# Technical Documentation: AIDC-AI/Pixelle-Video > ℹ️ **Provenance:** Hybrid Fusion: `AIDC-AI/Pixelle-Video` (README + 1 In-Tree Chapters) · [CodeWiki Reference](https://codewiki.google/github.com/AIDC-AI/Pixelle-Video) · Recency: Active (< 180 days) ## 1. Project Overview & Quickstart (AIDC-AI/Pixelle-Video)

🎬 Pixelle-Video —— AI 全自动短视频引擎

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： - ✍️ 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 **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 ## 📋 最近更新 - ✅ **2026-06-01**: 新增直连 API 媒体模型配置，支持在 WebUI 中配置图像/视频模型供应商、Base URL 与代理开关 - ✅ **2026-01-26**: 新增「动作迁移」模块，上传参考视频和图片进行动作迁移 - ✅ **2026-01-14**: 新增「数字人口播」和「图生视频」流水线，新增多语言 TTS 音色支持 - ✅ **2026-01-06**: 新增 RunningHub 48G 显存机器调用支持 - ✅ **2025-12-28**: 支持 RunningHub 并发限制可配置，优化 LLM 返回结构化数据的逻辑 - ✅ **2025-12-17**: 支持 ComfyUI API Key 配置，支持 Nano Banana 模型调用，API 接口支持模板自定义参数 - ✅ **2025-12-10**: 侧边栏内置 FAQ，锁定 edge-tts 版本修复 TTS 服务不稳定问题 - ✅ **2025-12-08**: 支持固定脚本多种分割方式(段落/行/句子)，优化模板选择交互逻辑支持直接预览选择 - ✅ **2025-12-06**: 修复视频生成 API 返回 URL 路径处理，支持跨平台兼容 - ✅ **2025-12-05**: 新增 Windows 整合包下载，优化图片与视频反推工作流 - ✅ **2025-12-04**: 新增「自定义素材」功能，支持用户上传自己的照片和视频，AI 智能分析生成脚本 - ✅ **2025-11-18**: 优化 RunningHub 服务调用支持并行处理，新增历史记录页面，支持批量创建视频任务 ## ✨ 功能亮点 - ✅ **全自动生成** - 输入主题，自动生成完整视频 - ✅ **AI 智能文案** - 根据主题智能创作解说词，无需自己写脚本 - ✅ **AI 生成配图** - 每句话都配上精美的 AI 插图 - ✅ **AI 生成视频** - 支持使用 AI 视频生成模型（如 WAN 2.1）创建动态视频内容 - ✅ **直连模型 API** - 可直接调用 DashScope、OpenAI、Seedream、Seedance、Kling 等图像/视频生成服务 - ✅ **AI 生成语音** - 支持 Edge-TTS、Index-TTS 等众多主流 TTS 方案 - ✅ **背景音乐** - 支持添加 BGM，让视频更有氛围 - ✅ **视觉风格** - 多种模板可选，打造独特视频风格 - ✅ **灵活尺寸** - 支持竖屏、横屏等多种视频尺寸 - ✅ **多种 AI 模型** - 支持 GPT、通义千问、DeepSeek、Ollama 等 - ✅ **原子能力灵活组合** - 支持 ComfyUI / RunningHub 工作流，也支持直连 API 模型，可按需替换图像、视频、TTS、VLM 等能力 ## 📊 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： 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 | 🖼️ 图生视频 | 💃 动作迁移 | | --- | --- | --- | ### 📱 竖屏视频展示 | 🌄 人文纪实类 - 视频默认模版 | 🔍 文化解构类 - 视频默认模版 | 🔭 科学思辨类 - 视频默认模版 | | --- | --- | --- | | 🌱 个人成长类 - 克隆音色 | 🧠 深度思考类 - 默认模板 | 🏯 历史文化类 - 固定画面 | | ☀️ 情感类 - 克隆音色 | 📜 小说解说类 - 自创脚本 | 🧬 知识科普类 - Qwen生图 | ### 🖥️ 横屏视频展示 | 💰 副业赚钱 - 电影模板 | 🏛️ 历史解说 - 自定义模板 | | --- | --- | > 💡 **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](https://github.com/AIDC-AI/Pixelle-Video/releases/latest)** 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](https://docs.astral.sh/uv/getting-started/installation/)** 安装完成后，在终端中运行 `uv --version` 验证安装成功。 ##### 安装 ffmpeg **macOS** ```bash brew install ffmpeg ``` **Ubuntu / Debian** ```bash sudo apt update sudo apt install ffmpeg ``` **Windows** - 下载地址：https://ffmpeg.org/download.html - 下载后解压，将 `bin` 目录添加到系统环境变量 PATH 中 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 ```bash git clone https://github.com/AIDC-AI/Pixelle-Video.git cd Pixelle-Video ``` #### 第二步：启动 Web 界面 ```bash # 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）** - ComfyUI URL: 本地 ComfyUI 服务地址（默认 http://127.0.0.1:8188） - 点击「测试连接」确认服务可用 **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](https://aidc-ai.github.io/Pixelle-Video/zh/user-guide/templates/#_3) #### 