ARTICLE · 1256776
AI 短视频三个开源项目怎么选?13.5 万 star 的和 2.9 万 star 的,根本不是同一种东西
前一篇写了 Pixelle-Video，评论区问得最多的一句是：跟 MoneyPrinterTurbo 比呢？
这个问题其实问偏了一半。这三个项目（MoneyPrinterTurbo / Pixelle-Video / NarratoAI）经常被放在一起说，但它们解决的不是同一道工序——一个是找素材拼，一个是让 AI 画，一个是拿现成片子剪。
搞清这一点，"选哪个"就自动有答案了。
一、一张图看清三条流水线
• MoneyPrinterTurbo（素材拼装型）：LLM 写稿 → 去 Pexels/Pixabay 这类免版权素材库拉高清片段 → 配音、字幕、BGM、剪辑合成
• Pixelle-Video（AI 生成型）：LLM 写稿 → ComfyUI 工作流出图/出视频（或直连大厂 API）→ 用 HTML 模板渲染成片
• NarratoAI（解说剪辑型）：你给现成的影视/短剧素材 → 视觉模型看片、挑高光、写解说 → 自动剪辑、配音、字幕
分水岭就在"画面从哪来"：库存素材、AI 现画、还是你手上那段片子。这一条定了，后面所有差异都是它的连锁反应。
二、先看硬数据
先把话说清楚：13.5 万和 2.9 万的差距，主要是时间差。MoneyPrinterTurbo 2024 年 3 月就开源了，Pixelle-Video 是 2025 年 11 月才开的坑，NarratoAI 2024 年 8 月起步。star 只能说明"谁先被更多人看到"，说明不了"谁更适合你"。
真正值得看的是更新节奏：MoneyPrinterTurbo 昨天还有提交、五天前刚发版，是三者里最活跃的；Pixelle-Video 的 Release 停在 1 月、代码更新到 6 月；NarratoAI 在 7 月发版、10 月还在推进。
三个界面摆一起，差别一眼就看出来了——左边四栏是"把工序摊开"，中间三栏是"流水线"，右边是"脚本配置台"：
三、MoneyPrinterTurbo：最成熟的那条"流水线工厂"
打开界面就是四栏：文案设置 → 视频设置 → 音频设置 → 字幕设置，底部一条红色「生成视频」。这个布局基本就是它的产品哲学——把每道工序摊开给你调，但顺序不许乱。
它强在这几件事：
• 四种入口：WebUI、API、CLI，甚至给 AI Agent 写好了 Skill——把一段话丢给支持读 Skill 的 Agent，它自己装环境、跑出片、把文件路径回给你
• 素材来源最宽：Pexels / Pixabay / Coverr 三个免费库，也能上传本地素材；这两年还加了 AI 文生视频（Seedance、MiniMax H3、WaveSpeed、MuAPI 等）
• TTS 最全：Edge TTS 免费零配置，往上还有 Azure、SiliconFlow、Gemini、ElevenLabs、Fish Audio、MiniMax、Kokoro 等一堆可选
• 画幅三档：9:16（1080×1920）、16:9（1920×1080）、1:1
• 批量 + 一键发布：能一次生成多条，还支持和 TikTok、Instagram、YouTube Shorts 的自动上传
• 门槛最低：Python 3.11+ 就行，GPU 不是必需品（CPU 4 核 8G 能跑），Windows 一键包解压即用
看它的官方示例你就明白了：画面是"库里的高清空镜"——城市、深海、咖啡、太空。这类片子的优点是稳、快、不出错；缺点是它看起来像"短视频"，因为所有人都在用同一批素材库。想做出差异化，得自己上传素材或者换 AI 生视频。
四、Pixelle-Video：画面是自己"画"出来的
它的定位不是"又快又稳"，而是把画面这件事彻底交给你：图像、视频、TTS 全是 ComfyUI 工作流，想换风格就换工作流，想换版式就改 HTML 模板（static_ / image_ / video_ 三种前缀，竖屏/横屏/方形）。
