📌 项目地址：AIDC-AI/Pixelle-Video | ⭐ 20,412 颗星 | 🔧 Python | 📜 Apache-2.0
一句话说清
Pixelle-Video 是一个 AI 视频编排管线。你输入一个主题，它依次调用 LLM 写文案、图像/视频生成模型做配图、TTS 合成语音、加背景音乐，最后拼成 MP4。项目本身不跑任何生成模型，所有视觉和语音能力都来自外部 API（DashScope、OpenAI、Kling、Edge-TTS 等）。2026 年 6 月刚更新了直连 API 的媒体模型配置，改模组供应商和代理开关比以前灵活。
截至我写这篇文章时，GitHub 有 20412 个 star，更新日志显示过去半年几乎每月都有新功能——比如数字人口播、动作迁移、自定义素材、RunningHub 并发控制。但 star 多不代表品质完美，下面说实际使用中的几个关键点。
安装：Windows 用户 2 分钟，其他平台需要自己挖命令
Windows 最简单：去 GitHub Releases 下载整合包（点那个 Latest 就行），解压后双击 start.bat，浏览器自动打开 http://localhost:8501。整合包自带 Python、uv、ffmpeg，不用管环境。从解压到看到 WebUI 界面，我实测不到 2 分钟。
macOS/Linux 用户就有点头疼。README 只给了怎么装 uv 和 ffmpeg（macOS: brew install ffmpeg；Ubuntu: sudo apt install ffmpeg），但没写怎么启动 WebUI。我翻了项目根目录发现 app.py，试了 streamlit run app.py 能正常跑起来。如果你没用过 Streamlit，到这一步肯定卡住。建议 Windows 用户直接选整合包；macOS/Linux 用户要么等作者补全启动说明，要么自己翻 pyproject.toml 确认依赖和入口。
流程：文案→配图→合成，每步可以换模型
Pixelle-Video 的生成流程分四步：
- 文案生成：调用你配置的 LLM（GPT、DeepSeek、通义千问、Ollama 等），根据主题写解说词。
- 配图规划：AI 决定每句话应该配什么图或视频。
- 逐帧处理：调用图像生成（如 DALL·E、Seedream）或视频生成（如 WAN 2.1、Kling）逐一产出素材。2025-12-04 更新的“自定义素材”功能允许你上传自己的照片/视频，AI 智能分析后生成脚本。
- 合成：加 TTS 语音（Edge-TTS、Index-TTS 等）、背景音乐，拼成最终 MP4。
每一环都可以单独替换模型供应商。比如文案用 DeepSeek，图像用通义万相，视频用 WAN 2.1。2026-01-14 更新后还加入了“数字人口播”和“图生视频”流水线，2026-01-26 更新了“动作迁移”模块——上传参考视频和图片，让画面模仿动作。
成本：不是买断软件，每次生成都在烧 API 费用
Pixelle-Video 完全免费开源，但让它跑起来需要自备以下 API Key：
- LLM（写文案）
- 图像生成（AIGC 配图）
- 视频生成（可选）
- TTS（部分免费如 Edge-TTS，部分收费）
具体费用取决于你选的模型。比如文案用 DeepSeek 一次不到 1 分钱；图像用通义万相大约 0.2~0.5 元/张，用 DALL·E 3 则是 2 元/张；视频用 Kling 大概 1 元/10 秒。一个 60 秒竖屏视频，如果全用静态图配免费 TTS，总成本可能在 1-3 元；如果加入动态视频和付费配音，可以到 5-10 元。README 没有给出任何官方定价，以上是我根据各 API 公开价格估算，实际以你使用的服务为准。
注意：2025-11-18 更新加入了批量创建功能，可以一次输入 10 个主题排队生成。如果你做 A/B 测试，成本会叠加，提前算好。
实际体验：优点和槽点都很明显
优点
- 部署快（Windows 整合包已配置好所有依赖）
- 模型切换方便：在 WebUI 的“⚙️ 系统配置”里改供应商和 Base URL 就行，2026-06-01 更新后还支持设置代理开关
- 模块丰富：数字人口播、动作迁移、自定义素材等，比单纯的“文字转视频”多了扩展性
槽点
- API Key 配置是最大门槛：一旦某个 Key 失效或额度超限，生成到一半会崩，日志只显示“API调用失败”，不会告诉你具体是哪个服务。我建议你在线调试工具先验证 Key，再丢给 Pixelle-Video。
- 输出质量取决于模型：用免费生图 API 容易出现人脸崩坏、画面之间缺乏逻辑过渡（比如从“养生茶”直接跳到“跑步”）。字幕位置固定不可调，转场特效基本为零。它产出的是“短视频草稿”，不是可直接发布的成品。
- TTS 曾经不稳定：官方 2025-12-10 更新明确写了“锁定 edge-tts 版本修复 TTS 服务不稳定问题”。如果你遇到语音断裂，可以先检查 edge-tts 版本，或者改用 Index-TTS。2026-06-01 更新后可以在 WebUI 直接配置 TTS 服务的 Base URL 和代理，自己自建 TTS 服务会方便一些。
- 更新快，旧版整合包跟不上：比如 2026-06-01 新加的直连 API Base URL 配置，在 2025-12 的整合包里就没有。建议 Watch 仓库的 Release，有更新时重新下载。
这工具到底给谁用？
适合：你手上已经有几个 AI 模型的 API Key（通义、DeepSeek、OpenAI 等），想快速对比不同图像/TTS/视频模型生成视频的效果。Pixelle-Video 让你统一在 WebUI 里切换供应商，省去写编排代码的事。同时也适合折腾“数字人口播”“动作迁移”这类新模块，单独拿出来玩也挺有意思。
不适合：想找全离线免费工具的人（所有 AI 能力都走 API 且依赖网络）。对画质、构图、字幕样式、转场有专业要求的人。不愿意花时间调试 API 配置的人（Key 过期或模型改地址就得手动改）。
一点唠叨
Pixelle-Video 是一个好的“视频生成测试台”。如果你只想评估几个图像/视频生成模型的效果，用它很合适。如果你想用它替代剪映做正式内容，建议先跑几个样本，看输出质量能否接受。能接受偶尔的调试和 1-3 元/分钟的成本，可以一试；否则老老实实自己剪辑。