Pixelle-Video：基于 ComfyUI 的模块化 AI 短视频生成引擎最新版

Pixelle-Video 是一个开源的全自动短视频生成系统，用户只需输入一个主题，即可自动完成文案撰写、图像/视频生成、语音合成、配乐添加与最终合成的完整流程。项目采用模块化设计，底层基于 ComfyUI 工作流架构，所有能力均可灵活替换或扩展，适合希望兼顾自动化效率与创作控制权的用户。

最新版本（2025 年 12 月）新增自定义素材支持，允许用户上传自有图片或视频，系统将通过多模态模型分析内容，并据此生成匹配的解说文案与旁白，进一步降低创作门槛。

核心能力

智能文案生成

• 基于用户输入的主题（如“如何高效学习”），调用 LLM（如 GPT-4o、通义千问、DeepSeek 或本地 Ollama 模型）生成结构化解说脚本
• 支持跳过 AI 创作，直接输入固定文案用于视频生成

视觉内容生成

• AI 配图：为每段文案生成匹配插图，支持 FLUX、WAN 2.1 等图像模型
• AI 视频：可生成动态背景视频（如抽象动画、场景模拟）
• 自定义素材（v2025.12.04 新增）：
  • 上传图片：AI 自动识别内容并生成描述
  • 上传视频：分析场景、人物、动作，用于脚本上下文理解
  • 基于素材与用户意图，自动生成解说词并匹配画面

语音与音频

• 支持多种 TTS 引擎：Edge-TTS（免费）、Index-TTS（支持语音克隆）、ChatTTS 等
• 可上传参考音频实现声音克隆（需对应 TTS 工作流支持）
• 支持背景音乐（BGM）：
  • 内置默认音乐
  • 自定义 MP3/WAV 文件（放入 bgm/ 目录）

视频合成与模板

• 提供多类 HTML 视频模板：
  • static_*.html：纯文字动画（无需媒体生成）
  • image_*.html：以 AI 图片为背景
  • video_*.html：以 AI 视频为背景
• 支持竖屏（9:16）、横屏（16:9）、方形（1:1）等多种比例
• 模板与工作流可自行扩展（放入 templates/ 或 workflows/ 目录）

技术架构：模块化 + 可组合

Pixelle-Video 采用 “原子能力 + 工作流” 设计，整个生成流程分为四步：

1. 文案生成 → 2. 配图/视频规划 → 3. 逐帧媒体生成 → 4. 最终合成

每个环节均可独立配置：

• LLM 可切换为 OpenAI、Qwen、DeepSeek 或本地 Ollama
• 图像生成可选择本地 ComfyUI 或云端 RunningHub
• TTS 可替换为任意 ComfyUI 兼容工作流
• 视觉风格通过 Prompt Prefix（英文）全局控制，如：
  

  “Minimalist black-and-white matchstick figure style, clean lines”

使用流程（Web 界面）

1️⃣ 系统配置（首次使用）

• LLM 设置：选择模型（如 Qwen-Max）、填写 API Key 与 Base URL
• 图像设置：
  • 本地：填写 ComfyUI 地址（默认 http://127.0.0.1:8188）
  • 云端：填写 RunningHub API Key
• 点击“保存配置”后即可使用

2️⃣ 内容输入（左侧）

• 选择生成模式：AI 自动生成文案 或 手动输入固定脚本
• 选择 BGM：无 / 内置 / 自定义

3️⃣ 语音与视觉（中间）

• TTS 工作流：从下拉菜单选择（自动扫描 workflows/）
• 图像工作流：选择 ComfyUI 流程（默认 image_flux.json）
• 模板选择：按尺寸分组，支持预览

4️⃣ 生成与预览（右侧）

• 点击“生成视频”，实时显示进度（如“分镜 3/5 - 生成插图”）
• 完成后自动播放预览，视频保存至 output/ 目录

成本与部署选项

所有本地组件（ComfyUI、Ollama）均为开源免费工具，项目本身不收取任何费用。

常见问题

Q：生成一个视频需要多久？
A：取决于分镜数量、模型响应速度与本地硬件。通常 2–5 分钟可完成 60 秒视频。

Q：效果不满意如何调整？
A：可分别优化：

• 换 LLM 模型（改变文案风格）
• 调整 Prompt Prefix（改变图像风格）
• 更换 TTS 或上传参考音频（改变语音）
• 试用不同视频模板（改变排版）

Q：是否支持批量生成？
A：是。v2025.11.18 起支持一次性提交多个主题，系统并行处理，提升批量创作效率。

适用场景

• 内容创作者：快速生成知识类、观点类短视频初稿
• 教育工作者：将知识点转化为带解说的可视化视频
• 开发者/研究者：基于 ComfyUI 扩展自定义工作流（如集成新 TTS 或生图模型）