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： - [Pixelle-MCP](https://github.com/AIDC-AI/Pixelle-MCP) - ComfyUI MCP 服务器，让 AI 助手直接调用 ComfyUI - [MoneyPrinterTurbo](https://github.com/harry0703/MoneyPrinterTurbo) - 优秀的视频生成工具 - [NarratoAI](https://github.com/linyqh/NarratoAI) - 影视解说自动化工具 - [MoneyPrinterPlus](https://github.com/ddean2009/MoneyPrinterPlus) - 视频创作平台 - [ComfyKit](https://github.com/puke3615/ComfyKit) - ComfyUI 工作流封装库 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 | | ---- | ---- | | | | ## 📢 反馈与支持 - 🐛 **遇到问题**: 提交 [Issue](https://github.com/AIDC-AI/Pixelle-Video/issues) - 💡 **功能建议**: 提交 [Feature Request](https://github.com/AIDC-AI/Pixelle-Video/issues) - ⭐ **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](LICENSE) 文件。 ## 📚 系列工作 | 框架图 | 论文信息 | |:---:|---| | | **[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](https://arxiv.org/pdf/2501.12909)] [[GitHub](https://github.com/HITsz-TMG/VideoClaw/blob/main/FilmAgent)] | | | **[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](https://doi.org/10.1145/3680528.3687688)] [[GitHub](https://github.com/HITsz-TMG/Anim-Director/tree/main/Anim-Director)] | | | **[ACL 2025] ComfyUI-Copilot: An Intelligent Assistant for Automated Workflow Development***Zhenran Xu, Xue Yang, Yiyu Wang, Qingli Hu, Zijiao Wu, Longyue Wang, Weihua Luo, Kaifu Zhang, Baotian Hu, Min Zhang*[[Paper](https://aclanthology.org/2025.acl-demo.61/)] [[GitHub](https://github.com/AIDC-AI/ComfyUI-Copilot)] | | | **[SIGGRAPH Asia 2025] AniMaker: Multi-Agent Animated Storytelling with MCTS-Driven Clip Generation***Haoyuan Shi, Yunxin Li, Xinyu Chen, Longyue Wang, Baotian Hu, Min Zhang*[[Paper](https://doi.org/10.1145/3757377.3764009)] [[GitHub](https://github.com/HITsz-TMG/Anim-Director/tree/main/AniMaker)] | ## ⭐ Star History [](https://star-history.com/#AIDC-AI/Pixelle-Video&Date) ## 2. In-Tree Documentation Chapters (AIDC-AI/Pixelle-Video) # Architecture Technical architecture overview of Pixelle-Video. --- ## Core Architecture Pixelle-Video uses a layered architecture design: - **Web Layer**: Streamlit Web interface - **Service Layer**: Core business logic - **ComfyUI Layer**: Image and TTS generation --- ## Main Components ### PixelleVideoCore Core service class coordinating all sub-services. ### LLM Service Responsible for calling large language models to generate scripts. ### Image Service Responsible for calling ComfyUI to generate images. ### TTS Service Responsible for calling ComfyUI to generate speech. ### Video Generator Responsible for composing the final video. --- ## Tech Stack - **Backend**: Python 3.10+, AsyncIO - **Web**: Streamlit - **AI**: OpenAI API, ComfyUI - **Configuration**: YAML - **Tools**: uv (package management) --- ## More Information Detailed architecture documentation coming soon. --- METRICS --- - Files Extracted: 2 - Estimated Token Budget: ~2559 tokens - Recency Window: Active (< 180 days) - Canonical Reference: https://codewiki.google/github.com/AIDC-AI/Pixelle-Video