Pixelle-Video 是阿里 AIDC-AI 开源的 AI 全自动短视频引擎：输入一个主题，自动走「文案生成 → 配图规划 → 逐帧处理 → 视频合成」全流程产出成片，基于 ComfyUI 架构把生图/生视频/TTS 做成可替换的原子能力，文案支持 GPT/通义千问/DeepSeek/Ollama，配图可换 FLUX，配音支持 Edge-TTS/Index-TTS/音色克隆，Python + Streamlit Web 界面 + ffmpeg/moviepy 合成。
来源：README desc + 功能亮点 + 视频生成流程 + pyproject 查看 GitHub 仓库 →短视频内容生产是巨大的刚需场景，但从主题到成片要串文案、配图、配音、剪辑多个环节，门槛高。Pixelle-Video 把这条链路做成「输入主题、全自动出片」：AI 写解说词、每句话配 AI 插图、可选 AI 生成动态视频（WAN 2.1）、多种 TTS 配音 + BGM + 模板风格 + 竖屏/横屏尺寸。它的差异化在于不是写死的 pipeline，而是基于 ComfyUI 架构把每个环节做成可替换原子能力（换生图模型、换 TTS、加数字人口播/图生视频/动作迁移等扩展模块），既能用预置工作流也能自定义。背靠阿里 AIDC-AI（国际数字商业）的品牌与中文场景适配，加上一键整合包降低 Windows 用户门槛，是「AI 自动短视频」这条赛道上 18K★ 量级、工程完成度较高的开源实现。
来源：README 功能亮点 / 视频生成流程 / 扩展模块 + GitHub stars模块化设计的生成流程：文案生成（AI 据主题写解说词）→ 配图规划（每句话规划画面）→ 逐帧处理（逐句生成插图/视频片段 + 配音）→ 视频合成（ffmpeg/moviepy 把图、音、字幕、BGM 合成成片）。每个环节都可换不同 AI 模型、音频引擎、视觉风格。
来源：README '视频生成流程' 节 + pixelle_video/ 核心目录基于 ComfyUI 架构把生图、生视频、TTS 等能力做成原子节点，可用 workflows/ 下的预置工作流，也可自定义任意能力——如把生图模型换成 FLUX、把 TTS 换成 ChatTTS。图像生成可对接自托管 ComfyUI 地址，或用 RunningHub 的云端 API Key。
来源：README 功能亮点（原子能力灵活组合）+ 系统配置 + workflows/ 目录（31 文件）文案/解说词支持 GPT、通义千问、DeepSeek、Ollama 等多家 LLM；配音支持 Edge-TTS、Index-TTS 等主流 TTS 方案，并支持克隆音色（个人成长类示例用克隆音色）。让创作者按成本/质量/语种选择不同引擎。
来源：README 功能亮点 + 语音设置节 + 视频示例（克隆音色）除静态配图外，支持用 AI 视频生成模型（如 WAN 2.1）创建动态视频内容；扩展模块覆盖数字人口播（含韩语等多语种）、图生视频、动作迁移（如把动作迁到卡通形象）等更高阶玩法。
来源：README 功能亮点 + '扩展模块视频展示'（数字人口播/图生视频/动作迁移）多种视觉模板（人文纪实/文化解构/科学思辨等默认模板）呈现不同风格；支持竖屏、横屏等多种尺寸适配不同平台；可加背景音乐增强氛围。模板与素材在 templates/ 与 bgm/ 目录。
来源：README 功能亮点 + 视频示例（各类模板）+ templates/ 与 bgm/ 目录web/app.py 是 Streamlit 构建的图形界面（默认 http://localhost:8501），分内容输入（左）、语音/视觉设置（中）、生成视频（右）三栏；api/ 提供 FastAPI 接口层。首次使用在「系统配置」面板填 LLM API Key 和 ComfyUI/RunningHub 配置。
来源：README 快速开始 / 使用方法 + web/ 与 api/ 目录 + pyproject（fastapi）Windows 提供一键整合包（推荐 Windows 用户）；macOS/Linux 从源码 `uv run streamlit run web/app.py`（uv 自动装依赖，需先装 uv + ffmpeg）；另有 Dockerfile + docker-compose.yml + docker-start.sh 容器化部署，packaging/ 放打包脚本。
来源：README 快速开始 + Dockerfile/docker-compose.yml/start_web.sh + packaging/Pixelle-Video 是模块化的 Python 项目，核心在 pixelle_video/（51 文件），按「文案生成 → 配图规划 → 逐帧处理 → 视频合成」四段流水线组织，每段是可替换的模块。生图/生视频/TTS 等重计算能力不自己实现，而是基于 ComfyUI 架构对接：workflows/（31 文件）放 ComfyUI 工作流，图像生成可指向自托管 ComfyUI 或 RunningHub 云 API，这让「换模型/换能力」变成换工作流而非改代码。表现层是 Streamlit（web/，36 文件）做三栏式 Web 界面 + FastAPI（api/，30 文件）做接口；最终合成靠 ffmpeg-python + moviepy 1.0.3 把图像、TTS 音频、字幕、BGM 拼成视频。templates/（34）+ bgm/ + resources/ 是模板与素材；docs/（122 文件）是 mkdocs 文档站；用 uv 管依赖、Docker 容器化、Windows 一键整合包降门槛。设计判断：把「编排逻辑（Python 流水线）」和「重计算能力（ComfyUI 工作流）」解耦是这套架构最聪明的取舍——既复用了 ComfyUI 庞大的模型生态、又把自己的代码量控制在编排和合成上；但也因此强依赖 ComfyUI 环境（或 RunningHub 付费 API）和大量外部模型，开箱即用程度受限于用户本地的生图/生视频能力是否备齐。moviepy 锁在 1.0.3 这种老版本也提示合成层有兼容性包袱。
