前面一篇我们分析了 Pixelle-Video 的 AI 文案生成流程。在generate模式下用户只需要输入一个主题系统会调用 LLM 自动生成多段解说词然后继续生成图片提示词、语音、画面和最终视频。但在真实使用中并不是所有人都希望 AI 帮自己写文案。很多时候我们已经有现成脚本只想让 Pixelle-Video 帮我们完成后面的自动化步骤已有文案 ↓ 自动拆分成多段旁白 ↓ 生成配图提示词 ↓ 生成语音 ↓ 渲染模板 ↓ 合成视频这就是 Pixelle-Video 的fixed 模式。fixed 模式可以理解为“固定文案模式”用户提供完整脚本系统不再根据主题重新写稿而是按规则把脚本拆成多个 narration再继续走后面的视频生成流程。这一篇我们就专门分析 fixed 模式。一、为什么需要固定文案模式AI 自动写稿很方便但它也有几个问题。第一内容不一定完全符合用户想法。比如你想做一条健康类短视频文案必须谨慎、准确、不能夸大。如果完全让 AI 写可能会出现表达过度、逻辑不严谨、甚至事实错误。第二风格不一定稳定。同一个主题不同模型、不同参数、不同时间生成的文案可能不一样。对于长期运营一个账号来说风格稳定很重要。第三商业项目往往需要审核过的文案。比如产品介绍、课程宣传、企业短视频文案通常需要提前确认不能让 AI 每次临场发挥。第四有些用户本身就擅长写文案。这类用户不需要 AI 帮忙写内容只需要 AI 帮忙生成素材、配音和合成视频。所以 fixed 模式解决的是一个很实际的问题把“文案创作权”交还给用户把“视频制作流程”交给 Pixelle-Video。二、fixed 模式在源码中的位置Pixelle-Video 的标准生成流程在StandardPipeline中实现。源码注释写得很明确这个 pipeline 支持两种模式generate表示由 LLM 根据主题生成 narrationfixed表示使用用户提供的脚本。标准流程会生成或确定标题、生成 narration 或拆分 fixed script、生成每段 narration 的图片提示词再逐帧生成音频、图片、合成画面和视频片段最后拼接并添加 BGM。也就是说fixed 模式不是一个完全独立的新流程而是StandardPipeline里的一个分支。核心差异发生在generate_content()这一步generate 模式 text 被当成主题 调用 generate_narrations_from_topic() 由 LLM 生成多段旁白 fixed 模式 text 被当成完整脚本 调用 split_narration_script() 按规则拆成多段旁白源码里generate_content()会先读取mode默认是generate。如果是 generate就调用generate_narrations_from_topic()否则就进入 fixed 分支读取split_mode默认是paragraph然后调用split_narration_script()。同时源码还记录了一条日志fixed 模式下n_scenes会被忽略。这点非常关键。在 generate 模式中n_scenes决定 AI 要生成几段 narration。在 fixed 模式中分段数量由你的脚本内容和拆分规则决定而不是由n_scenes决定。三、fixed 模式不是“不用 AI”而是“不用 AI 写稿”这里要先澄清一个容易误解的点fixed 模式并不等于整个流程完全不调用 AI。它准确的含义是跳过 AI 根据主题生成解说词这一步。也就是说用户已经提供了完整文案Pixelle-Video 不再调用 LLM 去扩写主题。但是后续流程可能仍然会使用 AI。例如如果你选择的是image或video类型模板plan_visuals()阶段仍然会根据每段 narration 生成图片提示词。源码中会根据模板类型判断是否需要媒体生成image模板需要图片video模板需要视频static模板则跳过媒体生成只有需要媒体时才会调用generate_image_prompts()。另外如果用户没有手动指定标题fixed 模式下determine_title()仍然会调用generate_title()并使用strategyllm从脚本中生成标题。