Pixelle-Video

🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine

22,683 stars Python Markdown Skills API Spec #aigc#comfyui#image-generation#tts
AI Prompts & Specs

<h1 align="center">🎬 Pixelle-Video —— AI 全自动短视频引擎</h1>

<p align="center"><a href="README_EN.md">English</a> | <b>中文</b></p>

<p align="center">
<a href="https://www.bilibili.com/video/BV1WzyGBnEVp/?vd_source=e7e7d4ca8db9a18c80f17a24a6582fca" target="_blank"><img src="https://img.shields.io/badge/🎥 视频教程-EA4C89" alt="视频教程"></a>
<a href="https://github.com/AIDC-AI/Pixelle-Video/releases" target="_blank"><img src="https://img.shields.io/badge/📦 Windows包-50C878" alt="Windows整合包"></a>
<a href="https://aidc-ai.github.io/Pixelle-Video/zh" target="_blank"><img src="https://img.shields.io/badge/📘 使用文档-4A90E2" alt="使用文档"></a>
<a href="https://github.com/AIDC-AI/Pixelle-Video/stargazers"><img src="https://img.shields.io/github/stars/AIDC-AI/Pixelle-Video.svg" alt="Stargazers"></a>
<a href="https://github.com/AIDC-AI/Pixelle-Video/issues"><img src="https://img.shields.io/github/issues/AIDC-AI/Pixelle-Video.svg" alt="Issues"></a>
<a href="https://github.com/AIDC-AI/Pixelle-Video/network/members"><img src="https://img.shields.io/github/forks/AIDC-AI/Pixelle-Video.svg" alt="Forks"></a>
<a href="https://github.com/AIDC-AI/Pixelle-Video/blob/main/LICENSE"><img src="https://img.shields.io/github/license/AIDC-AI/Pixelle-Video.svg" alt="License"></a>
</p>

https://github.com/user-attachments/assets/a42e7457-fcc8-40da-83fc-784c45a8b95d

<br/>

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

!Web UI界面


📋 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：

!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

<table>
<tr>
<td width="33%">
<h3>👤 数字人口播</h3>
<video src="https://github.com/user-attachments/assets/7c122563-c2e0-4dcd-a73c-25ba1d4fa2dd" controls width="100%"></video>
<p align="center"><b>韩语数字人口播</b></p>
</td>
<td width="33%">
<h3>🖼️ 图生视频</h3>
<video src="https://github.com/user-attachments/assets/5b4eef17-07d0-4bde-9748-2ed68cc9888e" controls width="100%"></video>
<p align="center"><b>卡通视频</b></p>
</td>
<td width="33%">
<h3>💃 动作迁移</h3>
<video src="https://github.com/user-attachments/assets/7b1240bc-e965-434c-b343-118ec4793d4f" controls width="100%"></video>
<p align="center"><b>跳舞小猫</b></p>
</td>
</tr>
</table>


📱 竖屏视频展示

<table>
<tr>
<td width="33%">
<h3>🌄 人文纪实类 - 视频默认模版</h3>
<video src="https://github.com/user-attachments/assets/e6716c1d-78de-453d-84c2-10873c8c595f" controls width="100%"></video>
<p align="center"><b>旅行路上的风景让人流连忘返</b></p>
</td>
<td width="33%">
<h3>🔍 文化解构类 - 视频默认模版</h3>
<video src="https://github.com/user-attachments/assets/f5de75f6-135a-4ab4-9f5f-079f649764d5" controls width="100%"></video>
<p align="center"><b>Santa ID</b></p>
</td>
<td width="33%">
<h3>🔭 科学思辨类 - 视频默认模版</h3>
<video src="https://github.com/user-attachments/assets/ceb8b0df-8331-4e1f-88e7-db5b295a1c1d" controls width="100%"></video>
<p align="center"><b>为什么我们还没有找到外星文明？</b></p>
</td>
</tr>
<tr>
<td width="33%">
<h3>🌱 个人成长类 - 克隆音色</h3>
<video src="https://github.com/user-attachments/assets/1bad9a49-df83-4905-9cc8-9a7640e9c7d8" controls width="100%"></video>
<p align="center"><b>如何提升自己</b></p>
</td>
<td width="33%">
<h3>🧠 深度思考类 - 默认模板</h3>
<video src="https://github.com/user-attachments/assets/663b705a-2aea-44bc-b266-4bb27aa255a8" controls width="100%"></video>
<p align="center"><b>如何理解反脆弱</b></p>
</td>
<td width="33%">
<h3>🏯 历史文化类 - 固定画面</h3>
<video src="https://github.com/user-attachments/assets/56e0a018-fa99-47eb-a97f-fc2fa8915724" controls width="100%"></video>
<p align="center"><b>资治通鉴</b></p>
</td>
</tr>
<tr>
<td width="33%">
<h3>☀️ 情感类 - 克隆音色</h3>
<video src="https://github.com/user-attachments/assets/4687df95-dd21-4a7b-b01e-f33a7b646644" controls width="100%"></video>
<p align="center"><b>冬日暖阳</b></p>
</td>
<td width="33%">
<h3>📜 小说解说类 - 自创脚本</h3>
<video src="https://github.com/user-attachments/assets/d354465e-3fa8-40b4-93e9-61ad75ef0697" controls width="100%"></video>
<p align="center"><b>斗破苍穹</b></p>
</td>
<td width="33%">
<h3>🧬 知识科普类 - Qwen生图</h3>
<video src="https://github.com/user-attachments/assets/8ac21768-41ce-4d41-acdd-e3dd3eb9725a" controls width="100%"></video>
<p align="center"><b>养生知识</b></p>
</td>
</tr>
</table>