来源：tree（pixelle_video/web/api/workflows）+ pyproject + README 视频生成流程/系统配置中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
moviepy 1.0.3 + ffmpeg-pythonComfyUI 工作流（自托管）或 RunningHub 云 API多 LLM：GPT / 通义千问 / DeepSeek / Ollama多 TTS：Edge-TTS / Index-TTS / ChatTTS…WAN 2.1 等 AI 视频生成模型uv1. 自媒体/口播创作者：输入主题一键产出带 AI 文案、配图、配音、BGM 的竖屏短视频，省去逐环节制作；2. 批量内容生产：人文纪实、文化解构、科学思辨等模板化选题快速成片，适配不同平台尺寸；3. 数字人口播 / 多语种：用扩展模块做数字人讲解（含韩语等），或克隆音色做个人 IP 内容；4. 想自定义生成能力的进阶用户：基于 ComfyUI 架构换生图模型（FLUX）、换 TTS（ChatTTS）、加图生视频/动作迁移工作流；5. 已有 ComfyUI 环境的团队：把现成工作流接进 Pixelle-Video 的编排流水线，复用模型生态做自动化视频管线。
来源：README 功能亮点 / 视频示例 / 扩展模块 / 系统配置v0.1.15（2026-01-27，pyproject 版本同为 0.1.15）。最近 5 个 release：v0.1.10 (2025-12-10) → v0.1.11 (2025-12-28) → v0.1.12 (2026-01-14) → v0.1.14 (2026-01-26) → v0.1.15 (2026-01-27)。注意 release tag 停在 1 月，但仓库 pushed_at 到 2026-05-18 仍在更新，说明近期迭代走主分支提交而非打 tag，拿 release 与拿主分支会有功能差异。
来源：GitHub Releases API（5 个 tag）+ pyproject version + repo pushed_at如果你要做 AI 自动短视频、尤其面向中文场景，Pixelle-Video 是目前完成度较高的开源方案：主题进、成片出的全自动流水线，基于 ComfyUI 把生图/生视频/TTS 做成可替换原子能力，多 LLM/多 TTS/模板/尺寸/数字人扩展都齐。务实建议：1) 先想清楚生图怎么来——「全自动出片」的真实门槛在 ComfyUI 侧：要么自己搭 ComfyUI + 显卡 + 模型，要么用 RunningHub 付费 API，光装好 Pixelle-Video 只能做文案+TTS 的有限部分；2) Windows 用户直接用一键整合包，macOS/Linux 先装好 uv + ffmpeg 再 `uv run streamlit run web/app.py`；3) 注意 release tag 停在 1 月但主分支更到 5 月，要新功能拉主分支、要稳定用 release，别混；4) 成片质量随各环节模型波动、且生图/生视频吃显卡或云费用，批量生产前先算单条视频的时间和成本；5) 想深度自定义就学 ComfyUI 工作流（换 FLUX 生图、换 ChatTTS、加图生视频/动作迁移），这是它最大的灵活性所在；6) moviepy 锁 1.0.3 等合成层兼容包袱，遇到环境问题优先按官方文档而非自行升级依赖。
来源：综合分析Pixelle-Video 是阿里 AIDC-AI 开源的 AI 全自动短视频引擎：输入一个主题，自动走「文案生成 → 配图规划 → 逐帧处理 → 视频合成」全流程产出成片，基于 ComfyUI 架构把生图/生视频/TTS 做成可替换的原子能力，文案支持 GPT/通义千问/DeepSeek/Ollama，配图可换 FLUX，配音支持 Edge-TTS/Index-TTS/音色克隆，Python + Streamlit Web 界面 +…
Pixelle-Video 的核心功能包括：主题→成片全自动四段流水线、ComfyUI 架构的可替换原子能力、多 LLM 文案 + 多 TTS 配音、AI 生成动态视频 + 扩展模块、模板风格 + 尺寸 + BGM。
短视频内容生产是巨大的刚需场景，但从主题到成片要串文案、配图、配音、剪辑多个环节，门槛高。Pixelle-Video 把这条链路做成「输入主题、全自动出片」：AI 写解说词、每句话配 AI 插图、可选 AI 生成动态视频（WAN 2.1）、多种 TTS 配音 + BGM + 模板风格 + 竖屏/横屏尺寸。
1. 自媒体/口播创作者：输入主题一键产出带 AI 文案、配图、配音、BGM 的竖屏短视频，省去逐环节制作；2. 批量内容生产：人文纪实、文化解构、科学思辨等模板化选题快速成片，适配不同平台尺寸；3. 数字人口播 / 多语种：用扩展模块做数字人讲解（含韩语等），或克隆音色做个人 IP 内容；4. 想自定义生成能力的进阶用户：基于 ComfyUI 架构换生图模型（FLUX）、换 TTS（ChatTTS）、加图生视频/动作迁移工作流；5.