在人工智能生成内容（AIGC）浪潮席卷短视频领域的2025年，AIDC‑AI推出的开源项目Pixelle‑Video脱颖而出。作为一款AI全自动短视频引擎，它让视频创作从复杂剪辑转向“一键生成”模式。只需输入一个主题，系统即可自动完成文案撰写、AI配图、语音合成、背景音乐添加和视频合成，整个过程零门槛、无需专业技能。这不仅降低了内容创作成本，还大众化了短视频生产，推动从个人创作者到企业营销的广泛应用。
Pixelle‑Video于2025年11月开源在GitHub，采用Apache 2.0许可证，支持商业使用。项目灵感来源于Stable Diffusion、ComfyUI和TTS工具链，结合大型语言模型（LLM）如GPT或通义千问，实现端到端自动化。 与HeyGen或Synthesia等闭源工具相比，Pixelle‑Video强调开源灵活性，用户可自定义工作流，适用于教育、营销和社交媒体。项目目标是“让视频创作成为一句话的事”，在AI短视频市场（预计2025年规模达500亿美元）中占据一席之地。 其Web界面预览简洁直观，支持中英文，标志着中国开源AI在多模态生成领域的崛起。
功能亮点：从文本到视频的全链路自动化
Pixelle‑Video的核心功能是全自动短视频生成，覆盖内容创作的每个环节。用户输入主题（如“为什么要养成阅读习惯”），系统即启动流程：首先，使用LLM生成文案（支持GPT、通义千问或Ollama）；其次，规划配图并调用ComfyUI生成AI插图（每句文案配一图，支持风格前缀如“黑白简笔画”）；然后，合成语音解说（兼容Edge‑TTS、Index‑TTS等，支持声音克隆）；最后，添加BGM并一键合成视频。
具体功能包括：
- AI智能文案：基于主题自动创作解说词，支持固定文案输入，跳过生成步骤。文案长度可控，适合15‑60秒短视频。
- AI生成配图：每分镜配精美插图，支持ComfyUI本地或RunningHub云端工作流。尺寸灵活（1024x1024默认，支持竖/横屏）。
- 语音合成：集成多种TTS方案，上传参考音频实现克隆。预览功能允许试听效果调整。
- 背景音乐：内置/自定义BGM，支持无音乐模式。试听按钮便于预选。
- 视频模板：多种布局可选（如竖屏抖音式），支持HTML自定义。
- 原子能力组合：基于ComfyUI架构，用户可替换生图模型（如FLUX）或TTS（如ChatTTS），实现个性化扩展。
视频生成流程图清晰：文案生成 → 配图规划 → 逐帧处理 → 视频合成。示例视频展示历史解说（如“资治通鉴启示录”）效果逼真，证明其在教育内容上的潜力。社区反馈显示，生成时长几分钟，适合批量生产。
技术特点：模块化设计与开源灵活性
Pixelle‑Video的技术特点在于模块化和开源性，采用Streamlit Web框架，确保用户友好。核心是ComfyUI工作流系统，用户可在workflows文件夹自定义JSON文件，实现原子级替换（如生图模型从SDXL换FLUX）。LLM配置支持多模型（Ollama本地免费方案），图像生成兼容本地/云端，语音工作流扫描自动加载。
亮点包括：
- 全自动与自定义平衡：预设模板（如default.mp3 BGM）简化操作，但支持Prompt Prefix控制风格（如“Minimalist black‑and‑white”），生成多样化视频。
- 费用优化：完全免费方案（Ollama + ComfyUI本地）零成本；云端方案（如通义千问+RunningHub）性价比高，远低于ElevenLabs。
- 多语言支持：中英文无缝，扩展日韩等，适合全球用户。
- 安全与伦理：内置水印防滥用，TTS支持克隆但需用户上传合法音频。
- 扩展性：参考Midjourney和Stable Diffusion，未来可集成多模态（如视频输入生成）。GitHub Star历史图显示快速增长，证明社区认可。
与类似项目（如HeyGen）相比，Pixelle‑Video开源性强，用户可fork改进；缺点是初学者需配置API密钥。
安装与使用指南：从零到一的实战操作
Pixelle‑Video安装简便，支持Windows一键包和源码方式。
Windows一键包：下载解压，双击start.bat启动Web界面（http://localhost:8501）。无需安装Python/uv/ffmpeg，开箱即用。配置LLM（API Key/Base URL/Model）和图像（ComfyUI地址/RunningHub Key），保存后开始生成。
源码安装（macOS/Linux）：先安装uv和ffmpeg（brew/apt命令）。git clone仓库，cd进入，uv run streamlit run web/app.py启动。配置同上。
使用流程：
- 系统配置：展开面板，选择预设模型（如通义千问），填Key。图像选本地/云端。
- 内容输入：选AI生成或固定文案，添加BGM（内置/自定义文件夹）。
- 语音设置：选TTS工作流，上传参考音频预览。
- 视觉设置：选图像工作流、尺寸、Prompt Prefix预览。
- 生成视频：点击按钮，实时进度显示。输出保存在output文件夹，支持预览。
常见问题：效果不佳可换模型；费用推荐免费Ollama+本地ComfyUI。反馈通过GitHub Issue。
结语：Pixelle‑Video的未来潜力
Pixelle‑Video作为开源AI短视频引擎，降低了创作门槛，推动AIGC普及。作者直言项目受到多个开源项目的启发和支持，如MoneyPrinterTurbo ‑ 优秀的视频生成工具。未来可扩展多模态输入，助力内容经济。在AI市场达5000亿美元的浪潮中，它代表中国开源力量，值得开发者关注。