Pixelle-Video定位是AI 全自动短视频引擎上线没多久就拿下 2 万多 StarFork 数也突破了 3.5K。我去翻了完整的 README发现这东西比我想象的强得多——不只是能用而是已经做到了相当完整的产品体验。它到底在做什么一句话你输入一个主题它帮你全自动出一条完整的短视频。不是辅助创作不是给你素材是真正的端到端全自动AI 写脚本AI 生成每一帧配图或配视频AI 合成配音自动加背景音乐自动剪辑合成输出成片全程你不需要会剪辑不需要自己找素材甚至不需要写一个字的文案。官方展示案例里输入为什么我们还没发现外星文明出来的是一条带解说词、配图、BGM 的完整科普短视频。生成流程是怎么跑的项目采用模块化流水线设计四个步骤清清楚楚脚本生成 → 配图规划 → 逐帧处理 → 视频合成每个步骤都是独立模块可以单独替换。这个设计很聪明——意味着你不满意某一环节可以单独调换不影响其他部分。功能有多全细说一下大模型支持全家桶脚本生成这一步支持 GPT、Qwen、DeepSeek、Ollama本地部署等主流模型基本覆盖了市面上能用的 LLM。图像与视频生成这里是这个项目的亮点之一它不只是生成静态图片还支持AI 生成图片接 ComfyUI 工作流比如 FLUX 模型或者直连 DashScope / 可灵 / ARK 等 APIAI 生成视频支持 WAN 2.1 等动态视频生成模型真正把动态视频帧打进流程图生视频上传一张图AI 让它动起来动作迁移Motion Transfer上传参考视频 一张图片AI 把动作迁移到图片角色上——这个功能是 2026 年 1 月刚加的让我想到了之前刷屏的各种换脸/驱动视频玩法语音合成支持 Edge-TTS免费、Index-TTS 等多种 TTS 方案还有一个让人惊喜的功能声音克隆。上传一段参考音频它就能用这个声音读脚本。做 IP 号的朋友这个功能值得重点关注。另外还支持多语言 TTS官方案例里甚至有一条韩语 AI 数字人说话的视频。AI 数字人对这个也有了。2026 年 1 月加入可以生成一个会开口说话的 AI 数字人出境视频省去了真人出镜的成本。视频模板系统提供三类模板static.html纯文字样式无 AI 生成媒体image.html以 AI 图片为背景video.html以 AI 视频为背景模板本身是 HTML 文件熟悉前端的可以直接改样式、改布局做出自己的专属风格。视频比例竖屏9:16、横屏16:9都支持甚至还支持方形覆盖抖音、B 站、YouTube、小红书等不同平台需求。真实案例长啥样官方 README 里列了很多生成案例覆盖了不同主题和风格旅途风光— 纪录片风格配解说文化解构— 比如圣诞老人的真实身份科学探索— 为什么我们还没发现外星文明个人成长— 用声音克隆功能配音深度思考— 《反脆弱》解读历史文化— 《资治通鉴》内容副业赚钱— 横屏电影感模板知识科普— 用通义千问生成图片这些视频全部是输入一个关键词AI 全自动生成没有任何人工剪辑参与。上手有多难Windows 用户看这里项目提供了Windows 整合包这是亮点——下载、解压、双击 start.bat浏览器自动打开 localhost:8501配置好 API Key 就能跑。不需要安装 Python不需要配 ffmpeg不需要碰命令行。Mac / Linux 用户走源码安装三步到位git clone https://github.com/AIDC-AI/Pixelle-Video.git cd Pixelle-Video uv run streamlit run web/app.py安装好 uv 和 ffmpeg 之后就这么简单。界面怎么用打开后是三栏布局左栏——内容输入可以选AI 自动生成脚本给主题关键词或固定脚本你自己提前写好文案。BGM 这里也有设置支持选内置音乐或放自己的文件。中栏——语音 视觉设置选 TTS 工作流、上传声音克隆参考音、选图像生成工作流、调图片尺寸、写风格提示词Prompt 前缀、选视频模板……这一栏参数最多也是能出差异化效果的核心。右栏——生成视频点击按钮实时看进度第 3/5 帧 - 正在生成图片这样的状态。生成完自动播放预览文件存到 output/ 文件夹。费用问题可以做到完全免费这是我觉得项目很有诚意的地方官方直接给了三种方案方案LLM图像生成成本完全免费Ollama 本地部署ComfyUI 本地部署¥0推荐方案通义千问极低价格ComfyUI 本地部署极低云端方案OpenAIRunningHub 云服务较高但无需本地 GPU有本地 GPU 的直接走免费方案没有 GPU 又想省事的官方推荐用通义千问 RunningHub性价比最高。