Pixelle-Video实战5分钟搭通一条AI短视频生成流水线【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写文案、找素材、录配音、剪辑导出这套流程手工走一遍至少半天。Pixelle-Video把这套AI短视频生成压缩成一次API调用喂进文案拿回带配音和画面的短视频。跟着走一遍5分钟就能跑起一个5分镜的AI短视频生成服务3次HTTP调用就能拿到成片。 30秒看懂AI短视频生成全流程你可以用一句话理解这个服务输入是一句主题或一篇现成文案处理发生在标准管道里输出是一条 MP4。管道内部按定标题→拆口播文案→逐句写画面提示词→逐帧合成配音和画面→拼接加背景音乐的顺序推进所有能力都收在核心对象 service.py 里模型、声音、画面风格全部靠配置切换。所以无论做一条短视频还是批量生产你调用的都是同一套组件。跑完一条任务后成片长这样画面由 HTML 模板渲染配图和配音由模型现场生成下面这张是横版模板的示例帧。注意模板的宽高比直接决定成片比例竖屏、横屏、方图在仓库里都有现成的。 5分钟跑通一条AI短视频生成服务对新手最稳的路径只有一条克隆仓库、用 uv 装依赖、写一份配置文件。git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video uv sync装完依赖后把 config.example.yaml 复制成config.yaml只填两处必填项——LLM负责写文案和 RunningHub负责出图出视频。配置文件里默认选中的图像、视频工作流都走 RunningHub所以你只填 API Key 就行不用自己部署 ComfyUI。llm: api_key: your-key base_url: https://dashscope.aliyuncs.com/compatible-mode/v1 model: qwen-max comfyui: runninghub_api_key: your-key然后一条命令把服务拉起来uv run uvicorn api.app:app --port 8000。验证成功的标志访问http://localhost:8000/health能返回正常响应再给/api/video/generate/sync发一条请求收到包含video_url、duration、file_size的返回去output/目录里就能看到成片文件说明整条链路已经通了。视频生成API核心链路拆解服务起来之后看一下一次生成请求到底走了哪些环节源头在 standard.py。喂入文案或主题先告诉系统讲什么。请求体里的mode字段分两条路generate只给一句主题由 LLM 扩写成n_scenes句口播文案范围 1~20 镜fixed则原样使用你自己写的文案一行就是一镜不做 AI 改写。{ text: 为什么要养成阅读习惯, mode: generate, n_scenes: 5 }让模型写出分镜稿文案定了接着是让模型把它变成可渲染的结构。管道先定标题可以你自己传不传就由 LLM 起再为每一镜写一句口播和一条画面提示词口播长度由请求体的最小/最大字数参数控制默认 5 到 20 字一句画面提示词默认 30~60 字。如果你想先审文案不急着出片可以单独调/api/content/narration接口只拿文案列表。挑一个画面模板分镜有了下一个问题是成片长什么样。templates/ 目录里的 HTML 文件就是模板文件名前缀直接告诉你它做什么static_*是纯排版image_*要生成配图video_*要生成动态视频。模板内部的template:media-width/height元标签还决定了生成素材的分辨率。想换强调色之类的外观通过template_params传例如template_params: {accent_color: #3498db}每个模板支持哪些参数可以用/api/templates/{path}/params接口查。合成配音、画面与成片最后是拼装环节。每一帧管道会用 TTS 合成配音、生成配图再用 HTML 模板渲染出画面帧按 30fpsvideo_fps支持 15~60逐帧拼成视频需要的话再叠一层背景音乐音量由bgm_volume控制。逐帧渲染的细节在 frame_processor.py 里按官方文档的说法一条 5 分镜的成片通常需要 2~5 分钟。 三个踩坑后的配置建议下面这三个问题都是我实际跑的时候撞上的修复方法都在配置和调用方式里。同步请求会超时的坑。现象长视频走/api/video/generate/sync迟迟不返回。原因同步接口要等渲染完整结束而 5 分镜的片子要 2~5 分钟超过多数客户端和网关的等待上限。解法改用异步接口先拿task_id再去轮询/api/tasks/{task_id}task_id post(/api/video/generate/async, body).json()[task_id] while get(f/api/tasks/{task_id}).json()[status] ! completed: time.sleep(5)分镜排队跑得慢的坑。现象用 RunningHub 工作流时画面一镜一镜地出5 个分镜体感很明显。原因runninghub_concurrent_limit默认是 1所有帧串行处理。解法如果账号有并发额度把它调到 1~10 之间管道会自动切换成并行出帧comfyui: runninghub_concurrent_limit: 4图像成本偏高的坑。现象每条 5 分镜的视频都要调 5 次图像模型是整条链路里最花钱的环节。原因image_*和video_*模板都强制走媒体生成。解法内容不需要 AI 配图时换用static_*模板能整段跳过图像提示词调用和媒体生成也不依赖 ComfyUI速度会明显变快template: default_template: 1080x1920/static_default.html挑一个场景走完整条AI短视频生成链路如果你的目标是给一个系列课程批量出讲解视频建议直接用异步接口先把所有主题提交出去拿到任务 ID再统一轮询收片。import requests BASE http://localhost:8000 for topic in [原子习惯的力量, 深度工作法]: r requests.post(f{BASE}/api/video/generate/async, json{ text: topic, mode: generate, n_scenes: 5, frame_template: 1080x1920/image_default.html}).json() print(topic, r[task_id])轮询逻辑和前面第一条建议一样status变成completed后从结果里取video_url即可。两个实践经验一是全系列的frame_template保持同一个片头视觉才统一二是想复用同一种声音在请求体里传tts_workflow和参考音频ref_audio具体做法可以看教程 voice-cloning.md。整体看Pixelle-Video 是一个开箱即用的 AI 短视频生成服务模型、声音、模板全部可替换它的上限基本由你放进 templates/ 的模板和 workflows/ 的工作流决定。单条链路跑顺之后下一步可以翻 模板开发指南 设计自己的竖版排版或者对照 配置项参考 把 config.yaml 的全部可调项过一遍。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考