所以 fixed 模式可以分成三种情况理解固定文案 static 模板 手动标题 基本可以跳过 LLM 写稿和图片提示词生成 固定文案 image/video 模板 手动标题 跳过 LLM 写稿但仍可能用 LLM 生成图片提示词 固定文案 image/video 模板 自动标题 跳过 LLM 写稿但仍可能用 LLM 生成标题和图片提示词因此fixed 模式更准确的名字应该是固定解说词模式而不是完全离线模式。四、split_narration_script固定文案的核心函数fixed 模式的核心函数是split_narration_script()。这个函数位于pixelle_video/utils/content_generators.py用于把用户提供的完整脚本拆分成 narration 列表。它支持三种拆分方式paragraph、line、sentence。源码注释中也明确说明paragraph按双换行拆分line按单换行拆分sentence按句末标点拆分支持中文句号、问号、感叹号以及英文. ! ?。三种模式可以这样理解paragraph 按段落拆分适合已经按分镜写好的脚本 line 按每一行拆分适合一行一句旁白的脚本 sentence 按句子拆分适合普通连续文章fixed 模式最终返回的是[第一段旁白,第二段旁白,第三段旁白]后面 Pixelle-Video 会把这个列表继续传给 storyboard 和 frame_processor。五、paragraph最推荐的固定文案拆分方式paragraph是 fixed 模式的默认拆分方式。源码中split_narration_script()在paragraph模式下会用正则按双换行拆分也就是类似\n\n的段落间隔同时它会保留段落内部的单换行只去除前后空白。这意味着你可以这样写脚本很多人以为学习效率低是因为自己不够努力。 但真正的问题往往是没有把目标拆小。 如果每天只盯着一个很大的目标大脑会天然产生压力。 更好的方法是把目标拆成今天能完成的一小步。 当你每天都有一点正反馈学习效率自然会慢慢提升。如果使用paragraph模式每个空行之间的内容就会变成一个 narration。这种方式最适合短视频制作因为你可以提前控制每一个分镜的旁白。比如第 1 段提出痛点 第 2 段解释原因 第 3 段给出反常识观点 第 4 段提出方法 第 5 段总结收尾每段就是一个镜头每段就是一段配音每段就是一个视频片段。所以如果你追求可控性我最建议用paragraph。六、line适合“一行一个镜头”的脚本line模式更简单。源码中line模式直接按\n拆分并过滤空行。例如很多人学习效率低不是因为不努力。 真正的问题是目标太大。 目标越大越容易拖延。 把目标拆成今天能完成的一步。 每天有正反馈效率自然会提升。拆分后就是1. 很多人学习效率低不是因为不努力。 2. 真正的问题是目标太大。 3. 目标越大越容易拖延。 4. 把目标拆成今天能完成的一步。 5. 每天有正反馈效率自然会提升。这种方式适合已经写成“短句列表”的脚本。它的优点是节奏快、分镜清楚。缺点是每一行可能太短生成出来的视频节奏会比较碎。如果你的目标是做 15 秒到 30 秒的短视频line 模式很好用。如果你的目标是做 1 分钟以上的讲解视频line 模式可能会让片段过多合成和配图成本也会增加。七、sentence适合普通文章转视频第三种是sentence模式。源码中sentence会先把脚本中的连续空白压成一个空格然后按句末标点拆分支持中文。和英文. ! ?。例如很多人学习效率低并不是因为不努力而是方法错了。真正高效的学习第一步是明确目标。第二步是拆分任务把大目标变成每天能执行的小动作。第三步是及时复盘知道哪里有效哪里需要调整。会被拆成1. 很多人学习效率低并不是因为不努力而是方法错了。 2. 真正高效的学习第一步是明确目标。 3. 第二步是拆分任务把大目标变成每天能执行的小动作。 4. 第三步是及时复盘知道哪里有效哪里需要调整。这种模式适合把普通文章、口播稿、小红书笔记、公众号段落快速转成短视频。但它也有明显限制如果原文句子太长每个镜头就会太长。如果原文句子太短每个镜头就会太碎。如果原文没有明显标点拆分效果会很差。如果一句话里有多个视觉场景系统不会自动进一步拆镜头。所以 sentence 模式适合“快速转视频”但不一定适合“精细控制”。