Pixelle-Video README

The project's README from github.com/ATH-MaaS/Pixelle-Video. As one markdown file: README.md.

🎬 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：

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

📋 最近更新

✨ 功能亮点

📊 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

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：

📱 扩展模块视频展示

👤 数字人口播

韩语数字人口播

🖼️ 图生视频

卡通视频

💃 动作迁移

跳舞小猫

📱 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

  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

安装完成后，在终端中运行 uv --version 验证安装成功。

安装 ffmpeg

macOS

brew install ffmpeg

Ubuntu / Debian

sudo apt update
sudo apt install ffmpeg

Windows

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

git clone https://github.com/AIDC-AI/Pixelle-Video.git
cd Pixelle-Video

第二步：启动 Web 界面

# 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
  • ComfyUI / RunningHub 配置: 如需使用工作流生成图片、视频或语音，配置本地 ComfyUI 地址或 RunningHub API Key
  • API 媒体模型配置: 如需直连图像/视频模型，配置 DashScope、OpenAI、ARK、Kling 等供应商的 API Key、Base URL 和代理选项

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. ComfyUI / RunningHub 配置

用于通过 ComfyUI 工作流生成视频配图、视频片段或语音。

本地部署（推荐）

云端部署

  • RunningHub API Key: 云端图像生成服务的密钥

3. API 媒体模型配置

用于不依赖 ComfyUI/RunningHub，直接调用模型供应商的图像、视频或素材分析能力。

支持的供应商

  • OpenAI / GPT Image：用于 GPT 图像生成模型
  • DashScope / Wan / HappyHorse：用于通义万象图像、视频生成
  • Volcengine ARK / Seedream / Seedance：用于字节 Seedream 图像和 Seedance 视频生成
  • Kling AI / 可灵：用于可灵视频生成

可配置项

  • API Key / Access Key / Secret Key：模型供应商鉴权信息
  • Base URL：模型服务地址，WebUI 会提供官方默认地址
  • 本地代理：如 http://127.0.0.1:9090
  • 启用代理：每个供应商可单独选择是否走本地代理
  • 打印模型请求参数：调试用，会在终端打印发送给模型的 prompt、模型名和输入文件路径

💡 如果你只使用 ComfyUI 或 RunningHub，可以不填写 API 媒体模型配置；如果你选择 api/... 工作流，则需要配置对应供应商的密钥。

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
  • 也支持选择 api/... 直连图像模型工作流（需先在系统配置中填写对应供应商密钥）
  • 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

API 视频生成

当选择支持动态视频的模板或扩展工作流时，可以使用直连 API 视频模型生成片段。

  • 支持 DashScope Wan / HappyHorse、Kling、Seedance 等视频模型
  • 支持按模型能力显示分辨率、画幅比例、时长、水印、原生音频等参数
  • 支持网络下载重试与内容审核失败后的提示词中性化重试
  • 在「自定义素材」工作流中，API 视频片段会尽量根据旁白音频时长生成，并使用相邻片段信息提升连贯性

🎬 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

❓ 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：

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
  • 💡 功能建议: 提交 Feature Request
  • ⭐ 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 文件。

📚 系列工作

框架图 论文信息
FilmAgent framework [SIGGRAPH Asia 2024] FilmAgent: Automating Virtual Film Production Through a Multi-Agent Collaborative Framework
Zhenran Xu, Longyue Wang, Jifang Wang, Zhouyi Li, Senbao Shi, Xue Yang, Yiyu Wang, Baotian Hu, Jun Yu, Min Zhang
[Paper] [GitHub]
Anim-Director result [SIGGRAPH Asia 2024] Anim-Director: A Large Multimodal Model Powered Agent for Controllable Animation Video Generation
Yunxin Li, Haoyuan Shi, Baotian Hu, Longyue Wang, Jiashun Zhu, Jinyi Xu, Zhen Zhao, Min Zhang
[Paper] [GitHub]
Anim-Director result [ACL 2025] ComfyUI-Copilot: An Intelligent Assistant for Automated Workflow Development
*Zhenran Xu, Xu

Pixelle-Video (ATH-MaaS/Pixelle-Video)

Searching Database…

29.2K ·GitHub
Pixelle-Video
这是干什么的?Pixelle-Video 是一个开源的 AI 短视频引擎:给它一个主题,它就会自动撰写脚本、生成 AI 图片或视频片段、合成配音、添加背景音乐,并组装成一支完整的视频——不需要任何剪辑经验。
它是网页应用、桌面程序,还是 Python 库?它是一个在本地运行的网页应用:启动后会在浏览器中打开一个 WebUI,采用三栏布局,涵盖系统配置、内容输入、语音和画面设置,以及视频生成。生成好的视频会保存到 output/ 文件夹。
怎么把它跑起来?在 Windows 上,下载一键全能整合包,解压后双击 start.bat——浏览器会自动打开,然后在系统配置面板里填入 API 密钥。在 macOS 或 Linux 上,先安装 uv 和 ffmpeg,克隆仓库并启动 Web UI。
它接入了哪些 AI 模型和服务?脚本由你自选的大语言模型生成(GPT、阿里通义千问、DeepSeek 或本地 Ollama);图片和视频片段来自 ComfyUI 或 RunningHub 的工作流,或直接调用 API(OpenAI GPT Image、DashScope Wan、Seedream、Seedance、Kling);旁白配音使用 Edge-TTS 和 Index-TTS 等 TTS 服务。
生成一个视频要多久?通常几分钟。具体时间取决于视频里的场景数量、你的网络状况和 AI 推理速度。
我需要自己的显卡吗?不一定。如果你有本地 GPU,推荐走完全免费的路线(本地 Ollama 加本地 ComfyUI);但你也可以把图片和视频生成放到云端——RunningHub 甚至提供 48G 显存的机器——没有显卡照样能跑。
它能做哪几种视频?支持竖屏、横屏和方形三种画幅,搭配三类模板:静态文字排版、AI 图片背景和 AI 视频背景。示例作品涵盖旅行、历史、科普讲解、小说解说、个人成长等多个领域,还可以通过提示词前缀来控制插画风格。
我能用自己的照片、素材或声音吗?可以。自定义素材模式允许你上传自己的照片和视频,由 AI 分析后撰写脚本。你也可以上传参考音频(MP3/WAV/FLAC),配合支持声音克隆的 TTS(如 Index-TTS)来克隆音色,还能把自己的音乐放进 bgm/ 文件夹。
较新增加的功能模块有哪些?近期版本加入了数字人口播视频流水线、带多语言 TTS 音色的图生视频流水线,以及一个动作迁移模块,可以把参考视频和参考图片中的动作应用到你的内容上。
作者为什么要做这个项目?它是作者研究系列的落地应用版(SIGGRAPH Asia 2024 上的 FilmAgent 和 Anim-Director,ACL 2025 上的 ComfyUI-Copilot),并受到了 MoneyPrinterTurbo、NarratoAI 和 MoneyPrinterPlus 等开源工具的启发——理念就是一个主题直达成片、零剪辑经验。
What are similar projects?MoneyPrinterTurbo, dramaclaw, storycast, yovoice, Wan2.2, pyvideotrans, WanGP, OpenReels
Which topics is it in?digital-human, aigc, ai-video, image-to-video, comfyui, speech-synthesis, voice-cloning, text-to-video, webui, music, tts, content-creation
Creator
ATH-MaaS
Size
28.2 MB
Stars
29.2K
Updated
CommitJun 14Releasev0.1.15Jan 27
Age
11mo
Commits · 90 Days