阿里团队AI 全自动短视频引擎Pixelle-Video最新版

Pixelle-Video 是一款由阿里国际（AIDC）开源的AI短视频全自动化引擎，通过“LLM + ComfyUI”双核驱动，支持从脚本撰写到视频合成的全流程自动化，是极客与开发者实现视频流水线生产的理想工具。

一、这个软件能做什么？

Pixelle-Video 是一个旨在解决“短视频生产力瓶颈”的开源项目。在传统的视频制作流中，文案、分镜、画面生成、配音和剪辑往往需要在四五个不同的软件间切换。Pixelle-Video 将这一复杂链条封装成了一个“一键式”的自动化工厂。

团队背景： 该项目出自 AIDC-AI（阿里国际数字商业集团） 技术团队之手。这并非一个草台班子的练手作，而是背靠阿里强大的电商与内容技术积累。该团队近期在开源社区极为活跃，致力于将大模型能力落地到实际的内容生产（AIGC）场景中。

核心能力（Pain Points Solved）： 它主要解决的是**“从想法到成品视频”的自动化链路断层**问题。

全自动脚本：你只需输入一个主题（如“为什么咖啡让人清醒？”），它会自动调用大模型（GPT-4, Qwen等）写出分镜脚本。

视觉工业化：不同于其他工具只能调用单一绘图模型，Pixelle-Video 的核心引擎是 ComfyUI。这意味着你可以利用 ComfyUI 庞大的开源生态，随意更换生成模型（如 FLUX.1, Wan2.1, Stable Video Diffusion 等），实现真正的工业级视觉控制。

智能合成：自动处理语音合成（TTS）、字幕对齐和背景音乐混音，最后导出一个完整的 .mp4 文件。

目标市场：

内容矩阵号主：需要批量生产科普、故事、营销类短视频的创作者。

AI 应用开发者：希望基于此架构二次开发，构建垂直领域视频工具的工程师。

ComfyUI 玩家：希望将自己精心调试的工作流（Workflow）转化为自动化生产线的极客。

技术护城河： 其最大的护城河在于 “ComfyUI Native” 架构。大多数竞品（如剪映AI、MoneyPrinterTurbo早期版本）通常内置固定的绘图接口，用户很难干预画面风格。而 Pixelle-Video 允许用户直接挂载自定义的 .json ComfyUI 工作流，这使得它的画质上限直接等同于当前开源界的最强模型上限。

二、都是谁在用这个app？

1. 批量短视频创作者（TikTok/Shorts/Reels）

场景：你需要每天发布 5 条关于“未解之谜”或“冷知识”的视频。

用法：输入 5 个不同的主题，配置好一次，挂机运行。下班时，文件夹里已经躺好了 5 个带配音、字幕和 AI 原创画面的视频，稍作人工微调即可发布。

2. 全栈 AI 开发者

场景：公司需要一个内部工具，让运营同事输入商品链接就能自动生成推广视频。

用法：利用 Pixelle-Video 的 API 接口和模块化设计，将其后端接入到公司的 CMS 系统中，定制一个电商专用的视频生成工作流。

3. ComfyUI 炼丹师

场景：你设计了一个效果炸裂的“水墨风视频” ComfyUI 工作流，但每次只能手动生成一个片段，效率太低。

用法：将你的 ComfyUI 工作流导出为 API 格式，导入 Pixelle-Video，配合 LLM 的脚本控制，实现该风格视频的批量化生产。

门槛评估： 中等偏高（对于本地部署） / 低（对于云端部署）。

如果你选择本地运行，需要具备一定的 Python 环境配置能力（懂 conda, pip），且最好熟悉 ComfyUI 的基本原理。

如果你只是使用者，官方也提供了对接云端算力（RunningHub）的方案，无需本地显卡，门槛大幅降低。

三、这个app有哪些有亮点的特色功能和服务？

1. 工作流即插件（Workflow as a Plugin）

技术原理：Pixelle-Video 不硬编码绘图逻辑，而是解析 ComfyUI 的 API 格式（JSON）。

实际效果：这意味着今天流行 FLUX 模型，你只需要下载一个 JSON 文件放进去，你的视频画质就立刻升级到 FLUX 水平；明天出了 Sora 开源替代品，你也能无缝切换。这彻底解决了“工具过时”的焦虑。