八、fixed 模式的完整流程fixed 模式的完整流程可以画成这样用户输入完整脚本 ↓ StandardPipeline.generate_content() ↓ mode ! generate ↓ 读取 split_mode默认 paragraph ↓ split_narration_script() ↓ 得到 ctx.narrations ↓ determine_title() ↓ 如果用户没给标题则 LLM 生成标题 ↓ plan_visuals() ↓ 根据模板类型决定是否生成 image_prompts ↓ initialize_storyboard() ↓ 每段 narration 变成一个 StoryboardFrame ↓ produce_assets() ↓ FrameProcessor 逐帧生成音频、媒体、画面和 segment ↓ post_production() ↓ 拼接视频片段添加 BGM ↓ finalize() ↓ 保存结果和任务元数据也就是说fixed 模式只替换了最前面的内容生成部分。从ctx.narrations之后它和 generate 模式基本汇合。这也是 Pixelle-Video 设计得比较好的地方generate 模式输出 narrations fixed 模式也输出 narrations 只要变成 narrations后面的流程就可以复用这种设计让系统扩展很自然。未来你还可以增加其他内容来源比如从网页文章提取 narration 从 PDF 文档提取 narration 从字幕文件 SRT 提取 narration 从 Markdown 大纲生成 narration 从 Excel 表格批量生成 narration只要最后输出 narration 列表就能接入后面的生成链路。九、从 narration 到 StoryboardFramefixed 模式拆分完成后initialize_storyboard()会把每一段 narration 转成StoryboardFrame。源码中创建StoryboardConfig后会创建Storyboard对象然后遍历zip(ctx.narrations, ctx.image_prompts)为每一组 narration 和 image_prompt 创建一个StoryboardFrame并设置index、narration、image_prompt、created_at。可以理解为脚本文案第 1 段 → frame 0 脚本文案第 2 段 → frame 1 脚本文案第 3 段 → frame 2每个 frame 后面都会进入FrameProcessor。FrameProcessor的注释说明它负责单个 frame 的完整处理流程包括 TTS、图片生成、画面合成、视频片段生成并且以 TTS 音频时长驱动视频时长保证音频和画面同步。所以 fixed 模式里每一段文案都不是简单的文本而是后续整个视频片段的起点narration ↓ TTS 音频 ↓ 图片/视频素材 ↓ 模板画面 ↓ 视频片段这就是为什么 fixed 模式要求用户提前把脚本分好段。分段质量会直接影响视频质量。十、fixed 模式和 generate 模式的核心区别我们可以把两种模式放在一起对比。generate 模式 输入主题 文案来源LLM 自动生成 分镜数量由 n_scenes 控制 可控性较低 自动化程度较高 适合快速生成、测试选题、批量创作 fixed 模式 输入完整脚本 文案来源用户提供 分镜数量由 split_mode 和脚本结构决定 可控性较高 自动化程度中等 适合已审核文案、商业视频、口播稿转视频、账号风格固定一句话总结generate 模式适合从 0 到 1fixed 模式适合从文案到视频。如果你没有文案只想快速生成一条视频可以用 generate。如果你已经有文案或者对内容准确性要求很高应该用 fixed。十一、fixed 模式下 n_scenes 为什么被忽略源码中特别记录了一句日志Note: n_scenes is ignored in fixed mode这不是小细节而是 fixed 模式的核心特征。在 generate 模式中n_scenes的作用是告诉 LLM请生成 5 段旁白但在 fixed 模式中旁白段落已经由用户脚本决定。如果用户写了 3 段系统就拆成 3 段。如果用户写了 10 行系统就拆成 10 段。如果用户写了一篇有 20 个句子的文章sentence 模式可能拆成 20 段。这时再用n_scenes强行控制数量反而会破坏用户原文。所以 fixed 模式选择忽略n_scenes是合理的。但这也提醒我们在 fixed 模式下用户必须自己控制脚本结构。如果想要 5 个镜头就写 5 段。如果想要 8 个镜头就写 8 行或 8 个段落。