它背后是谁做的来自AIDC-AI阿里国际数字商业 AI 团队是阿里巴巴旗下的一个 AI 研究团队。这个团队在 GitHub 上还有几个关联项目——Pixelle-MCPComfyUI MCP 协议、Pixelle-Studio零代码 AI 文件处理。值得一提的是项目的学术背景也很扎实——README 里挂着三篇相关论文分别发表在 SIGGRAPH Asia 2024、ACL 2025、SIGGRAPH Asia 2025都是顶级学术会议。这不是一个纯玩具项目背后有系统性的研究积累。有哪些不足说几句实话GitHub Issues 里有不少用户反馈配置问题比如 RunningHub 和本地 ComfyUI 的配置界面提示有些混淆工作流文件路径有时报错。这些都是年轻项目正常会遇到的磨合问题团队响应也在跟进。另外要发挥完整能力还是需要自己去准备 API KeyLLM 服务 图像服务以及了解基本的 ComfyUI 概念。如果你是完全不懂技术的小白第一次上手可能需要折腾半天。适合谁批量做选题内容的自媒体账号知识科普、历史解读、观点解说……这类内容高度适合自动化Pixelle-Video 能把选题到成片的时间压缩到几分钟想做 AI 数字人出镜的 IP 号结合声音克隆 数字人功能可以做到不出镜也有主播感开发者和研究者全链路代码开源Apache-2.0每个模块独立可替换是研究自动化视频管线的极佳起点想私有化部署、掌控数据的团队不依赖任何商业闭源工具可以完全本地化运行最后内容创作的技术门槛正在以非常快的速度降低。去年你还需要会用剪映、会写文案今年AI 帮你做文案和配图现在AI 连剪辑合成都包了。Pixelle-Video 不是终点但它是一个清晰的信号从想法到成品这件事正在变得和发一条微信消息一样容易。更多transformerVITswin tranformer 参考头条号人工智能研究所 v号人工智能研究Suo, 启示AI科技动画详解transformer 在线视频教程
Pixelle-Video定位是AI 全自动短视频引擎上线没多久就拿下 2 万多 StarFork 数也突破了 3.5K。我去翻了完整的 README发现这东西比我想象的强得多——不只是能用而是已经做到了相当完整的产品体验。它到底在做什么一句话你输入一个主题它帮你全自动出一条完整的短视频。不是辅助创作不是给你素材是真正的端到端全自动AI 写脚本AI 生成每一帧配图或配视频AI 合成配音自动加背景音乐自动剪辑合成输出成片全程你不需要会剪辑不需要自己找素材甚至不需要写一个字的文案。官方展示案例里输入为什么我们还没发现外星文明出来的是一条带解说词、配图、BGM 的完整科普短视频。生成流程是怎么跑的项目采用模块化流水线设计四个步骤清清楚楚脚本生成 → 配图规划 → 逐帧处理 → 视频合成每个步骤都是独立模块可以单独替换。这个设计很聪明——意味着你不满意某一环节可以单独调换不影响其他部分。功能有多全细说一下大模型支持全家桶脚本生成这一步支持 GPT、Qwen、DeepSeek、Ollama本地部署等主流模型基本覆盖了市面上能用的 LLM。图像与视频生成这里是这个项目的亮点之一它不只是生成静态图片还支持AI 生成图片接 ComfyUI 工作流比如 FLUX 模型或者直连 DashScope / 可灵 / ARK 等 APIAI 生成视频支持 WAN 2.1 等动态视频生成模型真正把动态视频帧打进流程图生视频上传一张图AI 让它动起来动作迁移Motion Transfer上传参考视频 一张图片AI 把动作迁移到图片角色上——这个功能是 2026 年 1 月刚加的让我想到了之前刷屏的各种换脸/驱动视频玩法语音合成支持 Edge-TTS免费、Index-TTS 等多种 TTS 方案还有一个让人惊喜的功能声音克隆。上传一段参考音频它就能用这个声音读脚本。做 IP 号的朋友这个功能值得重点关注。另外还支持多语言 TTS官方案例里甚至有一条韩语 AI 数字人说话的视频。AI 数字人对这个也有了。2026 年 1 月加入可以生成一个会开口说话的 AI 数字人出境视频省去了真人出镜的成本。