动编写脚本、拍摄/找素材、配音、剪辑、添加特效等多个复杂步骤
• 核心优势：零门槛、零剪辑经验，让视频创作变成"一句话的事"

支持哪些安装方式？

Pixelle-Video 支持以下安装方法：

1. 标准安装（推荐）：

   git clone https://github.com/AIDC-AI/Pixelle-Video.git
   cd Pixelle-Video
   uv run streamlit run web/app.py
   

2. 前置依赖：

   • uv 包管理器（访问官方文档查看系统对应安装方法）
   • ffmpeg 视频处理工具：
     • macOS: brew install ffmpeg
     • Ubuntu/Debian: sudo apt update && sudo apt install ffmpeg
     • Windows: 从 ffmpeg.org 下载并配置环境变量 PATH

首次使用需要如何配置？

1. 打开 http://localhost:8501
2. 展开「⚙️ 系统配置」面板
3. 配置两个核心部分：
   • LLM 配置（用于生成文案）：
     • 选择预设模型（通义千问、GPT-4o、DeepSeek 等）
     • 或手动填写 API Key、Base URL 和 Model
   • 图像配置（用于生成配图）：
     • 本地部署：填写 ComfyUI 地址（默认 http://127.0.0.1:8188）
     • 云端部署：填写 RunningHub API Key
4. 点击「保存配置」完成设置

支持哪些视频生成模式？

Pixelle-Video 提供两种主要生成模式：

1. AI 生成内容：

   • 只需输入主题关键词
   • AI 自动创作完整文案并生成视频
   • 适合场景：快速创作，让 AI 代写脚本
   • 示例："为什么要养成阅读习惯"

2. 固定文案内容：

   • 直接输入完整文案内容
   • 跳过 AI 文案创作环节，直接进入视频生成
   • 适合场景：已有现成文案，只需生成配图和合成视频

如何自定义音频效果？

音频定制包含以下选项：

• 背景音乐 (BGM)：

  • 无 BGM：纯人声解说
  • 内置音乐：选择预置背景音乐（如 default.mp3）
  • 自定义音乐：将 MP3/WAV 文件放入 bgm/ 文件夹
  • 点击「试听 BGM」预览效果

• 语音合成 (TTS)：

  • 支持多种 TTS 工作流（Edge-TTS、Index-TTS 等）
  • 系统自动扫描 workflows/ 文件夹中的可用选项
  • 输入测试文本，点击「预览语音」测试效果

• 声音克隆：

  • 上传参考音频（MP3/WAV/FLAC 格式）
  • 适用于支持声音克隆的 TTS 工作流
  • 上传后可直接在预览中使用

如何自定义视觉效果？

视觉定制包含以下方面：

• 图像生成工作流：

  • 选择预置工作流（如 image_flux.json）
  • 支持本地部署和云端部署
  • 高级用户可添加自定义 ComfyUI 工作流到 workflows/ 文件夹

• 图像尺寸：

  • 设置宽度和高度（默认 1024×1024 像素）
  • 注意：不同模型对尺寸有不同要求

• 风格控制：

  • 通过提示词前缀（Prompt Prefix）控制整体风格
  • 要求使用英文描述
  • 示例："Minimalist black-and-white matchstick figure style illustration, clean lines, simple sketch style"
  • 点击「预览风格」测试效果

• 视频模板：

  • 按尺寸分组（竖屏/横屏/方形）
  • 点击「预览模板」测试不同效果
  • 高级用户可在 templates/ 文件夹创建自定义 HTML 模板

支持哪些 AI 模型？

Pixelle-Video 支持多种 AI 模型提供商：

• LLM 模型：GPT、通义千问、DeepSeek、Ollama（本地）等
• 图像生成：ComfyUI 支持的各类模型（FLUX、SDXL 等）
• TTS 引擎：Edge-TTS、Index-TTS、ChatTTS 等