🖥️ 横屏视频展示

<table>
<tr>
<td width="50%">
<h3>💰 副业赚钱 - 电影模板</h3>
<video src="https://github.com/user-attachments/assets/c9209d4e-73a6-4b82-aaad-cf102248c9e2" controls width="100%"></video>
<p align="center"><b>副业赚钱</b></p>
</td>
<td width="50%">
<h3>🏛️ 历史解说 - 自定义模板</h3>
<video src="https://github.com/user-attachments/assets/a767c452-d5f1-4cff-bb34-b80fff0d4c3e" controls width="100%"></video>
<p align="center"><b>资治通鉴启示录</b></p>
</td>
</tr>
</table>

💡 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！


<div id="tutorial-start" />


🚀 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

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！

<div id="tutorial-end" />

💻 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

#### 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 - ComfyUI MCP 服务器，让 AI 助手直接调用 ComfyUI
- MoneyPrinterTurbo - 优秀的视频生成工具
- NarratoAI - 影视解说自动化工具
- MoneyPrinterPlus - 视频创作平台
- 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 |
| ---- | ---- |
| <img src="resources/wechat.png" alt="微信交流群" width="250" /> | <img src="resources/discord.png" alt="Discord 社区" width="250" /> |


📢 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 |
|:---:|---|
| <img src="https://github.com/HITsz-TMG/VideoClaw/blob/main/FilmAgent-pics/framework.png" width="420" alt="FilmAgent framework"/> | [SIGGRAPH Asia 2024] FilmAgent: Automating Virtual Film Production Through a Multi-Agent Collaborative Framework<br>Zhenran Xu, Longyue Wang, Jifang Wang, Zhouyi Li, Senbao Shi, Xue Yang, Yiyu Wang, Baotian Hu, Jun Yu, Min Zhang<br>[Paper] [GitHub] |
| <img src="https://github.com/HITsz-TMG/Anim-Director/blob/main/Anim-Director/assets/visualeg.png" width="420" alt="Anim-Director result"/> | [SIGGRAPH Asia 2024] Anim-Director: A Large Multimodal Model Powered Agent for Controllable Animation Video Generation<br>Yunxin Li, Haoyuan Shi, Baotian Hu, Longyue Wang, Jiashun Zhu, Jinyi Xu, Zhen Zhao, Min Zhang<br>[Paper] [GitHub] |
| <img src="https://github.com/AIDC-AI/ComfyUI-Copilot/blob/main/assets/Framework-v3.png" width="420" alt="Anim-Director result"/> | [ACL 2025] ComfyUI-Copilot: An Intelligent Assistant for Automated Workflow Development<br>Zhenran Xu, Xue Yang, Yiyu Wang, Qingli Hu, Zijiao Wu, Longyue Wang, Weihua Luo, Kaifu Zhang, Baotian Hu, Min Zhang<br>[Paper] [GitHub] |
| <img src="https://raw.githubusercontent.com/HITsz-TMG/Anim-Director/main/AniMaker/assets/pipeline.png" width="420" alt="AniMaker pipeline"/> | [SIGGRAPH Asia 2025] AniMaker: Multi-Agent Animated Storytelling with MCTS-Driven Clip Generation<br>Haoyuan Shi, Yunxin Li, Xinyu Chen, Longyue Wang, Baotian Hu, Min Zhang<br>[Paper] [GitHub] |

⭐ Star History

![Star History Chart](https://star-history.com/#AIDC-AI/Pixelle-Video&Date)