代价也很直接：
• 要懂一点 ComfyUI，或者退一步用 RunningHub 云端 / 直连 DashScope、Seedream、Seedance、可灵
• 版本还很年轻（v0.1.x），接口和模板都可能变
• Windows 整合包停在 1 月，想要新功能得源码装（uv sync + streamlit run web/app.py）
换回来的是：你的片子不会和别人撞画。
数字人口播、图生视频、动作迁移——这三种形态，素材拼装型根本做不出来。
五、NarratoAI：手里有片源才用它
这个界面能看出它的工作方式：视频文件 + 剧情描述 → 生成视频脚本。
它干的活是"影视解说"这条线：把一段影视或短剧丢进去，视觉模型（Qwen2-VL，可选 TwelveLabs Pegasus）先看片理解画面，再挑高光片段、写解说词，然后配音、字幕、自动剪辑。几个别家没有的能力：
• 短剧混剪：一键合并素材、一键转录
• 导出剪映草稿：AI 粗剪完，进剪映精修——这一步特别实在，因为 AI 剪辑的节奏感永远差人一手
• 语音克隆：IndexTTS-1.5/2、豆包、腾讯云、OmniVoice 都能接
注意两点：一是它需要视觉模型 API（看片烧 token，比写脚本贵一个量级；官方引用硅基流动的说法是"剪辑 10 分钟视频约 0.1 元"）；二是市面上有人把 NarratoAI 改名卖钱，作者专门在 README 挂了防骗截图——只从 GitHub 仓库或官网下。
六、六个维度，我自己的打分
主观打分，仅供参考：
七、所以到底选哪个
要日更、批量、追热点 → MoneyPrinterTurbo。 它是最不容易翻车的那一个：三天两头更新、社区最大、报错基本都能搜到同类问题。适合资讯、科普、情感、书单这类"文案驱动、画面陪跑"的号，尤其适合还要发海外平台的。
要画面原创、风格统一、不怕折腾 → Pixelle-Video。 知识卡、数字人口播、插画风格长文，这类内容最怕"一看就是素材库拼的"。它有学习成本，但换来的是一套你能改到骨头里的流水线。
手里有影视/短剧素材，要做解说 → NarratoAI。 没得选，另外两个做不了这件事。而且它的剪映草稿导出是刚需——AI 剪完你总要手动调几刀。
更实际的答案是：它们能串起来用。 NarratoAI 出解说粗剪 → 剪映精修；Pixelle 出个数字人口播当片头；MoneyPrinterTurbo 批量做日更信息流。三者共享同一套"LLM 写稿 + TTS 配音"底座，拼起来不别扭。
八、几句不那么好听的话
- star 越多不代表越适合你，
只代表它出生得早、被更多人踩过坑。 - 素材拼装的片子有天花板：
同一批 Pexels 空镜，全国有上万个号在用。想靠它做爆款，得自己在文案和选题上找差异。 - AI 生成的片子也有天花板：
风格统一的反面是"一眼 AI"。模板不改，出片再多也是同一个味。 - 别指望"点一下出爆款"。
这三个工具解决的是"从 0 到 1 有片子"，从 1 到 10 还是文案、选题和剪辑的活。 - 装之前先想清楚你的显卡和 API Key。
全是本地方案省钱但吃机器，全云端省机器但吃订阅——没有既免费又省心的选项。
项目地址 •
MoneyPrinterTurbo：https://github.com/harry0703/MoneyPrinterTurbo （MIT）
Pixelle-Video：https://github.com/ATH-MaaS/Pixelle-Video （Apache-2.0）
NarratoAI：https://github.com/linyqh/NarratoAI （MIT）
配图取自三个项目的官方 README 截图与官方示例素材；star / 版本 / 更新日期等数据以 2026-10-26 的 GitHub 仓库实际状态为准。"六个维度打分"为主观判断，不构成任何选型保证。
