喺人工智能生成內容（AIGC）席捲短片領域嘅2025年，AIDC‑AI推出嘅開源項目Pixelle‑Video脫穎而出。作為一款AI全自動短片引擎，佢將影片創作由複雜剪輯轉為「一鍵生成」模式。只要輸入一個主題，系統就會自動完成文案撰寫、AI配圖、語音合成、背景音樂加入同影片合成，全程零門檻、無需專業技能。呢個唔單止降低內容創作成本，仲普及咗短片生產，推動由個人創作者到企業營銷嘅廣泛應用。
Pixelle‑Video喺2025年11月喺GitHub開源，採用Apache 2.0許可證，支持商業使用。項目靈感來源於Stable Diffusion、ComfyUI同TTS工具鏈，結合大型語言模型（LLM）例如GPT或通義千問，實現端到端自動化。相比HeyGen或Synthesia等閉源工具，Pixelle‑Video強調開源同靈活性，用戶可以自定義工作流程，適合教育、營銷同社交媒體用途。項目目標係「令影片創作成為一句話嘅事」，喺AI短片市場（預計2025年規模達500億美元）中佔一席位。其Web界面預覽簡潔直觀，支持中英文，標誌住中國開源AI喺多模態生成領域嘅崛起。
功能亮點：從文本到影片嘅全鏈路自動化
Pixelle‑Video嘅核心功能係全自動短片生成，覆蓋內容創作嘅每個環節。用戶輸入主題（例如「點解要養成閱讀習慣」），系統即刻啟動流程：首先，使用LLM生成文案（支持GPT、通義千問或Ollama）；其次，規劃配圖並調用ComfyUI生成AI插圖（每句文案配一張圖，支持風格前綴例如「黑白簡筆畫」）；然後，合成語音解說（兼容Edge‑TTS、Index‑TTS等，支持聲音克隆）；最後，加入背景音樂並一鍵合成影片。
具體功能包括：
- AI智能文案：基於主題自動創作解說詞，支持固定文案輸入，跳過生成步驟。文案長度可控，適合15‑60秒短片。
- AI生成配圖：每分鏡配精美插圖，支持ComfyUI本地或RunningHub雲端工作流。尺寸靈活（1024x1024默認，支持豎/橫屏）。
- 語音合成：集成多種TTS方案，上傳參考音頻可實現克隆。預覽功能容許試聽效果並調整。
- 背景音樂：內置或自定義BGM，支持無音樂模式。試聽按鈕便於預選。
- 影片模板：多種佈局可選（如豎屏抖音式），支持HTML自定義。
- 原子能力組合：基於ComfyUI架構，用戶可替換生圖模型（例如從SDXL換成FLUX）或TTS（例如ChatTTS），實現個性化擴展。
影片生成流程圖清晰：文案生成 → 配圖規劃 → 逐幀處理 → 影片合成。示例影片展示歷史解說（如「資治通鑑啟示錄」）效果逼真，證明其喺教育內容上嘅潛力。社區反饋顯示，生成時長為幾分鐘，適合批量生產。
技術特點：模組化設計與開源靈活性
Pixelle‑Video嘅技術特點係模組化同開源性，採用Streamlit Web框架，確保用戶友好。核心係ComfyUI工作流系統，用戶可喺workflows文件夾自定義JSON檔案，實現原子級替換（例如生圖模型由SDXL換成FLUX）。LLM配置支持多模型（Ollama本地免費方案），圖像生成兼容本地或雲端，語音工作流會自動掃描並加載。
亮點包括：
- 全自動與自定義平衡：預設模板（例如default.mp3 BGM）簡化操作，但支持Prompt Prefix控制風格（例如「Minimalist black‑and‑white」），生成多樣化影片。
- 費用優化：完全免費方案（Ollama + ComfyUI本地）零成本；雲端方案（例如通義千問+RunningHub）性價比高，遠低於ElevenLabs。
- 多語言支持：中英文無縫，亦可擴展至日韓等，適合全球用戶。
- 安全與倫理：內置水印以防濫用，TTS支持克隆但需用戶上傳合法音頻。
- 擴展性：參考Midjourney同Stable Diffusion，未來可整合更多模態（例如以影片輸入生成）。GitHub Star歷史圖顯示快速增長，證明社區認可。
同類似項目（例如HeyGen）相比，Pixelle‑Video開源性更強，用戶可fork並改進；缺點係初學者需配置API密鑰。
安裝與使用指南：從零到一嘅實戰操作
Pixelle‑Video安裝簡便，支持Windows一鍵包同源碼安裝方式。
Windows一鍵包：下載解壓，雙擊start.bat啟動Web界面（http://localhost:8501）。無需安裝Python/uv/ffmpeg，開箱即用。配置LLM（API Key/Base URL/Model）同圖像（ComfyUI地址/RunningHub Key），保存後即可開始生成。
源碼安裝（macOS/Linux）：先安裝uv同ffmpeg（用brew/apt命令）。git clone倉庫，cd進入，uv run streamlit run web/app.py啟動。配置同上。
使用流程：
- 系統配置：展開面板，選擇預設模型（例如通義千問），填入Key。圖像選本地或雲端。
- 內容輸入：選擇AI生成或固定文案，加入BGM（內置或自定義資料夾）。
- 語音設定：選TTS工作流，上傳參考音頻並預覽。
- 視覺設定：選圖像工作流、尺寸、Prompt Prefix並預覽。
- 生成影片：點擊按鈕，實時顯示進度。輸出保存在output文件夾，支持預覽。
常見問題：效果唔理想可更換模型；費用建議採用免費Ollama+本地ComfyUI。反饋通過GitHub Issue。
結語：Pixelle‑Video嘅未來潛力
Pixelle‑Video作為開源AI短片引擎，降低咗創作門檻，推動AIGC普及。作者直言項目受多個開源項目啟發及支持，例如MoneyPrinterTurbo ‑ 優秀嘅影片生成工具。未來可擴展多模態輸入，助力內容經濟。喺AI市場達5000億美元嘅浪潮中，佢代表中國開源力量，值得開發者關注。