1. 项目定位与用途
Pixelle-Video 是一个 AI 全自动短视频引擎，定位为让视频创作成为“一句话的事”的零门槛工具。用户只需提供视频主题，系统即可自动完成从文案撰写、AI 配图/视频生成、语音合成到最终视频合成的全流程。它适用于需要快速产出短视频内容的各类场景，如社交媒体运营、知识分享、产品宣传等，旨在降低视频制作对专业剪辑技能和时间的依赖。
项目档案应用项目
AIDC-AI/Pixelle-Video 是什么？用途、安装与使用指南
Pixelle-Video 是由 AIDC-AI 开发的 AI 短视频自动化工具，用户只需输入主题即可自动生成完整视频，涵盖文案、配图、配音、配乐和合成。支持 GPT、通义千问等模型，提供 Streamlit Web 界面和 FastAPI 接口，适合内容创作者、营销人员快速制作高质量短视频。本页包含安装指南、使用教程和常见问题解答。
AI 总结
Pixelle-Video 是一个基于 ComfyUI 的 AI 全自动短视频生成引擎，用户只需输入主题，即可自动完成文案撰写、AI 配图/视频生成、语音合成、背景音乐添加和视频合成，实现零门槛视频创作。
中文项目介绍
Pixelle-Video 是 AIDC-AI 开发的 AI 全自动短视频生成工具，旨在让视频创作变得简单高效。
用户仅需输入一个主题，系统即可自动完成视频文案撰写、AI 配图或视频生成、语音解说合成、背景音乐添加以及最终视频合成等全流程，无需任何剪辑经验。
它解决了传统视频制作需要专业技能、耗时耗力的问题，通过 AI 自动化大幅降低创作门槛和成本。
适用于内容创作者快速产出短视频、营销人员制作宣传片、教育工作者生成教学视频以及个人用户分享知识记录生活等场景。
技术层面，项目采用三层分层架构（Web 层、服务层、ComfyUI 层），核心由 PixelleVideoCore 协调 LLM Service、Image Service、TTS Service 和 Video Generator 四大模块。支持多种 AI 模型（如 GPT、通义千问、DeepSeek）、本地或云服务（ComfyUI/RunningHub）部署，并提供 Streamlit Web 界面和 FastAPI 接口，实现灵活定制与集成。
详细信息与使用说明
2. 解决的问题
传统短视频创作需要专业的脚本撰写、素材准备、剪辑合成技能，过程繁琐且成本高。Pixelle-Video 通过 AI 自动化解决了这一问题：利用大语言模型生成文案，使用图像/视频生成模型制作视觉内容，通过 TTS 技术合成语音，并自动合成背景音乐与最终视频。这显著降低了创作门槛、缩短了制作周期，使无经验用户也能高效产出质量较高的短视频。
3. 适用场景
主要适用场景包括：内容创作者快速生成短视频脚本与成片；营销人员制作产品宣传或广告视频；教育工作者生成教学讲解视频；个人用户记录生活、分享知识或表达观点。此外，支持自定义素材上传与 AI 分析，也适用于需要整合自有媒体资源的创作需求。项目提供的多种模板、视觉风格和视频尺寸（如竖屏 1080x1920）进一步拓宽了其在社交媒体、 presentations 等场景的适用性。
4. 安装方式
Pixelle-Video 提供多种安装方式：推荐使用 uv 包管理器，运行 `uv sync` 即可自动创建虚拟环境并安装依赖；传统方式可使用 `python -m venv` 创建环境后，通过 `pip install -e .` 安装。Windows 用户可直接下载整合包，双击 `start.bat` 启动。此外，支持 Docker 部署，通过 `docker-compose up` 启动服务。安装后需配置 ComfyUI（部分 AI 生成模板需要）及相应的 AI 服务 API 密钥（如 OpenAI 兼容模型）。
5. 使用方式
主要使用方式有两种：通过 Streamlit Web 界面，访问 http://localhost:8501，输入视频主题后即可自动生成，过程中可调整模板、视觉风格、视频尺寸、TTS 音色等参数；通过 FastAPI 提供的 REST 接口，以编程方式提交视频生成任务并查询状态。Web 界面支持上传自定义素材（照片/视频），AI 会智能分析并整合到脚本中。生成完成的视频自动保存至 `output/` 目录。
6. 补充说明或实现特点
项目采用三层分层架构：Web 层（Streamlit 界面）、服务层（核心业务逻辑）、ComfyUI 层（AI 生成服务）。核心协调器 PixelleVideoCore 整合四大服务：LLM Service（调用大模型生成文案）、Image Service（调用 ComfyUI 或 RunningHub 生成配图）、TTS Service（生成语音解说）、Video Generator（合成最终视频）。支持异步处理，使用 YAML 管理配置，并提供 Python SDK 与 HTTP API。原子能力灵活组合，用户可替换生图模型（如 FLUX）或 TTS 引擎（如 ChatTTS）。
思维导图
Pixelle-Video
核心架构
Web层(Streamlit界面)
服务层(PixelleVideoCore协调)
ComfyUI层(AI生成服务)
主要模块
LLM Service(文案生成)
Image Service(配图生成)
TTS Service(语音合成)
Video Generator(视频合成)
部署方式
本地运行(uv/pip)
Docker容器
Windows整合包
云服务(RunningHub)
关键特性
全自动生成(输入主题→成片)
多模型支持(GPT/通义千问/DeepSeek)
模板定制(视觉风格/尺寸)
多语言TTS与声音克隆
自定义素材上传
Web界面与API双接口
常见问题
如何安装 uv 包管理器？
运行命令：`curl -LsSf https://astral.sh/uv/install.sh | sh`，具体可参考项目安装文档。
是否必须配置本地 ComfyUI？
不一定，取决于所选模板：文本-only 模板（如 simple.html）不需要 ComfyUI；使用 AI 图片模板（如 default.html）则需要。如需 AI 生成但不想本地部署，可使用 RunningHub 云服务替代。
支持哪些大语言模型（LLM）？
支持所有 OpenAI 兼容的 LLM，包括通义千问（Qianwen）、GPT-4o、DeepSeek 以及本地运行的 Ollama 等。
生成一个视频通常需要多长时间？
根据复杂度不同，生成一个 3-5 场景的视频大约需要 2-5 分钟。首次使用可能因模型加载而稍慢。
对生成的视频效果不满意怎么办？
可尝试以下优化：更换 LLM 模型、调整图片生成尺寸与提示词前缀、更换 TTS 工作流或音色、尝试不同的视频模板，或上传自定义素材进行整合。