十二、三种拆分模式怎么选实际使用时可以按下面原则选择。1. 做高质量短视频选 paragraph如果你已经认真写好脚本并且希望每个镜头都有明确节奏优先用段落拆分。推荐格式第一段开头钩子 第二段提出问题 第三段解释原因 第四段给出方法 第五段总结或反转每段之间空一行。这样最容易控制画面、配音和节奏。2. 做短平快内容选 line如果你做的是 15 秒、30 秒的短视频一行一句就够了。推荐格式一句痛点 一句反常识 一句解释 一句方法 一句总结这种方式节奏快适合短视频平台。3. 从文章快速转视频选 sentence如果你有一篇现成文章不想手动分段可以用 sentence。但最好先检查一下原文标点把特别长的句子拆短把太抽象的句子改得更有画面感。否则生成出来的视频可能节奏不稳。十三、fixed 模式的一个实际示例假设我们要做一条关于“学习效率”的短视频。用户输入 fixed script很多人学习效率低并不是因为不努力而是方法错了。 真正高效的学习第一步是明确目标。你要知道今天到底要完成什么。 第二步是拆分任务。不要一上来就想着学完整本书而是先完成一小节。 第三步是及时复盘。每天花五分钟看看哪里有效哪里浪费了时间。 当你能持续优化方法学习效率自然会慢慢提升。选择mode fixed split_mode paragraph template image_default.html tts_voice zh-CN-YunjianNeural bgm_mode loop系统内部会变成ctx.narrations [ 很多人学习效率低并不是因为不努力而是方法错了。, 真正高效的学习第一步是明确目标。你要知道今天到底要完成什么。, 第二步是拆分任务。不要一上来就想着学完整本书而是先完成一小节。, 第三步是及时复盘。每天花五分钟看看哪里有效哪里浪费了时间。, 当你能持续优化方法学习效率自然会慢慢提升。 ]然后继续生成5 段 TTS 音频 5 个图片提示词 5 张图片或 5 段视频素材 5 个视频片段 1 个最终 MP4这就是 fixed 模式的核心价值你控制内容Pixelle-Video 控制生产流程。十四、固定文案模式特别适合哪些场景fixed 模式适合这些场景。1. 健康、财经、法律等高风险内容这类内容不能完全依赖 AI 即兴生成。你可以先人工写稿或审核再让 Pixelle-Video 做配音和合成。2. 产品介绍视频产品卖点、功能描述、价格信息、使用步骤都应该准确。fixed 模式可以保证文案不乱改。3. 课程和知识付费内容课程脚本通常需要结构严谨。fixed 模式可以把已经打磨好的讲稿转成视频。4. 批量口播稿转视频如果你已经有大量口播稿可以按段落整理然后批量生成视频。5. 账号风格固定的短视频比如你有固定的开头、固定的结尾、固定的话术fixed 模式更容易保持一致。十五、fixed 模式的优点fixed 模式最大的优点是可控。具体来说有几个方面。第一文案可控。系统不会重新改写你的核心表达。第二结构可控。你写几段基本就对应几个分镜。第三风格可控。你可以保持自己的表达习惯不受 LLM 风格影响。第四审核可控。文案可以先人工审核再生成视频。第五成本可控。如果搭配 static 模板和手动标题可以减少 LLM 和媒体生成调用。第六适合批量生产。一批脚本按统一格式整理后就可以进入同一套视频生成流程。十六、fixed 模式也有不足fixed 模式虽然可控但也不是万能的。1. 不会自动优化文案如果你的脚本节奏很差fixed 模式不会主动帮你改。比如这个方法非常重要因为它在很多情况下都能够帮助我们更好地提升整体效率并且在实际操作过程中也会带来很多不一样的体验。这句话太长TTS 会拖画面也不好配。fixed 模式会照着读不会自动压缩。2. 分段质量完全取决于用户如果你一整篇文章没有空行又选择 paragraph 模式那可能只会拆出一个 narration。如果你每行只有两三个字又选择 line 模式视频会碎成很多短片段。3. 画面提示词仍可能不稳定如果使用 image/video 模板后续的 image prompts 仍可能由 LLM 生成。文案越抽象生成画面越难。4. 标题可能仍被 AI 生成如果你不传标题fixed 模式下系统仍可能调用 LLM 生成标题。如果你希望完全控制结果最好手动填写标题。十七、使用 fixed 模式的脚本写法建议如果你真的要用 fixed 模式生成短视频建议脚本这样写。第一每段只表达一个意思。不要一段里又讲痛点又讲原因又讲解决方案。