Pixelle-Video 是一个开源的 AI 全自动短视频生成引擎由 ATH-MaaS 团队开发并在 GitHub 上开源。这个项目的核心价值在于只需输入一个主题系统就能自动完成从文案创作、配图/视频生成、语音合成到最终视频剪辑的全流程真正实现了一句话生成短视频的能力。对于自媒体创作者、内容营销人员和小型工作室来说Pixelle-Video 最大的吸引力在于其零门槛的使用体验。你不需要任何视频剪辑经验也不需要掌握复杂的 AI 模型调参整个流程完全自动化。项目支持 Windows 一键整合包解压后双击即可启动 Web 界面大大降低了技术门槛。从技术架构来看Pixelle-Video 采用了模块化设计支持多种 AI 模型的灵活组合。你可以选择使用本地部署的 ComfyUI 工作流也可以直接调用云端 API 服务根据自身硬件条件和需求选择最适合的方案。项目最新版本还新增了直连 API 媒体模型配置支持在 WebUI 中直接配置图像/视频模型供应商包括 DashScope、OpenAI、Seedream、Seedance、Kling 等主流服务。1. 核心能力速览能力项详细说明项目类型AI 全自动短视频生成引擎开源团队ATH-MaaSGitHub 25.1k Stars主要功能文案生成、AI 配图/视频、语音合成、背景音乐、视频合成硬件要求支持本地部署需显卡和云端 API 两种模式显存需求根据选择的生成模型和工作流而定本地部署建议 8G 显存支持平台Windows一键整合包、macOS、Linux启动方式一键启动Windows、命令行启动macOS/LinuxAPI 支持支持 ComfyUI API、RunningHub API、直连模型 API批量任务支持批量创建视频任务有历史记录页面适合场景自媒体内容创作、营销视频制作、教育视频生成2. 适用场景与使用边界Pixelle-Video 最适合需要快速批量生产短视频内容的场景。比如自媒体博主每日的内容更新、电商产品的宣传视频、知识科普类内容制作等。系统支持竖屏、横屏多种尺寸能够满足抖音、快手、B站、YouTube 等不同平台的内容规格要求。在使用边界方面需要注意生成内容的质量依赖于所选 AI 模型的能力。虽然项目支持多种主流模型但最终输出效果会有差异。对于商业用途务必确保生成内容不侵犯第三方版权特别是使用 AI 生成的人物形象、商业标识等元素需要谨慎处理。项目最新版本新增的自定义素材功能允许用户上传自己的照片和视频AI 会智能分析生成脚本。这为个性化内容创作提供了更多可能性但同样需要注意素材的合法授权问题。3. 环境准备与前置条件3.1 操作系统要求Windows 用户推荐使用 Windows 10/11 系统可直接下载一键整合包macOS 用户需要安装 Python 包管理器 uv 和 ffmpegLinux 用户支持 Ubuntu/Debian 等主流发行版3.2 基础依赖安装对于非 Windows 用户需要先安装以下基础工具安装 uvPython 包管理器# 访问 uv 官方文档获取最新安装命令 curl -LsSf https://astral.sh/uv/install.sh | sh安装 ffmpeg视频处理工具# macOS brew install ffmpeg # Ubuntu/Debian sudo apt update sudo apt install ffmpeg # Windows一键包已内置无需单独安装3.3 网络和存储要求稳定的网络连接用于 API 调用和模型下载至少 10GB 可用磁盘空间用于存储依赖包和生成内容如果使用本地模型需要根据模型大小准备相应存储空间4. 安装部署与启动方式4.1 Windows 一键整合包部署推荐这是最简单的启动方式适合大多数用户从 GitHub Releases 页面下载最新的 Windows 整合包解压到任意目录建议路径不要包含中文或特殊字符双击运行start.bat文件系统会自动启动 Web 界面浏览器打开 http://localhost:8501整合包已经包含了所有必要的依赖包括 Python 环境、ffmpeg 等真正实现开箱即用。4.2 源码安装适合自定义需求用户如果需要更多自定义选项可以选择源码安装# 1. 克隆项目 git clone https://github.com/AIDC-AI/Pixelle-Video.git cd Pixelle-Video # 2. 使用 uv 启动自动安装依赖 uv run streamlit run web/app.py # 3. 