阿里Pixelle-Video：开源AI全自动短视频引擎，零成本一键出片

核心摘要（Key Takeaways）

Pixelle-Video 是阿里通义实验室推出的 开源全自动视频生成引擎，输入一句话主题即可自动完成脚本、配图/视频、语音、BGM 与合成，无需剪辑经验。
支持 文生视频 和 图生视频 两种模态，可生成最长约 16秒 的视频，风格覆盖写实、卡通、3D 等多种类型，分辨率可达 720p / 1080p。
基于 ComfyUI 生态 的模块化架构，可灵活替换 LLM、图像生成、TTS 等模块；提供 Windows 一键整合包，本地部署完全免费（Apache 2.0 开源协议）。
项目已获 GitHub 13,400+ 星标，活跃开发中，适合 自媒体运营者、知识博主、不擅长剪辑的用户 以及 AI 视频创作者 使用。

它是什么

Pixelle-Video 是阿里巴巴通义实验室研发的 开源视频生成框架，它通过 扩散模型 + 时空注意力机制，将一句话主题或一张参考图自动转化为完整的短视频。与传统的 AI 视频工具不同，Pixelle-Video 不再只聚焦于“画面生成”，而是打通了 “选题→脚本→分镜→画面→配音→合成” 的全链路，实现真正的一键出片。

阿里Pixelle-Video 官网截图

项目完全开源，代码仓库托管在 GitHub，同时提供了面向普通用户的 Windows 一键整合包，下载解压后即可在浏览器中操作，无需编码或剪辑基础。它的底层能力依托于阿里自研的 WAN 2.1（通义万相 2.1） 视频生成模型，并在 VBench 评测中表现突出。

主要功能和特点

Pixelle-Video 将短视频生产的全流程拆解为五个自动化环节：

文案生成 → AI 配图/视频 → 语音合成 → 背景音乐 → 一键合成

每个环节均支持独立配置，具体功能亮点包括：

全自动生成流水线：输入主题后，系统依次完成脚本撰写、分镜规划、画面生成、配音配乐和最终视频合成，无需人工干预。
双模态创作：支持 文生视频（Text-to-Video）和 图生视频（Image-to-Video），并能融合多风格视觉表达。
丰富的 AI 模型选择：
- LLM：通义千问、GPT-4o、DeepSeek、Ollama 等；
- 图像/视频生成：FLUX、WAN 2.1、DALL·E、Stable Diffusion，并可通过 ComfyUI 节点接入更多模型；
- 语音合成：Edge-TTS、Index-TTS、ChatTTS，支持上传参考音频进行声音克隆。
高自由度定制：
- 支持自定义 HTML/CSS 视频模板，可打造专属视觉风格；
- 可直接替换 ComfyUI 工作流（JSON 文件），无缝集成 ControlNet、LoRA 等高级控制。
多种高级视频模式：
- 数字人口播：上传一张照片和音频，生成对口型视频，支持多语言；
- 动作迁移：将参考视频中的动作迁移至新图片，实现动态效果；
- 自定义素材分析：上传自有照片/视频，AI 智能生成匹配脚本。
本地 + 云端混合运行：既支持全本地运行（零成本），也支持调用 DashScope、OpenAI、Seedream、Kling 等云端 API，兼顾算力不足的设备。
多平台视频格式：内置竖屏、横屏、方形等多种比例模板，适配抖音、B站、YouTube 等渠道。

如何使用 / 注册 / 安装

Windows 用户：一键整合包（推荐）

访问 Pixelle-Video GitHub Releases 页面，下载最新的 Windows 一键整合包（包含所有核心模型和运行环境）。
解压后双击启动程序，服务启动后浏览器会自动打开 Web UI 界面。
在界面中输入视频主题，选择模板风格、画面生成模型、语音方案等参数，点击“生成”，稍等片刻即可得到成品视频。

Linux / macOS 用户：源码部署

克隆仓库：

git clone https://github.com/AIDC-AI/Pixelle-Video.git
cd Pixelle-Video

安装依赖（建议使用 conda 创建 Python 3.10+ 环境）：
```
pip install -r requirements.txt
```
配置 ComfyUI 工作流：将准备好的工作流 JSON 文件放入 workflows/ 目录；如需本地运行 WAN 2.1，请根据 README 下载对应模型并放置于指定路径。
启动 Web 服务：
```
python app.py
```
浏览器访问 http://localhost:7860 即可使用。

生成流程示例

以“生成一段咖啡科普短视频”为例，操作极其简单：

输入主题：“为什么喝完咖啡反而想睡觉？”
选择 LLM：通义千问（生成文案）
选择生图模型：FLUX-dev（生成相应插画）
选择语音：Edge-TTS（中文女声）
点击生成，约 3‑10 分钟（视 GPU 性能而定）后，一条带字幕、配音和背景音乐的科普视频便会保存到 output/ 目录。

官网地址和入口

GitHub 仓库：https://github.com/AIDC-AI/Pixelle-Video
官方展示 / 社区站点：https://pixelle.ai （提供在线演示和部分能力体验）
Windows 整合包下载：见 GitHub Releases 页，或直接通过项目主页获取。