最好一个段落对应一个镜头。第二每段长度控制在 1 到 3 句话。太短视频碎。太长配音拖。第三尽量写具体画面。比如不要只写很多人都很焦虑。可以改成深夜十一点很多人还在刷手机一边焦虑明天的工作一边停不下来。后者更容易生成画面。第四开头要有钩子。短视频前 3 秒很重要。第一段最好直接提出痛点、反常识或强问题。第五结尾要有收束。最后一段最好总结观点或者给用户一个明确动作。第六如果要完全控制内容手动填写标题。这样可以避免系统调用 LLM 重新生成标题。十八、二次开发可以怎么优化 fixed 模式如果你想基于 Pixelle-Video 做二次开发fixed 模式有不少可优化点。1. 增加“预览拆分结果”现在 fixed 模式的拆分逻辑很清楚但用户最好能在生成前看到系统拆出了几段 每段是什么 每段预计配音多长 是否有段落太长 是否有段落太短这样可以减少生成失败或效果不佳的情况。2. 增加“智能拆分但不改写”可以增加一个新模式smart_split它不改写用户文案只让 LLM 帮忙把文案拆成更适合短视频的片段。这样兼顾 fixed 的可控性和 AI 的辅助能力。3. 增加“长度检查”在split_narration_script()后可以检查每段长度。例如少于 8 个字提示太短 超过 80 个字提示太长 超过 150 个字建议拆分这样能提升视频节奏。4. 增加“镜头可视化检查”如果某段 narration 太抽象可以提示用户改写。比如人生的本质是不断寻找秩序。可以提示这句话比较抽象建议改成具体场景方便生成画面。5. 增加 SRT 字幕导入很多用户已经有字幕文件。如果支持 SRT就可以直接把字幕片段转成 narration并保留时间轴。6. 增加 Markdown 分镜格式可以让用户这样写## 镜头 1 旁白很多人学习效率低并不是因为不努力。 画面深夜书桌年轻人疲惫学习。 ## 镜头 2 旁白真正的问题是目标太大。 画面白板上写着巨大目标被拆成几个小任务。这样可以同时控制 narration 和 image_prompt。这个方向很适合把 Pixelle-Video 改造成专业的短视频脚本工具。十九、源码阅读建议如果你要读 fixed 模式相关源码可以按这个顺序1. pixelle_video/pipelines/standard.py 看 generate_content() 如何根据 mode 分支进入 fixed 模式 2. pixelle_video/utils/content_generators.py 看 split_narration_script() 的 paragraph / line / sentence 拆分逻辑 3. pixelle_video/pipelines/standard.py 继续看 determine_title()注意 fixed 模式下无标题时会调用 LLM 4. pixelle_video/pipelines/standard.py 看 plan_visuals()理解 fixed 文案如何继续生成图片提示词 5. pixelle_video/models/storyboard.py 看 narration 如何变成 StoryboardFrame 6. pixelle_video/services/frame_processor.py 看每个 frame 如何继续生成音频、画面和视频片段这个阅读顺序能把 fixed 模式从入口到最终视频片段串起来。二十、总结这一篇我们分析了 Pixelle-Video 的固定文案模式。fixed 模式的核心链路是用户输入完整脚本 ↓ mode fixed ↓ split_narration_script() ↓ paragraph / line / sentence 拆分 ↓ ctx.narrations ↓ 生成标题或使用用户标题 ↓ 根据模板决定是否生成图片提示词 ↓ 创建 StoryboardFrame ↓ TTS 配音 ↓ 生成图片/视频素材 ↓ 模板渲染 ↓ 生成视频片段 ↓ 拼接最终视频它和 generate 模式最大的区别是generate 模式 AI 根据主题写文案 fixed 模式 用户提供文案系统只负责拆分和视频化fixed 模式特别适合那些对内容准确性、风格一致性、审核流程有要求的场景。如果一句话总结Pixelle-Video 的 fixed 模式本质上是把用户写好的脚本转换成 narration 列表然后复用后续的配图、配音、模板渲染和视频合成流程。