访问 http://localhost:85014.3 Docker 部署适合熟悉容器用户项目也提供 Docker 支持# 使用 docker-compose 启动 docker-compose up -d # 或者直接使用 Docker docker build -t pixelle-video . docker run -p 8501:8501 pixelle-video5. 系统配置详解首次启动后最重要的就是完成系统配置。点击界面上的「⚙️ 系统配置」展开配置面板5.1 LLM 配置大语言模型用于生成视频文案的核心 AI 引擎{ provider: 通义千问, // 或 GPT、DeepSeek、Ollama 等 api_key: 你的API密钥, base_url: https://dashscope.aliyuncs.com/compatible-mode/v1, model: qwen-turbo }配置建议新手推荐使用通义千问成本较低且稳定性好本地有显卡可尝试 Ollama完全免费追求效果可选 GPT-4但成本较高5.2 ComfyUI / RunningHub 配置用于图像、视频生成的工作流引擎本地部署配置 ComfyUI 服务地址默认 http://127.0.0.1:8188云端服务使用 RunningHub API Key无需本地显卡5.3 API 媒体模型配置支持直连多种图像/视频生成服务DashScope通义万象图像、WAN 视频生成OpenAIDALL-E 图像生成Volcengine ARK字节 Seedream 图像、Seedance 视频Kling AI可灵视频生成每个供应商都需要配置相应的 API Key 和 Base URL。6. 功能测试与效果验证6.1 基础视频生成测试测试目的验证整个流水线是否正常工作操作步骤在左侧「内容输入」选择「AI 生成内容」输入测试主题为什么要养成阅读习惯中间栏保持默认 TTS 和图像设置右侧点击「 生成视频」预期结果系统依次显示生成文案 → 生成配图 → 合成语音 → 合成视频最终生成 30-60 秒的短视频包含 3-5 个分镜视频文件保存在output/目录成功标准整个过程无报错中断生成的视频可以正常播放语音和画面同步6.2 语音合成测试测试目的验证 TTS 功能是否正常操作步骤在「语音设置」选择 TTS 工作流如 Edge-TTS在「预览功能」输入测试文本这是一个语音测试点击「预览语音」预期结果几秒后播放生成的语音语音清晰自然无明显机械感高级测试上传参考音频测试声音克隆功能测试多语言 TTS 支持如英语、日语6.3 图像生成测试测试目的验证 AI 配图生成能力操作步骤在「视觉设置」选择图像生成工作流调整图像尺寸如 1024x1024设置提示词前缀控制风格点击「预览风格」测试效果预期结果根据提示词生成符合风格的图像图像质量清晰风格一致6.4 视频模板测试测试目的验证不同模板的适配性操作步骤在「视频模板」下拉菜单选择不同模板分别测试竖屏、横屏模板点击「预览模板」查看效果模板类型static_*.html静态模板纯文字样式image_*.html图片模板AI 图片背景video_*.html视频模板AI 视频背景7. 高级功能深度体验7.1 数字人口播功能最新版本新增的数字人口播功能是一大亮点使用场景需要真人出镜但不想露脸的场合多语言视频制作支持韩语等品牌形象一致性要求高的内容配置方法选择支持数字人的工作流上传参考图片或使用默认数字人配置口型同步参数7.2 动作迁移模块2026-01-26 新增的功能允许上传参考视频和图片进行动作迁移技术原理分析参考视频的人物动作将动作迁移到目标形象上保持动作的自然流畅性使用示例上传舞蹈视频让 AI 生成的角色学习相同动作商业广告中的标准动作复制7.3 批量任务处理对于需要大量生成视频的用户批量任务功能极其重要实现方式在历史记录页面创建批量任务上传主题列表或文案文件系统自动排队处理支持实时进度监控优化建议合理设置并发数避免 API 频率限制为每个任务添加唯一标识便于后续管理8. 接口 API 与集成方案8.1 ComfyUI API 集成如果已有 ComfyUI 环境可以直接集成import requests def generate_via_comfyui(prompt, workflow_config): url http://127.0.0.1:8188/prompt payload { prompt: workflow_config, extra_data: {prompt: prompt} } response requests.post(url, jsonpayload) return response.json()8.2 直连模型 API 调用对于需要直接调用模型服务的场景# 以 DashScope 为例 from dashscope