Pixelle-Video輸入一個主題3 分鐘出片 AI 短視頻【免費下載鏈接】Pixelle-Video AI 全自動短視頻引擎 | AI Fully Automated Short Video Engine項目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video一條 60 秒的豎屏科普視頻從輸入如何提升工作效率到 MP4 落盤全程 3–5 分鐘中間不打開任何剪輯軟件、不錄一次音軌。這是 Pixelle-Video 做到的事一個開源的 AI 短視頻生成引擎輸入一句話主題自動產(chǎn)出帶旁白、配圖、字幕和背景音樂的完整成片。 它到底能做什么你只負(fù)責(zé)給主題或貼一段現(xiàn)成文案剩下的環(huán)節(jié)它全包了寫稿LLM 按分鏡數(shù)生成結(jié)構(gòu)化旁白每段 5–20 字天然適配一句話配一幀的節(jié)奏配圖逐幀調(diào)用 FLUX、SDXL、Qwen、Wan 等圖像/視頻模型或走 ComfyUI 工作流配音Edge-TTS 或 Index-TTS支持上傳參考音頻做聲音克隆合成HTML 模板排版文字與畫面ffmpeg 拼接片段、疊加 BGM輸出 MP4。傳統(tǒng)流程 vs 本項目環(huán)節(jié)傳統(tǒng)做法Pixelle-Video腳本 分鏡手動寫稿切段一次生成默認(rèn) 5 段素材找圖 / 拍圖AI 逐幀生成剪輯時間軸拖拽按音頻時長自動對齊 3 分鐘跑通最小可用流程克隆倉庫并進入目錄git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video啟動 Web 界面需先裝好 uv 和 ffmpeguv run streamlit run web/app.py瀏覽器打開 http://localhost:8501。首次進入展開「?? 系統(tǒng)配置」面板只填兩處就夠LLM選通義千問或 DeepSeek 預(yù)設(shè)填 API Key圖像工作流默認(rèn)走runninghub/image_flux.json填一個 RunningHub Key 即可不用本地部署 ComfyUI。其余 TTS、模板、BGM 保持默認(rèn)。左側(cè)輸入主題右側(cè)點「 生成視頻」進度條會實時顯示分鏡 3/5 - 生成插圖幾分鐘內(nèi)右側(cè)就出現(xiàn)可播放的成片文件落在output/目錄。?? 核心機制拆解一條流水線是怎么跑通的整條流水線在 pixelle_video/pipelines/standard.py 里可以拆成四段。主題到分鏡讓 LLM 替你切節(jié)奏輸入為什么我們還沒找到外星文明系統(tǒng)先調(diào) LLM 生成標(biāo)題再按n_scenes5拆出 5 段旁白每段限制在min_narration_words5到max_narration_words20之間——這是刻意壓短因為每一段都會對應(yīng)一幀畫面太長會把單幀時長拖垮。如果你走固定文案模式系統(tǒng)按段落、行或句子三種方式切分split_mode參數(shù)適合已有完整稿子的場景。音畫同步先合成語音再生成畫面這是整個項目最反直覺的設(shè)計。每一幀的處理順序是TTS 先跑 → 拿到音頻時長 → 把時長傳給視頻生成工作流。也就是說Wan 2.1 生成的片段時長是被旁白鎖死的拼接時不用補幀也不用裁尾音畫天然對齊。你最終聽到的是一段語速均勻、切鏡點精確卡在句尾的解說不會出現(xiàn)畫面還在動、聲音已經(jīng)停了的空檔。HTML 模板把畫面排版成模板化成品templates/目錄里有 30 個 HTML 模板按static_/image_/video_三種前綴區(qū)分是否需要 AI 生成媒體。渲染時系統(tǒng)把 AI 配圖、標(biāo)題、旁白文字、品牌角標(biāo)按模板的 CSS 排版成一幀截圖再合成視頻。同一句AI 改變內(nèi)容創(chuàng)作切到極簡模板就是白底細(xì)線的雜志感切到 film 模板就是黑底襯線字加留白。模板即風(fēng)格改 CSS 就能出品牌視覺。ffmpeg 收尾拼接 BGM 一次完成VideoService用 ffmpeg 把 N 個片段串成一條音頻軌合并旁白與bgm/目錄里的背景音樂音量自動歸一。你拿到的是一個 1080×1920、可直接發(fā)抖音的 MP4。 實戰(zhàn)一條為什么還沒找到外星文明走完全流程輸入左側(cè)選「AI 生成內(nèi)容」主題欄填為什么我們還沒有找到外星文明分鏡數(shù)保持默認(rèn) 5語音中間欄 TTS 工作流選selfhost/tts_edge.json音色選zh-CN-YunxiNeural男聲偏解說點「預(yù)覽語音」先聽 3 秒視覺圖像工作流選runninghub/image_flux.json提示詞前綴填Cinematic, moody, deep space, minimalist英文模板選1920x1080/image_film.html尺寸 1920×1080BGM選內(nèi)置default.mp3試聽確認(rèn)不搶人聲生成點「 生成視頻」右側(cè)進度依次顯示生成文案 → 分鏡 1/5 插圖 → 分鏡 1/5 語音 → …全程 3 分 40 秒左右微調(diào)第一版旁白第 3 段太書面切到固定文案模式貼入改寫稿重新生成或保留文案、把模板換成image_ultrawide_minimal.html再跑一遍只動視覺層。其他場景如數(shù)字人口播、圖生視頻、動作遷移都在 web/pipelines/ 下以獨立流水線提供切換方式相同。 進階批量、模板與參數(shù)批量生成內(nèi)容輸入?yún)^(qū)切到批量模式每行一個主題任務(wù)隊列自動排隊適合做系列或日更模板定制所有模板在 templates/ 下改 CSS 變量即可換主色、字號、品牌 Logo無需碰 Python 代碼工作流擴展把 ComfyUI 導(dǎo)出的 JSON 丟進 workflows/重啟后自動出現(xiàn)在下拉菜單支持本地 selfhost 與云端 runninghub 兩套目錄參數(shù)調(diào)優(yōu)n_scenes控制分鏡數(shù)3–8 之間tts_speed調(diào)語速0.8–1.2 最自然prompt_prefix是全局畫風(fēng)錨點改動一次影響所有分鏡。? 新手最容易卡住的 4 個問題Q生成卡在生成配圖不動A先查 RunningHub 配額是否耗盡再查comfyui.comfyui_url是否可達本地模式最后看終端日志里 prompt 是否被內(nèi)容審核攔截。Q旁白聽起來機械、和畫面不同步A同步問題查 TTS 工作流是否返回了duration機械感先換音色再調(diào)tts_speed0.9仍不行就上 Index-TTS 傳參考音頻克隆。Q圖片風(fēng)格跑偏跟提示詞前綴對不上A先確認(rèn)prompt_prefix是英文再看圖像模型是否支持你給的分辨率換selfhost/image_flux.json與runninghub/image_flux.json對比即可定位是模型問題還是參數(shù)問題。QWindows 上 ffmpeg 報錯A先跑ffmpeg -version確認(rèn)在 PATH 里整合包已內(nèi)置源碼安裝需把bin目錄加入環(huán)境變量。 把倉庫拉下來跑通第一條配置模板見 config.example.yaml界面細(xì)節(jié)查 docs/zh/user-guide/web-ui.md擴展能力看 workflows/ 目錄。今晚把主題貼進去明早你的賬號上就多一條 60 秒成片。【免費下載鏈接】Pixelle-Video AI 全自動短視頻引擎 | AI Fully Automated Short Video Engine項目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考