视频模板系统提供三类模板static.html纯文字样式无 AI 生成媒体image.html以 AI 图片为背景video.html以 AI 视频为背景模板本身是 HTML 文件熟悉前端的可以直接改样式、改布局做出自己的专属风格。视频比例竖屏9:16、横屏16:9都支持甚至还支持方形覆盖抖音、B 站、YouTube、小红书等不同平台需求。真实案例长啥样官方 README 里列了很多生成案例覆盖了不同主题和风格旅途风光— 纪录片风格配解说文化解构— 比如圣诞老人的真实身份科学探索— 为什么我们还没发现外星文明个人成长— 用声音克隆功能配音深度思考— 《反脆弱》解读历史文化— 《资治通鉴》内容副业赚钱— 横屏电影感模板知识科普— 用通义千问生成图片这些视频全部是输入一个关键词AI 全自动生成没有任何人工剪辑参与。上手有多难Windows 用户看这里项目提供了Windows 整合包这是亮点——下载、解压、双击 start.bat浏览器自动打开 localhost:8501配置好 API Key 就能跑。不需要安装 Python不需要配 ffmpeg不需要碰命令行。Mac / Linux 用户走源码安装三步到位git clone https://github.com/AIDC-AI/Pixelle-Video.git cd Pixelle-Video uv run streamlit run web/app.py安装好 uv 和 ffmpeg 之后就这么简单。界面怎么用打开后是三栏布局左栏——内容输入可以选AI 自动生成脚本给主题关键词或固定脚本你自己提前写好文案。BGM 这里也有设置支持选内置音乐或放自己的文件。中栏——语音 视觉设置选 TTS 工作流、上传声音克隆参考音、选图像生成工作流、调图片尺寸、写风格提示词Prompt 前缀、选视频模板……这一栏参数最多也是能出差异化效果的核心。右栏——生成视频点击按钮实时看进度第 3/5 帧 - 正在生成图片这样的状态。生成完自动播放预览文件存到 output/ 文件夹。费用问题可以做到完全免费这是我觉得项目很有诚意的地方官方直接给了三种方案方案LLM图像生成成本完全免费Ollama 本地部署ComfyUI 本地部署¥0推荐方案通义千问极低价格ComfyUI 本地部署极低云端方案OpenAIRunningHub 云服务较高但无需本地 GPU有本地 GPU 的直接走免费方案没有 GPU 又想省事的官方推荐用通义千问 RunningHub性价比最高。它背后是谁做的来自AIDC-AI阿里国际数字商业 AI 团队是阿里巴巴旗下的一个 AI 研究团队。这个团队在 GitHub 上还有几个关联项目——Pixelle-MCPComfyUI MCP 协议、Pixelle-Studio零代码 AI 文件处理。值得一提的是项目的学术背景也很扎实——README 里挂着三篇相关论文分别发表在 SIGGRAPH Asia 2024、ACL 2025、SIGGRAPH Asia 2025都是顶级学术会议。这不是一个纯玩具项目背后有系统性的研究积累。有哪些不足说几句实话GitHub Issues 里有不少用户反馈配置问题比如 RunningHub 和本地 ComfyUI 的配置界面提示有些混淆工作流文件路径有时报错。这些都是年轻项目正常会遇到的磨合问题团队响应也在跟进。另外要发挥完整能力还是需要自己去准备 API KeyLLM 服务 图像服务以及了解基本的 ComfyUI 概念。如果你是完全不懂技术的小白第一次上手可能需要折腾半天。适合谁批量做选题内容的自媒体账号知识科普、历史解读、观点解说……这类内容高度适合自动化Pixelle-Video 能把选题到成片的时间压缩到几分钟想做 AI 数字人出镜的 IP 号结合声音克隆 数字人功能可以做到不出镜也有主播感开发者和研究者全链路代码开源Apache-2.0每个模块独立可替换是研究自动化视频管线的极佳起点想私有化部署、掌控数据的团队不依赖任何商业闭源工具可以完全本地化运行最后内容创作的技术门槛正在以非常快的速度降低。去年你还需要会用剪映、会写文案今年AI 帮你做文案和配图现在AI 连剪辑合成都包了。Pixelle-Video 不是终点但它是一个清晰的信号从想法到成品这件事正在变得和发一条微信消息一样容易。更多transformerVITswin tranformer 参考头条号人工智能研究所 v号人工智能研究Suo, 启示AI科技动画详解transformer 在线视频教程