import ImageSynthesis def generate_image(prompt, size1024x1024): result ImageSynthesis.call( modelImageSynthesis.Models.wanx_v1, promptprompt, n1, sizesize ) return result.output[0][url]8.3 自定义工作流开发高级用户可以在workflows/目录添加自定义工作流{ workflow_name: custom_image_generation, steps: [ { class_type: KSampler, inputs: { seed: 123456, steps: 20, cfg: 7.5 } } ] }9. 性能优化与资源管理9.1 显存占用优化根据不同的使用场景可以采取以下优化策略轻量级方案使用分辨率较低的图像设置如 512x512选择推理速度更快的模型启用模型量化如果支持高性能方案使用本地显卡运行大模型配置足够的显存交换空间优化 ComfyUI 工作流节点9.2 生成速度提升实用技巧预加载常用模型到内存使用异步处理避免阻塞合理设置超时时间监控指标# 监控 GPU 使用情况 nvidia-smi # 监控内存占用 htop9.3 存储空间管理生成的视频文件会占用较大空间建议定期清理output/目录设置自动归档策略使用外部存储或云存储10. 常见问题与排查方法10.1 启动问题排查问题现象可能原因解决方案双击 start.bat 无反应系统权限问题以管理员身份运行端口 8501 被占用其他服务占用端口修改启动端口或关闭冲突服务依赖安装失败网络连接问题检查网络或使用代理10.2 生成过程问题问题现象可能原因解决方案文案生成失败LLM API 配置错误检查 API Key 和网络连接图像生成黑屏模型加载失败检查 ComfyUI 服务状态语音合成无声TTS 服务异常切换 TTS 工作流或检查音频输出10.3 输出质量问题问题现象优化方向具体措施文案内容空洞优化提示词提供更详细的主题描述图像风格不一致调整提示词前缀使用更具体的风格描述语音不自然更换 TTS 模型尝试不同的语音合成方案10.4 API 调用问题频率限制处理import time from requests.exceptions import TooManyRequests def api_call_with_retry(api_func, max_retries3): for attempt in range(max_retries): try: return api_func() except TooManyRequests: wait_time 2 ** attempt # 指数退避 time.sleep(wait_time) raise Exception(API调用失败)11. 最佳实践与使用建议11.1 内容创作流程优化主题选择策略选择有明确视觉元素的主题如夏日海滩比人生哲学更易生成避免过于抽象或需要专业知识的主题测试阶段从简单主题开始逐步复杂化文案生成技巧提供具体的场景描述而非抽象概念明确目标受众和内容调性使用分段式结构便于配图生成11.2 技术配置优化模型选择建议新手通义千问 Edge-TTS 内置模板进阶GPT-4 自定义工作流 数字人口播专业本地大模型 高性能显卡 定制模板工作流组合# 推荐的工作流配置 llm: qwen-turbo tts: edge-tts image_generation: dashscope video_template: image_vertical11.3 版权与合规注意事项素材使用规范商业用途需确保生成内容不侵犯第三方权益使用人物形象时注意肖像权问题背景音乐选择无版权或已获授权素材内容审核机制建立生成内容的审核流程设置敏感词过滤保留内容生成日志11.4 规模化应用建议对于需要批量生成视频的团队基础设施规划建立专用的生成服务器配置监控和告警系统设计容错和重试机制工作流标准化制定内容生成规范建立质量评估标准开发自动化测试流程Pixelle-Video 作为一个持续更新的开源项目其功能还在不断丰富和完善。对于想要快速入门 AI 视频生成的用户来说从 Windows 一键整合包开始是最佳选择。先通过简单主题测试基本功能再逐步探索高级特性如数字人口播、动作迁移等。项目的模块化设计让用户可以根据自身需求灵活组合不同的 AI 能力无论是完全免费的本地部署方案还是追求效果的云端 API 方案都能找到合适的配置组合。最重要的是保持实践和迭代通过不断测试不同参数配置来找到最适合自己内容风格的工作流程。