采用模块化架构，可灵活替换任意组件 - 例如可将图像生成模型替换为 FLUX，或将 TTS 替换为 ChatTTS。

运行成本是多少？

Pixelle-Video 提供三种成本方案：

1. 完全免费方案：

   • LLM：Ollama（本地运行）
   • 图像生成：本地 ComfyUI 部署
   • 总成本：0 元

2. 推荐平衡方案：

   • LLM：通义千问（成本极低，性价比高）
   • 图像生成：本地 ComfyUI 部署
   • 成本：仅文本生成的少量 API 费用

3. 纯云端方案：

   • LLM：OpenAI API
   • 图像生成：RunningHub 云服务
   • 成本：较高，但无需本地硬件

选择建议：有 GPU 显卡建议使用完全免费方案；否则推荐通义千问+本地 ComfyUI 组合，性价比最高。

视频生成需要多长时间？

生成时间取决于以下因素：

• 脚本中的分镜数量
• 网络连接速度
• AI 推理速度（本地 vs 云端）
• 视频长度和分辨率

典型生成时间：大多数视频需要 2-10 分钟 完成。界面会实时显示进度：生成文案 → 生成配图 → 合成语音 → 合成视频。

视频效果不满意怎么办？

可以尝试以下优化方案：

• 文案质量：

  • 更换 LLM 模型（不同模型写作风格各异）
  • 使用"固定文案内容"模式，输入自己优化的脚本

• 图像质量：

  • 调整图像尺寸以匹配模型要求
  • 修改提示词前缀改变视觉风格
  • 尝试不同的 ComfyUI 工作流

• 音频质量：

  • 切换 TTS 工作流（Edge-TTS vs Index-TTS 等）
  • 上传参考音频进行声音克隆
  • 调整 TTS 参数

• 视频布局：

  • 尝试不同的视频模板
  • 更改视频尺寸（竖屏/横屏/方形）

生成的视频保存在哪里？

所有生成的视频自动保存到项目目录的 output/ 文件夹中。生成完成后，界面会显示详细信息：

• 视频时长
• 文件大小
• 分镜数量
• 下载链接

如何排查常见错误？

1. FFmpeg 错误：

   • 通过 ffmpeg -version 验证安装
   • 确保 ffmpeg 在系统 PATH 中

2. API 连接问题：

   • 验证 API Key 是否正确
   • 在系统配置中测试 LLM 连接
   • 对于 ComfyUI：点击图像配置中的"测试连接"

3. 图像生成失败：

   • 确保 ComfyUI 服务正在运行
   • 检查图像尺寸是否被模型支持
   • 验证工作流文件是否存在于 workflows/ 文件夹

4. 音频生成问题：

   • 确认所选 TTS 工作流配置正确
   • 对于声音克隆：验证参考音频格式是否支持

如何扩展 Pixelle-Video 的功能？

Pixelle-Video 基于 ComfyUI 架构，支持深度定制：

• 自定义工作流：添加自定义 ComfyUI 工作流到 workflows/ 文件夹
• 自定义模板：在 templates/ 文件夹创建 HTML 模板
• 自定义 BGM：将音乐文件放入 bgm/ 文件夹
• 高级集成：利用 ComfyUI 生态，集成任何自定义节点

原子能力设计意味着可以自由组合任意组件 - 替换文本生成、图像模型、TTS 引擎或视频模板，满足个性化需求。

有哪些社区资源？

• GitHub 仓库：https://github.com/AIDC-AI/Pixelle-Video
• 问题反馈：通过 GitHub Issues 提交 bug 或功能请求
• 社区支持：加入讨论群组获取帮助和分享经验
• 模板库：查看所有可用模板及其效果
• 贡献代码：项目在 MIT 许可证下欢迎贡献

💡 提示：如果在此 FAQ 中找不到您需要的答案，请在 GitHub 提交 issue 或加入社区讨论。我们会根据用户反馈持续更新此 FAQ！