2. MCP 协议深度集成（Pixelle-MCP）

技术原理：支持 Model Context Protocol (MCP)，这是一种新兴的标准协议，旨在连接大模型与外部工具。

实际效果：你可以让 Claude Desktop 或 Cursor 等 AI 助手直接“操控”你的 Pixelle-Video。比如你在编辑器里对 AI 说：“帮我把这个视频的风格改成赛博朋克”，AI 就能直接调用底层的 ComfyUI 节点进行修改。

3. 多模态混合生成

技术原理：支持“文生图”和“图生视频”的混合编排。

实际效果：在同一个视频里，它可以先用 FLUX 生成高清静态图作为关键帧，再调用 Wan2.1 或 SVD 将其转化为动态视频，保证了画面的连贯性和美学质量，远超单纯的“PPT式”视频生成。

四、如何使用该app提供的工具和服务？

前言：该工具目前主要以 GitHub 源码形式分发，上手需要一点极客精神，但回报是巨大的。

1、安装这个app对环境有哪些要求？

系统兼容性：

最佳：Windows 10/11（因为 ComfyUI 在 Windows 上生态最完善）。

支持：Linux (Ubuntu 20.04+)。

Mac：支持 Apple Silicon (M1/M2/M3)，但生成速度受限于 Metal 性能，不如 N 卡快。

硬件要求：

本地运行（Local Host）：这也是该工具的灵魂所在。强烈建议配置 NVIDIA 显卡，显存（VRAM）至少 8GB（仅生成图片）或 16GB+（如果你想跑 Wan2.1 等视频生成模型）。

内存：建议 32GB RAM。

云端运行：如果本地电脑配置低，可以仅运行轻量级的 Web UI，将繁重的计算任务通过 API 转发给 RunningHub 等云端算力平台（无需本地显卡）。

2、如何安装这个app？

保姆级教程：

环境准备：确保安装了 Python 3.10+ 和 Git。强烈推荐安装 uv（一个极速的 Python 包管理器），官方脚本依赖它。

克隆代码：

Bash
git clone https://github.com/AIDC-AI/Pixelle-Video.git
cd Pixelle-Video
安装依赖：

Bash
# 官方推荐使用 uv 安装，速度飞快
pip install uv
uv sync
配置 ComfyUI： 你需要在本地启动一个 ComfyUI 实例（默认监听 8188 端口）。确保你的 ComfyUI 已经安装了项目所需的节点（如 ComfyUI-VideoHelperSuite 等）。

配置 API Key： 复制 .env.example 为 .env，填入你的 LLM Key（如 OpenAI sk-… 或 阿里云 Qwen 的 Key）。如果使用本地 Ollama，则填入 Ollama 地址。

3、举例说明如何使用这个app

实战演示：制作一个“赛博朋克风”的短视频

Step 1：启动 Web UI 运行启动脚本（Windows下通常是 run_web.bat 或在终端输入 uv run streamlit run web/app.py）。浏览器会自动打开操作界面。

Step 2：内容设置（左侧栏）

主题：输入 Cyberpunk city at night, neon lights, rain。

生成模式：选择 AI Generate Content（AI自动写脚本）。

视频比例：选择 9:16（适合手机竖屏）。

Step 3：视觉设置（核心步骤）

ComfyUI Workflow：在下拉菜单中选择一个支持 FLUX 风格的 JSON 模板（例如 t2i_flux_dev.json）。

提示：如果你懂技术，可以在这里上传你自己修改过的 ComfyUI 工作流文件。

Step 4：一键生成 点击 Generate Video。

[此处应插入图片：Pixelle-Video 运行时的 WebUI 界面，显示进度条正在滚动]