Pixelle-Video：开源AI短视频自动生成引擎全解析
Pixelle-Video 是一个开源的 AI 全自动短视频生成引擎由 ATH-MaaS 团队开发并在 GitHub 上开源。这个项目的核心价值在于只需输入一个主题系统就能自动完成从文案创作、配图/视频生成、语音合成到最终视频剪辑的全流程真正实现了一句话生成短视频的能力。对于自媒体创作者、内容营销人员和小型工作室来说Pixelle-Video 最大的吸引力在于其零门槛的使用体验。你不需要任何视频剪辑经验也不需要掌握复杂的 AI 模型调参整个流程完全自动化。项目支持 Windows 一键整合包解压后双击即可启动 Web 界面大大降低了技术门槛。从技术架构来看Pixelle-Video 采用了模块化设计支持多种 AI 模型的灵活组合。你可以选择使用本地部署的 ComfyUI 工作流也可以直接调用云端 API 服务根据自身硬件条件和需求选择最适合的方案。项目最新版本还新增了直连 API 媒体模型配置支持在 WebUI 中直接配置图像/视频模型供应商包括 DashScope、OpenAI、Seedream、Seedance、Kling 等主流服务。1. 核心能力速览能力项详细说明项目类型AI 全自动短视频生成引擎开源团队ATH-MaaSGitHub 25.1k Stars主要功能文案生成、AI 配图/视频、语音合成、背景音乐、视频合成硬件要求支持本地部署需显卡和云端 API 两种模式显存需求根据选择的生成模型和工作流而定本地部署建议 8G 显存支持平台Windows一键整合包、macOS、Linux启动方式一键启动Windows、命令行启动macOS/LinuxAPI 支持支持 ComfyUI API、RunningHub API、直连模型 API批量任务支持批量创建视频任务有历史记录页面适合场景自媒体内容创作、营销视频制作、教育视频生成2. 适用场景与使用边界Pixelle-Video 最适合需要快速批量生产短视频内容的场景。比如自媒体博主每日的内容更新、电商产品的宣传视频、知识科普类内容制作等。系统支持竖屏、横屏多种尺寸能够满足抖音、快手、B站、YouTube 等不同平台的内容规格要求。在使用边界方面需要注意生成内容的质量依赖于所选 AI 模型的能力。虽然项目支持多种主流模型但最终输出效果会有差异。对于商业用途务必确保生成内容不侵犯第三方版权特别是使用 AI 生成的人物形象、商业标识等元素需要谨慎处理。项目最新版本新增的自定义素材功能允许用户上传自己的照片和视频AI 会智能分析生成脚本。这为个性化内容创作提供了更多可能性但同样需要注意素材的合法授权问题。3. 环境准备与前置条件3.1 操作系统要求Windows 用户推荐使用 Windows 10/11 系统可直接下载一键整合包macOS 用户需要安装 Python 包管理器 uv 和 ffmpegLinux 用户支持 Ubuntu/Debian 等主流发行版3.2 基础依赖安装对于非 Windows 用户需要先安装以下基础工具安装 uvPython 包管理器# 访问 uv 官方文档获取最新安装命令 curl -LsSf https://astral.sh/uv/install.sh | sh安装 ffmpeg视频处理工具# macOS brew install ffmpeg # Ubuntu/Debian sudo apt update sudo apt install ffmpeg # Windows一键包已内置无需单独安装3.3 网络和存储要求稳定的网络连接用于 API 调用和模型下载至少 10GB 可用磁盘空间用于存储依赖包和生成内容如果使用本地模型需要根据模型大小准备相应存储空间4. 安装部署与启动方式4.1 Windows 一键整合包部署推荐这是最简单的启动方式适合大多数用户从 GitHub Releases 页面下载最新的 Windows 整合包解压到任意目录建议路径不要包含中文或特殊字符双击运行start.bat文件系统会自动启动 Web 界面浏览器打开 http://localhost:8501整合包已经包含了所有必要的依赖包括 Python 环境、ffmpeg 等真正实现开箱即用。4.2 源码安装适合自定义需求用户如果需要更多自定义选项可以选择源码安装# 1. 克隆项目 git clone https://github.com/AIDC-AI/Pixelle-Video.git cd Pixelle-Video # 2. 使用 uv 启动自动安装依赖 uv run streamlit run web/app.py # 3. 