阿里开源项目Pixelle-Video 详解：开源AI全自动短视频引擎，零门槛一键生成成片

摘要在短视频创作日益普及的今天剪辑门槛高、创作效率低、专业技能不足等问题成为很多人及中小团队入局短视频赛道的绊脚石。Pixelle-Video 作为一款开源的AI全自动短视频引擎凭借“输入一个主题一键生成完整视频”的核心能力完美解决这一痛点。本文将从项目概况、核心功能、技术架构、部署教程、使用指南、常见问题等维度全方位拆解 Pixelle-Video帮助开发者、自媒体人、新手小白快速掌握这款工具实现零剪辑经验也能高效产出高质量短视频。关键词Pixelle-VideoAI短视频全自动视频生成开源工具ComfyUITTS配音文生图前言随着短视频平台的爆发式增长无论是个人自媒体、知识科普博主还是中小企业的营销推广都需要大量优质短视频内容来吸引流量、传递信息。但传统短视频创作流程繁琐从文案撰写、素材拍摄、配音合成到剪辑排版、添加BGM每一步都需要专业技能和大量时间投入普通人很难快速上手中小团队也难以承担高额的创作成本。为解决这一行业痛点AIDC-AI 团队开源了 Pixelle-Video——一款端到端的AI全自动短视频引擎于2025年11月正式发布截至2026年1月已更新至 v0.1.11 版本迭代速度快功能持续完善。该工具基于 Apache-2.0 开源协议完全免费可商用只需输入一个主题关键词就能自动完成文案撰写、AI配图/视频生成、语音解说合成、背景音乐添加、视频整合剪辑等全流程操作真正实现“一句话出成片”让短视频创作变得零门槛、高效率。本文将结合 Pixelle-Video 官方GitHub源码信息从项目基础信息、核心功能亮点、技术架构、详细部署步骤、完整使用教程、常见问题解答等方面进行全面、细致的解析帮助不同需求的用户快速上手这款强大的开源工具。一、项目基础信息概览1. 项目基本信息Pixelle-Video 是由 AIDC-AI 团队开发并开源的 AI 全自动短视频引擎核心定位是“零门槛、全自动化、高灵活度”的短视频创作工具面向所有需要快速生成短视频的用户涵盖自媒体、知识科普、营销推广、个人记录等多种场景。项目关键信息如下项目名称Pixelle-Video开源机构AIDC-AI开源协议Apache-2.0 许可证完全开源可商用无需担心版权问题发布时间2025年11月7日首次提交最新版本v0.1.112025年12月28日发布Windows一键整合包最新版项目地址https://github.com/AIDC-AI/Pixelle-Video官方文档https://aidc-ai.github.io/Pixelle-Video/zh技术栈Python、StreamlitWeb界面、ComfyUI工作流管理、FFmpeg视频处理、各类AI大模型LLM、文生图、TTS等2. 项目更新日志核心迭代亮点Pixelle-Video 自发布以来迭代速度较快持续优化功能体验、修复问题、扩展兼容性核心更新日志如下按时间倒序2026-01-06新增 RunningHub 48G 显存机器调用支持提升云端图像/视频生成速度适配更高规格的算力需求。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减少文案生成报错概率提升稳定性。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灵活度进一步提升。2025-12-10侧边栏内置 FAQ方便用户快速解决使用中的常见问题锁定 edge-tts 版本修复 TTS 服务不稳定、配音卡顿或无声音的问题。2025-12-08支持固定脚本多种分割方式段落/行/句子适配不同文案格式优化模板选择交互逻辑支持直接预览模板效果无需生成后再调整。2025-12-06修复视频生成 API 返回 URL 路径处理异常的问题提升跨平台兼容性确保 Windows、macOS、Linux 系统都能正常生成并保存视频。2025-12-05新增 Windows 一键整合包下载无需手动安装 Python、uv、ffmpeg 等依赖开箱即用优化图片与视频反推工作流提升素材生成的精准度。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 会智能分析素材内容生成匹配的文案和剪辑逻辑满足个性化创作需求。2025-11-18优化 RunningHub 服务调用支持并行处理提升多任务生成效率新增历史记录页面支持批量创建视频任务方便用户管理多个创作项目。3. 项目核心优势相较于市面上其他短视频生成工具Pixelle-Video 凭借开源免费、全自动化、高灵活度、低成本等优势在同类工具中脱颖而出核心优势主要体现在以下4点零门槛上手无需剪辑经验、无需编程基础只需输入主题就能自动完成全流程创作小白也能快速产出成片。完全开源免费基于 Apache-2.0 协议源码完全开放可自由修改、二次开发无任何隐藏收费本地部署可实现0成本使用。灵活度极高支持自定义文案、配音、BGM、视觉风格、视频模板可替换 AI 模型和工作流满足不同场景的个性化创作需求。跨平台兼容支持 Windows、macOS、Linux 系统部署方式多样一键整合包、源码部署、Docker 部署适配不同用户的使用环境。二、核心功能详细解析Pixelle-Video 的核心功能是“全自动短视频生成”但背后涵盖了文案生成、AI 素材生成、配音合成、视频剪辑等多个模块每个模块都支持灵活定制以下是详细拆解1. 全流程自动化创作核心功能这是 Pixelle-Video 最核心的亮点无需用户手动干预输入一个主题关键词系统就能自动完成从文案到成片的全流程操作具体流程如下输入主题 → AI 生成文案解说词→ 文案分割为分镜 → AI 为每个分镜生成配图/视频 → 合成语音解说 → 添加背景音乐 → 按模板整合剪辑 → 输出完整 MP4 视频。整个流程耗时取决于分镜数量、网络状况和 AI 推理速度通常几分钟内即可完成极大提升了短视频创作效率。例如输入主题“如何提升自己”系统会自动生成关于自我提升的文案分割为10个左右的分镜为每个分镜生成匹配的插图合成专业配音添加合适的 BGM最终生成一段1-3分钟的竖屏短视频可直接用于小红书、抖音等平台。2. 文案生成模块文案是短视频的核心Pixelle-Video 提供两种文案生成模式适配不同用户的需求AI 生成内容用户只需输入一个主题关键词如“为什么要养成阅读习惯”“副业赚钱方法”系统会调用配置好的 LLM 大模型如 GPT、通义千问、DeepSeek、Ollama 等自动创作出符合主题的视频解说词文案逻辑清晰、语言流畅适配短视频的节奏。固定文案内容如果用户已有现成的文案如提前写好的知识科普脚本、营销文案可以直接粘贴到输入框跳过 AI 创作步骤直接进入素材生成和剪辑环节适合有明确文案需求的用户。此外文案支持多种分割方式段落/行/句子用户可根据视频节奏调整分镜数量分割后的每一段文案对应一个视频分镜确保文案与画面同步。3. AI 素材生成模块配图/视频素材是短视频的视觉核心Pixelle-Video 支持 AI 自动生成配图和视频适配不同的视觉风格具体功能如下AI 配图生成支持通过 ComfyUI 调用各类文生图模型如 FLUX、Qwen 等为每个分镜生成匹配的插图。用户可设置图像尺寸默认 1024x1024可自定义、提示词前缀控制画面风格如“极简黑白火柴人风格、线条简洁”点击“预览风格”可提前查看配图效果避免生成不符合预期的素材。AI 视频生成支持调用 WAN 2.1 等文生视频模型生成动态视频内容替代静态插图让视频更具观赏性。用户可根据需求选择“配图模式”或“视频模式”灵活适配不同的视频风格。自定义素材上传用户可上传自己的照片、视频素材系统会智能分析素材内容匹配对应的文案和剪辑逻辑实现“自定义素材AI 辅助剪辑”的创作模式满足个性化需求。素材生成支持本地部署ComfyUI 本地运行和云端部署RunningHub 云端算力本地部署可实现0成本云端部署无需配置本地环境适合没有高性能显卡的用户。4. 语音合成模块TTS语音解说是短视频的重要组成部分Pixelle-Video 支持多种 TTS 方案音质清晰、自然可灵活定制具体功能如下多 TTS 工作流支持内置 Edge-TTS、Index-TTS、Chat-TTS 等多种主流 TTS 方案用户可根据需求选择系统会自动扫描 workflows 文件夹中的 TTS 工作流无需手动配置。声音克隆功能支持上传参考音频文件MP3/WAV/FLAC 等格式通过 Index-TTS 等支持声音克隆的工作流克隆参考音频的音色让配音更具个性化如克隆自己的声音、明星声音等。语音预览与调整用户可输入测试文本点击“预览语音”试听配音效果可调整语速如 1.2x、1.5x、音色如男声-专业、女声-温柔确保配音与视频节奏匹配。其中Edge-TTS 无需额外配置开箱即用只需确保网络环境可用适合新手用户Index-TTS、Chat-TTS 等需要简单配置音质和灵活性更优适合对配音有更高要求的用户。5. 背景音乐与视频模板模块背景音乐和视频模板决定了短视频的整体风格和氛围Pixelle-Video 提供丰富的选项支持灵活定制背景音乐BGM支持三种模式——无 BGM纯人声解说、内置音乐系统预置 default.mp3 等背景音乐点击可试听、自定义音乐用户将 MP3/WAV 等格式的音乐文件放到 bgm 文件夹即可在系统中选择使用。背景音乐音量可自动适配避免盖过人声解说。视频模板提供多种模板按类型可分为静态模板static_*.html纯文字样式无需 AI 生成媒体、图片模板image_*.html使用 AI 生成的图片作为背景、视频模板video_*.html使用 AI 生成的视频作为背景按尺寸可分为竖屏、横屏、方形适配抖音、小红书、视频号、B站等不同平台的需求。模板自定义如果用户懂 HTML可在 templates 文件夹中创建自己的视频模板自定义画面布局、文字样式、转场效果等实现更具个性化的视频风格。6. 其他实用功能批量任务创建支持同时创建多个视频任务并行处理提升创作效率适合需要批量产出短视频的用户如自媒体矩阵运营。历史记录管理新增历史记录页面记录所有生成的视频任务可查看视频预览、生成时间、文件路径等信息方便用户后续查找和管理。多模型兼容支持 GPT、通义千问、DeepSeek、Ollama 等多种 LLM 模型支持 FLUX、Qwen 等多种生图模型用户可根据自己的 API 资源和需求选择合适的模型。Web 可视化操作采用三栏布局系统配置、内容输入与设置、生成视频界面简洁直观所有操作都可在浏览器中完成无需安装额外客户端。三、技术架构与部署教程Pixelle-Video 采用模块化设计基于 Python 开发核心依赖 ComfyUI 进行工作流管理FFmpeg 进行视频处理Streamlit 搭建 Web 界面整体架构清晰部署方式多样适合不同技术水平的用户。1. 核心技术架构Pixelle-Video 的架构分为四层从下到上依次为依赖层、核心功能层、Web 交互层、用户层各层职责清晰协同工作依赖层包括 Python 环境、uv 包管理器、FFmpeg 视频处理工具、ComfyUI 工作流引擎以及各类 AI 模型LLM、TTS、文生图/文生视频是整个系统运行的基础。核心功能层涵盖文案生成模块、素材生成模块、语音合成模块、视频合成模块、任务管理模块负责处理短视频生成的全流程逻辑各模块可独立调用、灵活组合。Web 交互层基于 Streamlit 开发提供可视化操作界面负责接收用户输入、展示配置选项、显示生成进度、预览视频效果是用户与系统交互的桥梁。用户层包括新手用户、自媒体人、开发者、中小团队等不同群体通过 Web 界面即可完成所有操作无需关注底层技术细节。这种模块化架构的优势在于可灵活替换各模块的实现如替换生图模型、TTS 方案也可基于源码进行二次开发扩展新的功能如新增视频转场效果、支持更多平台导出。2. 部署方式三种方案按需选择Pixelle-Video 提供三种部署方式分别适配 Windows 新手用户、macOS/Linux 用户、开发者及需要批量部署的用户部署流程简单无需复杂的技术操作。方案一Windows 一键整合包推荐新手开箱即用该方案无需安装 Python、uv、ffmpeg 等任何依赖解压后即可运行适合 Windows 系统的新手用户具体步骤如下下载整合包访问 Pixelle-Video GitHub 项目页面找到“Windows 一键整合包”下载链接最新版本为 v0.1.11点击下载并解压到本地建议解压到非中文路径避免出现路径错误。启动系统双击解压文件夹中的start.bat文件系统会自动启动 Web 服务无需手动配置。访问界面启动成功后浏览器会自动打开 http://localhost:8501进入 Pixelle-Video 的 Web 操作界面。配置初始化首次使用时展开左侧“⚙️ 系统配置”面板填写 LLM 配置和图像配置具体配置方法见下文“使用指南”保存配置后即可开始生成视频。提示整合包已包含所有依赖和预置模型首次启动可能需要几分钟时间加载资源耐心等待即可。方案二源码部署适合 macOS/Linux 用户或需要自定义的用户该方案需要手动安装依赖环境适合有一定技术基础的用户可自定义配置和二次开发具体步骤如下第一步安装前置依赖需要先安装 Python 包管理器uv和视频处理工具ffmpeg不同系统的安装方法如下安装 uv访问 uv 官方文档https://docs.astral.sh/uv/根据自己的系统选择对应的安装方法安装完成后在终端中运行uv --version显示版本号即安装成功。安装 ffmpegmacOS使用 Homebrew 安装终端运行brew install ffmpeg。Ubuntu/Debian终端运行sudo apt update sudo apt install ffmpeg。Windows下载 ffmpeg 安装包https://ffmpeg.org/download.html解压后将 bin 目录添加到系统环境变量 PATH 中终端运行ffmpeg -version验证安装成功。第二步下载项目源码终端运行以下命令下载 Pixelle-Video 源码并进入项目目录git clone https://github.com/AIDC-AI/Pixelle-Video.gitcd Pixelle-Video第三步启动 Web 界面使用 uv 运行 Streamlit Web 服务终端运行以下命令uv run streamlit run web/app.py启动成功后浏览器会自动打开 http://localhost:8501进入 Web 操作界面后续配置与 Windows 整合包一致。方案三Docker 部署适合批量部署、服务器部署该方案适合需要在服务器上部署、批量运行的用户利用 Docker 容器化部署可避免环境冲突简化部署流程具体步骤如下安装 Docker 和 Docker Compose确保服务器已安装 Docker 和 Docker Compose具体安装方法参考官方文档。下载项目源码同方案二克隆 Pixelle-Video 源码到服务器本地。启动 Docker 容器终端进入项目目录运行docker-compose up -dDocker 会自动构建镜像并启动容器。访问界面容器启动成功后在浏览器中访问 http://服务器IP:8501即可进入操作界面配置完成后即可使用。提示Docker 部署时需提前在 docker-compose.yml 中配置好 LLM 和图像服务的相关参数避免出现配置异常。四、完整使用指南从零开始生成第一个短视频无论采用哪种部署方式启动 Web 界面后使用流程都是一致的以下是详细的使用步骤帮助新手快速生成第一个 AI 全自动短视频第一步系统配置首次使用必填首次使用时必须先配置 LLM 大模型和图像生成服务否则无法生成文案和素材具体配置方法如下展开 Web 界面左侧的“⚙️ 系统配置”面板分为 LLM 配置和图像配置两部分。LLM 配置用于生成文案快速选择预设从下拉菜单中选择预设的 LLM 模型如通义千问、GPT-4o、DeepSeek 等选择后系统会自动填充 base_url 和 model 信息。获取 API Key点击“ 获取 API Key”链接跳转到对应模型的官方网站注册并获取 API Key如通义千问需要注册阿里云账号GPT 需要注册 OpenAI 账号。手动配置可选如果预设中没有需要的模型可手动填写 API Key、Base URL、Model 名称完成自定义配置。图像配置用于生成配图/视频本地部署推荐0成本填写本地 ComfyUI 服务地址默认 http://127.0.0.1:8188点击“测试连接”确认服务可用即可需提前启动本地 ComfyUI。云端部署无需本地环境填写 RunningHub API Key配置完成后即可使用云端算力生成素材需注册 RunningHub 账号并获取 API Key。配置完成后点击“保存配置”系统会自动保存配置信息后续使用无需重复配置。第二步内容输入左侧栏在左侧“内容输入”面板选择生成模式并输入相关内容选择生成模式AI 生成内容适合没有现成文案的用户在输入框中填写主题关键词如“如何增加被动收入”“养生知识科普”系统会自动生成文案。固定文案内容适合已有现成文案的用户直接将文案粘贴到输入框中可选择文案分割方式段落/行/句子调整分镜数量。选择背景音乐BGM无 BGM生成纯人声解说的视频。内置音乐从下拉菜单中选择系统预置的背景音乐点击“试听 BGM”预览效果。自定义音乐将自己的音乐文件放到项目的 bgm 文件夹中刷新页面后即可在下拉菜单中选择。第三步语音与视觉设置中间栏在中间面板配置配音和视觉风格确保视频效果符合预期语音设置TTS选择 TTS 工作流从下拉菜单中选择合适的 TTS 方案如 Edge-TTS、Index-TTS。声音克隆可选上传参考音频文件用于克隆音色仅支持部分 TTS 工作流。预览语音输入测试文本点击“预览语音”调整语速和音色直到满意为止。视觉设置选择图像生成工作流从下拉菜单中选择 ComfyUI 工作流支持本地和云端默认使用 image_flux.json。设置图像尺寸根据视频平台需求设置图像宽度和高度如竖屏 1080x1920横屏 1920x1080。设置提示词前缀输入英文提示词控制配图风格如“Minimalist black-and-white matchstick figure style illustration, clean lines, simple sketch style”点击“预览风格”查看效果。选择视频模板从下拉菜单中选择合适的模板按尺寸分组点击“预览模板”查看布局效果可根据需求选择静态、图片或视频模板。第四步生成视频右侧栏所有配置完成后即可启动视频生成流程点击右侧“ 生成视频”按钮系统会开始自动执行全流程操作实时显示生成进度如“生成文案 → 分镜 3/5 - 生成插图 → 合成语音 → 合成视频”。生成完成后系统会自动显示视频预览同时显示视频时长、文件大小、分镜数等信息。视频文件默认保存在项目的 output 文件夹中用户可直接打开文件夹将视频导出到本地用于后续发布或编辑。第五步后续管理可选生成视频后用户可在“历史记录”页面查看所有生成的任务可重新预览、删除或重新生成视频如果对视频效果不满意可调整配置如更换模板、调整配音、修改提示词重新生成。五、常见问题解答FAQ在使用 Pixelle-Video 的过程中新手用户可能会遇到一些常见问题以下是官方整理的高频问题及解决方案帮助大家快速避坑Q1第一次使用需要多久才能生成视频A生成时长取决于三个因素分镜数量分镜越多耗时越长、网络状况云端部署受网络影响较大、AI 推理速度本地部署取决于显卡性能云端部署取决于算力规格。通常情况下10个分镜的视频几分钟内即可完成生成。Q2生成的视频效果不满意该如何调整A可从以下4个方面调整提升视频效果更换 LLM 模型不同模型的文案风格不同可尝试更换通义千问、GPT 等模型生成更符合预期的文案。调整视觉设置修改图像尺寸和提示词前缀改变配图风格更换视频模板调整画面布局。优化配音效果更换 TTS 工作流调整语速和音色上传参考音频使用声音克隆功能让配音更个性化。调整文案如果 AI 生成的文案不符合需求可手动修改文案或更换主题关键词重新生成文案。Q3使用 Pixelle-Video 需要付费吗APixelle-Video 本身完全免费基于 Apache-2.0 协议开源无任何隐藏收费。但使用过程中AI 模型调用可能会产生费用具体分为三种方案完全免费方案LLM 使用 Ollama本地运行 ComfyUI 本地部署无需调用云端 API0 成本使用。高性价比方案LLM 使用通义千问API 调用成本极低 ComfyUI 本地部署适合没有高性能显卡但想控制成本的用户。云端方案LLM 使用 OpenAI 图像使用 RunningHub费用较高但无需配置本地环境适合没有本地显卡的用户。Q4Windows 系统启动 start.bat 后浏览器无法打开 Web 界面怎么办A可尝试以下解决方案检查解压路径确保解压路径无中文、无特殊字符如空格、符号重新解压到纯英文路径后再次启动。手动访问地址如果浏览器未自动打开手动在浏览器中输入 http://localhost:8501查看是否能访问。检查端口占用如果提示端口被占用可修改 streamlit 配置更换端口后重新启动。Q5能否二次开发 Pixelle-Video添加自己需要的功能A可以。Pixelle-Video 是完全开源的项目源码开放基于 Apache-2.0 协议用户可自由修改源码、添加新功能如新增 TTS 方案、扩展视频模板、支持更多平台导出等。同时项目支持自定义工作流懂 ComfyUI 和 Python 的用户可轻松扩展系统能力。六、项目总结与展望Pixelle-Video 作为一款开源的 AI 全自动短视频引擎凭借零门槛、全自动化、高灵活度、免费开源等优势为短视频创作提供了一种高效、低成本的解决方案完美解决了普通人剪辑技能不足、创作效率低的痛点同时也为开发者提供了二次开发的基础适配自媒体、知识科普、营销推广等多种场景。从项目迭代来看AIDC-AI 团队持续优化功能不断扩展兼容性和灵活性后续有望添加更多 AI 模型支持、更多视频模板、更丰富的剪辑功能进一步提升用户体验。对于新手用户Windows 一键整合包让上手变得极其简单无需任何技术基础就能快速生成成片对于开发者和中小团队开源源码和模块化架构提供了充足的定制空间可根据自身需求进行二次开发实现个性化的短视频创作流程。如果你经常需要生成短视频却苦于剪辑门槛高、效率低不妨尝试 Pixelle-Video只需一句话就能让 AI 帮你完成所有创作工作节省大量时间和精力。同时也欢迎大家给项目点个 Star支持开源项目的发展参与到项目的贡献中一起完善这款强大的短视频生成工具。补充项目核心信息与资源GitHub 项目地址https://github.com/AIDC-AI/Pixelle-Video官方文档地址https://aidc-ai.github.io/Pixelle-Video/zh最新版本v0.1.11Windows 一键整合包开源协议Apache-2.0社区交流可通过 GitHub Issue 提交问题和功能建议也可扫描项目 README 中的二维码加入社区获取最新动态和技术支持。