后台日志会显示：Generating Script… -> Audio Synthesizing… -> ComfyUI Prompt Queued…。

大约 3-10 分钟后（取决于显卡），视频会自动预览播放。

4、这个app使用了哪些大模型？

文本/脚本模型：高度解耦，支持 OpenAI (GPT-4o)、Qwen (通义千问)、DeepSeek 以及本地运行的 Ollama (Llama 3)。

图像/视频模型：这取决于你挂载的 ComfyUI 工作流。官方预置或兼容的模型包括：

FLUX.1（目前最强的开源生图模型）。

Wan2.1 (万象) / SVD (Stable Video Diffusion) 用于图生视频。

SDXL（老牌稳定模型）。

5、最近升级或者增加了哪些新的功能？

支持 ComfyUI API Key：增强了安全性，适应云端部署的鉴权需求。

Nano Banana 模型支持：增加了一种新的模型调用方式。

“Sora”风格图生视频模版：新增了模拟高质量视频生成的预设工作流（注：非 OpenAI Sora 官方接口，而是指同类高质感效果）。

绝对路径与跨平台修复：修复了在 Windows 和 Linux 间路径解析的 Bug，稳定性大幅提升。

6、有关这个app还有哪些资源和工具？

GitHub 仓库：github.com/AIDC-AI/Pixelle-Video

配套项目 Pixelle-MCP：用于将 ComfyUI 转化为 AI Agent 工具。

推荐 ComfyUI 管理器：ComfyUI-Manager（这是使用 Pixelle 的前置必修课）。

五、这个app收费吗？有哪些收费的套餐或者功能？

Pixelle-Video 本身是完全免费、开源的（Apache-2.0 协议）。 你不需要付给 AIDC 团队任何软件费用。你的成本主要来自“算力”和“API调用”。

促销信息：如果你使用阿里云的 Qwen 模型（通义千问），目前 API 价格极低，甚至有大量免费 Token 额度，是性价比最高的搭配。

六、网友对这个app提出了哪些常见问题（FAQ）

Q1：Pixelle-Video 和 MoneyPrinterTurbo 有什么区别？

A：MoneyPrinterTurbo 更适合不需要关心画图细节的用户，开箱即用但画风较固定。Pixelle-Video 是为极客设计的，核心是 ComfyUI，画风上限极高，但也更难配置。

Q2：没有 N 卡（NVIDIA GPU）能用吗？

A：本地运行非常困难。建议使用其提供的“云端模式”，或者租用一台云服务器（如 AutoDL）来部署后端。

Q3：生成的视频能商用吗？

A：Pixelle-Video 代码本身是 Apache-2.0 协议，不仅可以商用，还可以闭源魔改。但生成的视频版权取决于你使用的底模（例如 FLUX.1 Dev 版本仅限非商用，Schnell 版本可商用）。

Q4：为什么我的 ComfyUI 连接失败？

A：常见原因是 ComfyUI 没有添加 –listen 参数，或者端口号（默认8188）被占用。请检查启动命令。

Q5：支持中文文案和配音吗？

A：完美支持。通过配置 Qwen 模型写中文脚本，再配合 Edge-TTS 或 CosyVoice 等插件，中文效果非常自然。

七、用户对这个app的评价怎么样？

正面评价：

“ComfyUI 工作流的集成简直是神来之笔！以前只能用那一两个固定模型，现在我可以把我在 Civitai 上下载的任何模型都用在自动化视频里了。” —— Reddit 用户

“架构非常清晰，代码写得很规范，这就是大厂开源项目的素质。对于想要二次开发的程序员来说非常友好。” —— Github Issue 评论

“Pixelle-MCP 的概念很超前，让 AI Agent 直接调用绘图工具，这可能是未来的方向。” —— Twitter 科技博主

“生成的视频一致性比那些单纯拼接图片的工具好太多了，因为可以控制 Seed 和风格参数。”

负面/中性评价：

“对小白太不友好了。如果你不懂 ComfyUI，不懂节点报错是什么意思，你可能连第一步都跑不通。希望能出个真正的‘一键安装包’。” —— 初级用户反馈

八、与同类型app对比有哪些亮点和不足？

我们将 Pixelle-Video 与目前市面上流行的竞品进行对比：

亮点 (Pros)：

ComfyUI 生态的“寄生”优势：它不需要自己去卷绘图模型，只要 ComfyUI 社区出新东西，它就能立刻用上。这是它最大的杀手锏。

完全掌控权：从脚本提示词到每一个绘图参数，开发者拥有 100% 的控制权。

不足 (Cons)：

使用门槛劝退：它不是给普通用户设计的“傻瓜软件”。它更像是一个给工程师用的“开发框架”。

依赖管理复杂：ComfyUI 自身的节点冲突问题经常会波及到 Pixelle-Video 的运行。