访问 http://localhost:85014.3 Docker 部署适合熟悉容器用户项目也提供 Docker 支持# 使用 docker-compose 启动 docker-compose up -d # 或者直接使用 Docker docker build -t pixelle-video . docker run -p 8501:8501 pixelle-video5. 系统配置详解首次启动后最重要的就是完成系统配置。点击界面上的「⚙️ 系统配置」展开配置面板5.1 LLM 配置大语言模型用于生成视频文案的核心 AI 引擎{ provider: 通义千问, // 或 GPT、DeepSeek、Ollama 等 api_key: 你的API密钥, base_url: https://dashscope.aliyuncs.com/compatible-mode/v1, model: qwen-turbo }配置建议新手推荐使用通义千问成本较低且稳定性好本地有显卡可尝试 Ollama完全免费追求效果可选 GPT-4但成本较高5.2 ComfyUI / RunningHub 配置用于图像、视频生成的工作流引擎本地部署配置 ComfyUI 服务地址默认 http://127.0.0.1:8188云端服务使用 RunningHub API Key无需本地显卡5.3 API 媒体模型配置支持直连多种图像/视频生成服务DashScope通义万象图像、WAN 视频生成OpenAIDALL-E 图像生成Volcengine ARK字节 Seedream 图像、Seedance 视频Kling AI可灵视频生成每个供应商都需要配置相应的 API Key 和 Base URL。6. 功能测试与效果验证6.1 基础视频生成测试测试目的验证整个流水线是否正常工作操作步骤在左侧「内容输入」选择「AI 生成内容」输入测试主题为什么要养成阅读习惯中间栏保持默认 TTS 和图像设置右侧点击「 生成视频」预期结果系统依次显示生成文案 → 生成配图 → 合成语音 → 合成视频最终生成 30-60 秒的短视频包含 3-5 个分镜视频文件保存在output/目录成功标准整个过程无报错中断生成的视频可以正常播放语音和画面同步6.2 语音合成测试测试目的验证 TTS 功能是否正常操作步骤在「语音设置」选择 TTS 工作流如 Edge-TTS在「预览功能」输入测试文本这是一个语音测试点击「预览语音」预期结果几秒后播放生成的语音语音清晰自然无明显机械感高级测试上传参考音频测试声音克隆功能测试多语言 TTS 支持如英语、日语6.3 图像生成测试测试目的验证 AI 配图生成能力操作步骤在「视觉设置」选择图像生成工作流调整图像尺寸如 1024x1024设置提示词前缀控制风格点击「预览风格」测试效果预期结果根据提示词生成符合风格的图像图像质量清晰风格一致6.4 视频模板测试测试目的验证不同模板的适配性操作步骤在「视频模板」下拉菜单选择不同模板分别测试竖屏、横屏模板点击「预览模板」查看效果模板类型static_*.html静态模板纯文字样式image_*.html图片模板AI 图片背景video_*.html视频模板AI 视频背景7. 高级功能深度体验7.1 数字人口播功能最新版本新增的数字人口播功能是一大亮点使用场景需要真人出镜但不想露脸的场合多语言视频制作支持韩语等品牌形象一致性要求高的内容配置方法选择支持数字人的工作流上传参考图片或使用默认数字人配置口型同步参数7.2 动作迁移模块2026-01-26 新增的功能允许上传参考视频和图片进行动作迁移技术原理分析参考视频的人物动作将动作迁移到目标形象上保持动作的自然流畅性使用示例上传舞蹈视频让 AI 生成的角色学习相同动作商业广告中的标准动作复制7.3 批量任务处理对于需要大量生成视频的用户批量任务功能极其重要实现方式在历史记录页面创建批量任务上传主题列表或文案文件系统自动排队处理支持实时进度监控优化建议合理设置并发数避免 API 频率限制为每个任务添加唯一标识便于后续管理8. 接口 API 与集成方案8.1 ComfyUI API 集成如果已有 ComfyUI 环境可以直接集成import requests def generate_via_comfyui(prompt, workflow_config): url http://127.0.0.1:8188/prompt payload { prompt: workflow_config, extra_data: {prompt: prompt} } response requests.post(url, jsonpayload) return response.json()8.2 直连模型 API 调用对于需要直接调用模型服务的场景# 以 DashScope 