Pixelle-Video 全自动短视频引擎指南：零基础 5 分钟生成第一条 AI 视频

【免费下载链接】Pixelle-Video🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video

上周五晚上，我在 Pixelle-Video 的输入框里敲下「为什么我们还没找到外星文明」，然后转身去冲了杯咖啡。回来时，一条带解说、AI 配图、背景音乐、1080x1920 竖屏的完整视频已经躺在输出区，全程约 5 分钟，一个剪辑动作都没有。这就是这款开源 AI 全自动短视频引擎的日常：你出主题，它出成品。

60 秒初体验：从零跑通第一条视频的最短路径

别急着研究安装文档，最短路径其实只有四步：

1. 下载 Windows 一键整合包并解压（它内置了 Python、ffmpeg 等全部依赖）；
2. 双击start_web.bat，浏览器自动打开 http://localhost:8501；
3. 展开「⚙️ 系统配置」，选一个 LLM 预设（比如通义千问）并填入 API Key，保存；
4. 在左侧输入框敲一个主题，比如「为什么要养成阅读习惯」，点「🎬 生成视频」。

从源码跑也一样简单：克隆项目后执行uv run streamlit run web/app.py，其余流程完全相同。接下来你会看到实时进度条依次走过「生成文案 → 生成配图 → 合成语音 → 合成视频」，一个 5 分镜的视频大约 2-5 分钟出炉，成片自动保存在output/目录。整个过程没有任何一处需要你动手剪辑。

核心能力地图：它到底帮你做了哪些事

内容生成能力：文案不用自己写一个字LLM（大语言模型，负责理解和生成文字的人工智能）会把你输入的主题自动拆成带画面感的分镜脚本，每句话对应一帧画面。支持通义千问、GPT、DeepSeek 和完全本地运行的 Ollama；如果你已有现成稿子，切到「固定文案内容」模式直接粘贴即可。

视觉表现能力：每个分镜配一张 AI 插图系统为每个分镜生成一张配图，再套进 HTML 模板合成画面。templates/目录下按竖屏、横屏、方形分类了 30 多套模板，从治愈系到霓虹灯风格应有尽有，还可以用提示词前缀统一全片画风。

语音交互能力：配音和 BGM 一键到位内置 Edge-TTS 免费语音、Index-TTS 声音克隆等主流 TTS（文字转语音）方案；把音乐文件丢进bgm/文件夹，界面里就能直接选用背景乐。

批量生产能力：一晚上产出 20 条不是梦历史记录页、批量创建任务、ComfyUI/RunningHub 云端工作流随时切换，还能扩展数字人口播、图生视频、动作迁移等进阶流水线。

一个完整故事线：美食博主小林的一夜

我叫小林，运营一个小红书美食号。过去一条 1 分钟的视频，写脚本 1 小时、找素材 2 小时、剪辑 2 小时，一周更 3 条就快被榨干。

上个月我开始用 Pixelle-Video 做「深夜食堂」系列：

• 第 1 步，把本周想讲的 5 个菜名一次性输进批量模式，每行一个主题；
• 第 2 步，视觉模板固定选image_modern.html，保证每期画面风格统一；
• 第 3 步，上传一段 30 秒的真人试吃录音作为参考音频，克隆出「我自己的声音」；
• 第 4 步，点生成，然后去睡觉。

第二天醒来，5 条成品视频安静躺在历史记录页。单条成本约 1-5 分钱（通义千问配 RunningHub 云端），我却省下了每周 20 多个小时。发布后评论区有人问「小林你声音怎么变好听了」，其实那本来就是 AI 克隆的。

配置速查表：三种方案照着抄就行

新手最容易配错的两处：第一，把config.example.yaml复制为config.yaml时只填了 api_key 忘了 base_url，LLM 会一直报错；第二，选图像工作流时，带runninghub/前缀的要填 RunningHub API Key，带selfhost/前缀的要有本地 ComfyUI，混着用就会卡死在「生成配图」这一步。

高手才知道的 3 个技巧

1. 用参考音频克隆专属音色现象：同一段解说，默认音色和你自己的声音，完播率天差地别。原理：Index-TTS 支持声音克隆，只需一段短音频作声线样本。操作：在语音设置里上传参考音频（MP3/WAV），再选择支持克隆的 TTS 工作流。效果：视频开口就是「你」的声音，个人辨识度拉满。

2. 用提示词前缀锁死全片画风现象：同一个主题生成的两张配图，风格可能悄悄漂移。原理：prompt_prefix 会在每次生图前自动拼上你写的风格描述。操作：在config.example.yaml的 image.prompt_prefix 填上类似 "Minimalist black-and-white matchstick figure style illustration, clean lines" 的英文描述。效果：整条视频像出自同一个设计师之手，观感立刻专业。

3. 让一张静态照片动起来现象：老照片和产品图只能配文字，画面显得干。原理：图生视频与动作迁移流水线能把静态图像变成动态镜头。操作：在扩展工作流中上传参考视频和一张照片。效果：历史人物能「开口演讲」，产品图能变成动态展示，一条视频瞬间有了高级感。

延伸生态：想深入可以从这些入口走

• 官方文档：docs/zh/覆盖安装、配置、快速开始、自定义风格、声音克隆等完整教程，遇到问题先翻 docs/zh/faq.md
• 模板库：templates/ 按 1080x1920、1920x1080、1080x1080 分类，改 CSS 就能定制品牌风格
• 预置工作流：workflows/runninghub 与 workflows/selfhost 提供了图片、视频、TTS 全套 JSON 工作流，懂 ComfyUI 还能自己加
• 音色清单：pixelle_video/tts_voices.py 列出了所有支持的语音，配 TTS 时先来这挑

现在就动手：你的第一条视频正在等你

Pixelle-Video 最适合「内容很多、时间很少」的人——知识博主、电商运营、想低成本起号的新手。现在就动手：git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video，然后运行uv run streamlit run web/app.py（Windows 用户直接双击start_web.bat）。找一个你早就想讲的主题输进去，等你那杯咖啡放凉之前，第一条完全属于你的 AI 视频就该出锅了。

【免费下载链接】Pixelle-Video🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video