价格 / 适用平台 / 适合人群

费用方案

Pixelle-Video 本身 完全开源免费（Apache 2.0 许可证），核心成本取决于你选择的模型运行方式：

方案类型	配置方式	单次视频成本	硬件要求
完全免费	LLM 用 Ollama 本地 + ComfyUI 本地	0 元	一张 NVIDIA 显卡（建议 ≥12 GB 显存）
低成本	LLM 调用通义千问 API + ComfyUI 本地	几分钱（API 计费极低）	同上
全云端	LLM 用 OpenAI + 图像生成用 RunningHub	几角至数元	无显卡要求，普通电脑即可

数据参考：WAN 2.1 的 1.3B 参数模型仅需约 8.2 GB 显存，一张 RTX 4060 级别显卡即能在 4 分钟内 生成一段 5 秒的 480P 视频；因此本地完全免费方案的门槛并不高。

适用平台

生产环境推荐：Windows 整合包（开箱即用）
高级用户：Linux / macOS 源码部署
硬件最低要求：64 位系统，8 GB 以上内存，支持 CUDA 的 NVIDIA 显卡（或使用云端 API 规避显卡限制）

适合人群

自媒体运营者：批量生成短视频，大幅降低内容生产成本；
知识博主 / 教育创作者：快速将图文内容转化为带配音的视频，拓展分发渠道；
零剪辑经验的小白：纯浏览器操作，无需学习 Premiere 或 Final Cut；
AI 视频开发者：开源架构、基于 ComfyUI，便于二次开发、自定义工作流和集成到已有管线。

竞品对比表

特性	Pixelle-Video（本工具）	Runway Gen‑2/Gen‑3	Pika	OpenAI Sora
开源 / 本地部署	✅ 开源，完全本地运行	❌ 纯云端商业产品	❌ 云端	❌ 未开放
视频最长时长	≈16 秒（可扩展）	约 4‑16 秒	约 3 秒（早期）	最长 60 秒（测试版）
全链路自动化	✅ 脚本→画面→配音→合成	❌ 仅视频生成	❌ 仅视频生成	❌ 仅生成
多模型兼容性	极高（ComfyUI 生态）	受限	受限	封闭
费用	免费（本地） / 极低（API）	订阅制（$12‑35/月）	免费额度+付费	未定
对用户剪辑能力要求	零	中等（需后期处理）	低	低
最适合场景	知识科普、批量短视频、个性化创作	电影级特效、短剧	社交媒体整活	高质量创意视频

结论：如果你追求 零成本、自动化、可深度定制 的短视频生产线，Pixelle-Video 是当前最具性价比的开源选择。

典型应用场景

科普类短视频：输入“为什么黑洞连光都逃不出来？”，自动生成天文插画 + 解说配音进行知识科普。
产品介绍：为电商商品生成快速展示视频，统一模板风格，批量产出。
社交媒体运营：抖音/B站竖屏内容，每天一键出品多条，保持账号活跃。
教育课件：把教案文字转化为图文配音视频，提升远程教学效果。
AI 创意实验：开发者利用自定义工作流，结合 LoRA 角色，快速测试虚拟人、动画短片等新玩法。

最近 3‑6 个月动态

2026 年 5 月：Windows 一键整合包发布，大幅降低了安装门槛；同月，项目在 GitHub 上的星标数突破 13,400，Fork 数达到 2,015（数据源：X 平台 @justloveabit 及博客园文章）。
持续迭代：README 显示近期的更新支持了更多云端 API（如 Kling、Seedance），并上线了数字人口播、动作迁移等高级功能，社区贡献活跃。

（以上信息截至 2026 年 5 月，具体以官方仓库更新日志为准。）

FAQ

1. Pixelle-Video 官网地址是什么？

GitHub 仓库：https://github.com/AIDC-AI/Pixelle-Video
展示站点：https://pixelle.ai

2. Pixelle-Video 完全免费吗？

是的。项目采用 Apache 2.0 开源协议，代码、模型权重均可免费商用。若仅在本地运行（搭配 Ollama 和 ComfyUI），完全没有费用；若调用 OpenAI、DashScope 等云端 API，则按各 API 的标准计费。

3. 不会编程，能用吗？

可以。Windows 用户直接下载一键整合包，双击启动后浏览器自动弹出操作界面，无需写任何代码。

4. 我的显卡比较差，能跑吗？

对于较差的显卡，推荐使用 低成本云端方案：LLM 调用通义千问（费用极低），图片/视频生成可以暂时换成轻量模型，或在 ComfyUI 中接入 RunningHub 等云端算力，完全绕过本地 GPU 限制。

5. Pixelle-Video 和 Runway 有什么区别？

Runway 是商业云端产品，侧重于高质量视频生成和后期特效，需要付费且无法本地部署。Pixelle-Video 则是 完全开源的“全自动化短视频引擎”，覆盖从脚本到成片的完整链路，更适合想要 零成本批量生产内容 或者 深度定制开发 的用户。

总结

Pixelle-Video 将原本需要文案撰写、图像生成、配音、剪辑等多道工序的短视频制作，压缩成了一条 “一句话→成品视频” 的智能流水线。它依靠阿里通义实验室的 WAN 2.1 模型底座和 ComfyUI 的强大生态，既做到了零技术门槛、零成本上手，又为高阶玩家保留了充分的可扩展空间。对于想入局 AI 视频创作的个人和团队来说，这是一个值得立即尝试的工程化开源项目。