为例 from dashscope import ImageSynthesis def generate_image(prompt, size1024x1024): result ImageSynthesis.call( modelImageSynthesis.Models.wanx_v1, promptprompt, n1, sizesize ) return result.output[0][url]8.3 自定义工作流开发高级用户可以在workflows/目录添加自定义工作流{ workflow_name: custom_image_generation, steps: [ { class_type: KSampler, inputs: { seed: 123456, steps: 20, cfg: 7.5 } } ] }9. 性能优化与资源管理9.1 显存占用优化根据不同的使用场景可以采取以下优化策略轻量级方案使用分辨率较低的图像设置如 512x512选择推理速度更快的模型启用模型量化如果支持高性能方案使用本地显卡运行大模型配置足够的显存交换空间优化 ComfyUI 工作流节点9.2 生成速度提升实用技巧预加载常用模型到内存使用异步处理避免阻塞合理设置超时时间监控指标# 监控 GPU 使用情况 nvidia-smi # 监控内存占用 htop9.3 存储空间管理生成的视频文件会占用较大空间建议定期清理output/目录设置自动归档策略使用外部存储或云存储10. 常见问题与排查方法10.1 启动问题排查问题现象可能原因解决方案双击 start.bat 无反应系统权限问题以管理员身份运行端口 8501 被占用其他服务占用端口修改启动端口或关闭冲突服务依赖安装失败网络连接问题检查网络或使用代理10.2 生成过程问题问题现象可能原因解决方案文案生成失败LLM API 配置错误检查 API Key 和网络连接图像生成黑屏模型加载失败检查 ComfyUI 服务状态语音合成无声TTS 服务异常切换 TTS 工作流或检查音频输出10.3 输出质量问题问题现象优化方向具体措施文案内容空洞优化提示词提供更详细的主题描述图像风格不一致调整提示词前缀使用更具体的风格描述语音不自然更换 TTS 模型尝试不同的语音合成方案10.4 API 调用问题频率限制处理import time from requests.exceptions import TooManyRequests def api_call_with_retry(api_func, max_retries3): for attempt in range(max_retries): try: return api_func() except TooManyRequests: wait_time 2 ** attempt # 指数退避 time.sleep(wait_time) raise Exception(API调用失败)11. 最佳实践与使用建议11.1 内容创作流程优化主题选择策略选择有明确视觉元素的主题如夏日海滩比人生哲学更易生成避免过于抽象或需要专业知识的主题测试阶段从简单主题开始逐步复杂化文案生成技巧提供具体的场景描述而非抽象概念明确目标受众和内容调性使用分段式结构便于配图生成11.2 技术配置优化模型选择建议新手通义千问 Edge-TTS 内置模板进阶GPT-4 自定义工作流 数字人口播专业本地大模型 高性能显卡 定制模板工作流组合# 推荐的工作流配置 llm: qwen-turbo tts: edge-tts image_generation: dashscope video_template: image_vertical11.3 版权与合规注意事项素材使用规范商业用途需确保生成内容不侵犯第三方权益使用人物形象时注意肖像权问题背景音乐选择无版权或已获授权素材内容审核机制建立生成内容的审核流程设置敏感词过滤保留内容生成日志11.4 规模化应用建议对于需要批量生成视频的团队基础设施规划建立专用的生成服务器配置监控和告警系统设计容错和重试机制工作流标准化制定内容生成规范建立质量评估标准开发自动化测试流程Pixelle-Video 作为一个持续更新的开源项目其功能还在不断丰富和完善。对于想要快速入门 AI 视频生成的用户来说从 Windows 一键整合包开始是最佳选择。先通过简单主题测试基本功能再逐步探索高级特性如数字人口播、动作迁移等。项目的模块化设计让用户可以根据自身需求灵活组合不同的 AI 能力无论是完全免费的本地部署方案还是追求效果的云端 API 方案都能找到合适的配置组合。最重要的是保持实践和迭代通过不断测试不同参数配置来找到最适合自己内容风格的工作流程。
