ByteNoteByteNote
Pixelle-Video - AI 全自动短视频引擎,输入主题即可生成完整视频

字节笔记本

2026年5月13日

Pixelle-Video - AI 全自动短视频引擎,输入主题即可生成完整视频

API中转
¥120

本文介绍 Pixelle-Video,一个完全开源的 AI 全自动短视频引擎。只需输入一个主题,它就能自动完成文案撰写、AI 配图生成、语音合成、背景音乐添加和视频合成,实现零门槛短视频创作。

项目简介

Pixelle-Video 是一个开源的 AI 全自动短视频引擎项目,由 AIDC-AI 组织开发维护。截至目前,该项目在 GitHub 上已获得 15,730+ stars,主要使用 Python 编写,采用 Apache 2.0 许可证。

通过 Pixelle-Video,零剪辑经验的用户也能一句话完成短视频制作,大大降低了视频内容创作的门槛。

核心特性

1. 全自动生成

只需输入一个主题,Pixelle-Video 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。

2. AI 智能文案

根据主题智能创作解说词,无需自己写脚本。支持 AI 生成内容和固定文案两种模式,灵活满足不同创作需求。

3. AI 生成配图与视频

每句话都配上精美的 AI 插图,支持 AI 视频生成模型(如 WAN 2.1)创建动态视频内容。

4. 多 TTS 语音支持

支持 Edge-TTS、Index-TTS 等众多主流 TTS 方案,支持声音克隆和参考音频上传。

5. 灵活的视觉定制

多种模板可选(静态模板、图片模板、视频模板),支持竖屏、横屏等多种视频尺寸,打造独特视频风格。

6. 多种 AI 模型支持

支持 GPT、通义千问、DeepSeek、Ollama 等多种 LLM 模型。基于 ComfyUI 架构,原子能力灵活组合。

技术栈

  • Python - 主要开发语言
  • Streamlit - Web 界面框架
  • ComfyUI - 图像/视频生成工作流引擎
  • Edge-TTS / Index-TTS - 语音合成
  • FFmpeg - 视频处理
  • uv - Python 包管理器

视频生成流程

输入主题 → 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。

安装指南

Windows 一键整合包(推荐)

无需安装 Python、uv 或 ffmpeg,下载最新整合包解压后双击运行 start.bat 即可,浏览器自动打开 http://localhost:8501。

从源码安装(macOS / Linux)

前置依赖:

bash
# 安装 uv(Python 包管理器)
# 请访问 https://docs.astral.sh/uv/getting-started/installation/

# 安装 ffmpeg
brew install ffmpeg    # macOS
sudo apt install ffmpeg  # Ubuntu/Debian

启动项目:

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

浏览器会自动打开 http://localhost:8501

快速开始

  1. 打开 Web 界面后,展开「⚙️ 系统配置」面板
  2. 配置 LLM 模型(如通义千问、GPT 等)和 API Key
  3. 配置图像生成服务(ComfyUI 本地地址或 RunningHub API Key)
  4. 在左侧栏输入视频主题,选择生成模式和 BGM
  5. 在中间栏配置 TTS 语音和视觉风格
  6. 点击「🎬 生成视频」,等待完成

视频示例

Pixelle-Video 支持多种内容类型:

  • 人文纪实 - 旅行、风景类短视频
  • 文化解构 - 文化科普内容
  • 科学思辨 - 科普知识类
  • 个人成长 - 励志/方法论内容
  • 历史解说 - 历史知识类
  • 小说解说 - 文学内容
  • 数字人口播 - AI 数字人播报
  • 图生视频 - 图片转动态视频
  • 动作迁移 - 参考视频动作迁移

费用方案

  • 完全免费方案:LLM 使用 Ollama(本地运行)+ ComfyUI 本地部署 = 零成本
  • 推荐方案:LLM 使用通义千问 + ComfyUI 本地部署,性价比极高
  • 云端方案:LLM 使用 OpenAI + 图像使用 RunningHub,无需本地环境

项目链接

分享: