项目背景：由AIDC-AI开源基于ComfyUI架构的一站式全自动 AI 短视频生成工具（非阿里达摩院直接开发，网传关联达摩院技术，实测核心功能稳定可用），GitHub目前3.7k+ Star，持续更新迭代，最新版本修复多项bug，优化部署体验。

核心功能

核心逻辑：输入主题/文案 → AI处理（文案/配图/配音） → 自动合成视频，全程无需打开任何剪辑软件，小白可直接操作，稳定出片。

文案生成

• 输入主题“为什么年轻人开始拒绝加班”，生成150字左右文案（分5个段落，适配5个分镜，刚好对应1分30秒视频）。

• 文案无废话，逻辑连贯

• 支持手动修改：生成后可直接在输入框编辑，比如调整语气、补充案例，修改后实时同步到后续环节。

• 模型选择：实测通义千问（免费额度）生成文案最贴合中文语境，Ollama本地部署（需提前安装）无网络也可生成，GPT-4o需配置API Key，效果略优于通义千问但有成本。

配图生成

操作步骤：中间栏“视觉设置”，选择图像生成工作流（新手默认选“image_flux.json”），设置尺寸（竖屏1080×1920，适配抖音），输入提示词前缀，点击“预览风格”确认后，生成视频时自动匹配文案每一段生成配图。

细节：

• 提示词无需复杂：输入“Minimalist black-and-white, simple sketch, work overtime theme”，生成的配图风格统一，无杂乱元素，贴合文案内容（如“拒绝加班”主题生成“办公桌前关灯离开”的简笔画）。

• 生成速度：单张配图约15-20秒，5个分镜配图共耗时1分40秒，RTX 3060显卡可稳定运行，无卡顿。

• 避坑点：若配图模糊/跑偏，可修改提示词（增加“high definition, clear lines”），或切换工作流为“Z-image”，实测效果更清晰；本地ComfyUI未部署成功时，无法生成配图，需先完成ComfyUI配置。

配音生成

操作步骤：中间栏“语音设置”，选择TTS工作流（新手选“edge-tts”，无需额外配置），选择音色（推荐“女声-温柔”，最自然），语速1.2x，输入测试文本点击“预览语音”，确认后生成视频时自动合成配音。

细节：

• 声音克隆实测：上传30秒本人清晰录音（无杂音、正常语速），选择“index-tts”工作流，生成配音相似度约75-80%，语调略平淡，需手动调整语速（1.1x更自然），适合打造个人IP。
• 稳定性：edge-tts无需配置API Key，联网即可使用，实测连续生成10条配音无失败，无卡顿。
• 问题解决：若配音无声音，检查电脑音量，或重启Web界面（双击start.bat即可重启），一般是edge-tts服务未加载成功。

视频合成

操作步骤：右侧栏点击“生成视频”，实时查看进度（生成文案→生成配图→合成语音→合成视频），生成完成后自动预览，文件保存至“output”文件夹。

细节：

• 耗时：5个分镜、1分30秒视频，全程耗时4分20秒（文案15秒+配图1分40秒+配音30秒+合成1分55秒）。
• 输出效果：1080×1920竖屏，画面清晰，配音与字幕同步（自动生成字幕，无需手动添加），BGM音量适中（默认内置default.mp3，可替换为自己的音乐）。
• 多平台适配：切换模板为“video_horizontal.html”，即可生成1920×1080横屏（适配B站），无需手动调整尺寸，实测切换后生成正常，无画面拉伸。

部署步骤

Windows用户（一键部署，实测10分钟搞）

• 下载整合包：打开链接（https://github.com/AIDC-AI/Pixelle-Video/releases），找到“Pixelle-Video v0.1.15 – Windows一键整合包”，下载Assets中的压缩包（约2.8G，建议用迅雷下载，避免网络中断）
• 解压文件：右键压缩包，选择“解压到当前文件夹”，无需新建文件夹，解压后约6.5G，确保磁盘有10G以上空闲空间。
• 启动程序：打开解压后的文件夹，找到“start.bat”，双击运行（首次运行会弹出命令行窗口，加载依赖，约2-3分钟，不要关闭窗口）。
• 自动打开Web界面：依赖加载完成后，浏览器会自动打开http://localhost:8501，无需手动输入网址。
• 首次配置：

• 开始生成视频：配置完成后，返回左侧“内容输入”，输入主题，依次确认配音、视觉设置，点击“生成视频”即可。

• 实测坑点：首次双击start.bat可能无反应，重启电脑后再试；若浏览器未自动打开，手动输入http://localhost:8501即可；网络不稳定会导致依赖加载失败，建议连接有线网络。

Mac/Linux用户

• 安装依赖：先安装uv（参考官方指南：https://docs.astral.sh/uv/），再安装ffmpeg（Mac：brew install ffmpeg；Ubuntu：sudo apt update && sudo apt install ffmpeg）。
• 克隆项目：终端输入“git clone https://github.com/AIDC-AI/Pixelle-Video.git”，进入项目目录“cd Pixelle-Video”。
• 启动Web界面：终端输入“uv run streamlit run web/app.py”，浏览器打开http://localhost:8501，后续配置与Windows一致。

成本实测

1. 纯免费本地方案（需独立显卡）

配置：Ollama本地部署（免费）+ ComfyUI本地部署（免费）+ Edge-TTS（免费）。

成本：0元/条，无任何费用。

实测要求：显卡需6G以上（RTX 3060及以上），否则配图生成卡顿、耗时过长。

适合人群：有独立显卡、愿意部署Ollama和ComfyUI的用户。

2. 性价比方案

配置：通义千问（免费额度+超出后0.001元/千tokens）+ ComfyUI本地（免费）+ Edge-TTS（免费）。

3. 云端懒人方案

适合&不适合人群

适合

• 知识解说类博主（读书、科普、职场技巧）：输入主题即可生成完整解说视频，无需找素材。

• 文章转视频博主：将现成文章粘贴到“固定文案内容”，一键生成视频，适配多平台。

• 电商运营：生成商品介绍短视频（输入“XX产品的3个优势”），快速批量出片。

• 教育机构：生成课程讲解片段，无需专业剪辑，降低制作成本。

不适合

• 精细影视剪辑：需手动剪辑片段、调色、加转场，工具无法实现精细操作。

• 真人剧情类视频：工具无真人出镜生成功能，仅能生成AI配图/视频，无法替代真人剧情。

• 专业影视制作：画质、帧率无法达到专业级别（实测最高1080P，帧率30帧），不适合高端宣传片。

避坑指南

资源

总结