Pixelle-Video 教程：从输入主题到一键出片的AI视频生成完整指南-编程实验室

Pixelle-Video 教程：从输入主题到一键出片的AI视频生成完整指南

【免费下载链接】Pixelle-Video🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video

做一条口播类短视频，写稿、找配图、录配音、再剪合成，四件事下来往往要耗掉半天。Pixelle-Video 是一个 AI视频生成工具：输入一个主题后，它自动完成文案创作、AI 配图、语音解说、背景音乐添加和视频合成，直接输出一条可发布的成片。本文按实际部署顺序，走通从克隆仓库到产出第一条视频的最短路径，并给出模板定制与成本控制的判断依据。

一条命令启动 Web 界面

环境依赖只有两个：Python 包管理器uv和视频处理工具ffmpeg（macOS 用 Homebrew 安装，Ubuntu/Debian 用 apt 安装，Windows 需手动加入 PATH）。装好后：

git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video ./start_web.sh

start_web.sh内部执行uv run streamlit run web/app.py，首次运行会自动拉取依赖，随后浏览器自动打开http://localhost:8501。Windows 用户也可以用仓库里的start_web.bat，配合 Windows 整合包可跳过手动装环境。

界面跑起来之后，还差两件事：填配置、定模板。

首次配置：两组密钥决定能否出片

左侧展开「⚙️ 系统配置」面板，必填的是 LLM 配置，可选的是图像/视频生成配置：

LLM（必填）：下拉选择预设模型（通义千问、GPT-4o、DeepSeek、Ollama），base_url 和 model 会自动填充，再填入 API Key。文案质量基本由这一步决定，Ollama 选本地模型则完全免费。
图像/视频生成（三选一）：本地 ComfyUI 填服务地址（默认http://127.0.0.1:8188）并点「测试连接」；无显卡则填 RunningHub 的 API Key 走云端；也可以直连 DashScope、OpenAI、Kling 等厂商 API。
TTS（基本免配）：默认走免费的 Edge-TTS 工作流，无需额外配置。

不想在界面上逐项填的话，可以直接编辑配置文件，示例见 config.example.yaml：

llm: api_key: "你的密钥" base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1" model: "qwen-max"

更完整的字段说明在 docs/zh/getting-started/configuration.md。配置保存后，进入出片环节。

生成第一条视频的最小操作

配置就绪后，界面按左中右三栏工作：

左栏「📝 内容输入」：选「AI 生成内容」模式，输入主题（例如"健康饮食的重要性"），分镜数量默认 5 个；BGM 可选内置音乐或关闭。
中栏：TTS 工作流和图像工作流保持默认，视频模板选竖屏1080x1920/image_default.html。
右栏：点「🎬 生成视频」，进度条会按文案 → 逐分镜配图 → 语音合成 → 视频合成实时推进。

按官方文档口径，5 分镜视频大约需要 2~5 分钟，具体取决于 LLM 响应速度和图像生成速度。成片会自动在右栏播放，文件落在output/目录。第一次跑建议先用默认参数完整走一遍，确认链路通了再回头调参数。

跑通后最常用的两个能力

第一次生成之后，真正高频的操作集中在模板切换和文案模式切换上。

模板与分辨率切换

全部 HTML 模板放在 templates/ 目录，按分辨率分三组管理：竖屏 1080x1920（适合抖音、快手）、横屏 1920x1080（适合 B 站、YouTube）、方形 1080x1080（适合 Instagram）。命名即分类：static_*是纯文字静态模板，不需要 AI 生成媒体；image_*以 AI 图片为背景；video_*以 AI 视频片段为背景，成本更高。

选模板时可以点「预览模板」填入测试文案看效果，不用真的跑一次完整生成。

固定文案与批量主题

已有现成脚本时，左栏切到「固定文案内容」模式，粘贴全文即可跳过 AI 写稿环节，系统只负责配图、配音和合成。需要准备一周内容时，用批量模式每行输入一个主题，所有主题共用同一套配置，系统依次生成独立视频，实现逻辑在 web/utils/batch_manager.py。另外两个低成本加分项：上传一段参考音频可走 Index-TTS 做声音克隆；把自己的 MP3 放进bgm/目录即可作为自定义背景音乐。

进阶调优与适用边界

模板文件修改路径

想要品牌化外观，直接改 templates/ 下对应分辨率目录中的 HTML 文件：CSS 控制文字颜色、字号和位置，背景图可替换为自己的素材，布局结构可针对内容类型重排。改完在 Web 界面用「预览模板」验证效果，无需重启服务。从零写模板的字段规范见 docs/zh/user-guide/templates.md。

成本与能力边界

费用方面可以给出一套对照：本地有显卡时，Ollama 本地 LLM + 本地 ComfyUI + Edge-TTS 组合零 API 成本；无显卡时图像生成走 RunningHub 或直连厂商 API，按量计费。能力边界上，video_*模板会调用视频生成模型（如 Wan 2.1），单条成本和耗时明显高于image_*模板，试错期建议先用图片模板跑顺，再换视频模板。配图风格不稳定时，优先调整配置里的prompt_prefix（英文风格描述词），比换模型见效更快。