短视频这东西，门槛说高不高，说低也不低。拍一段素材，剪一剪，配个音乐，好像谁都会。但真要做一条有模有样的内容，文案要写，配图要找，配音要录，节奏要卡，特效要加——这些环节串起来，没个几小时下不来。更别提那些还要用 AI 生成画面的内容了。

Pixelle-Video 这个项目，解决的就是这个问题。你只管输入一个主题，剩下的全交给它：撰写视频文案、生成 AI 配图或视频、合成语音解说、添加背景音乐、一键合成成片。零门槛，零剪辑经验，让视频创作成为一句话的事。

它的模块化设计让整个流程清晰简洁：文案生成、配图规划、逐帧处理、视频合成。每个环节都支持灵活定制，可以选择不同的 AI 模型、音频引擎、视觉风格。支持 GPT、通义千问、DeepSeek、Ollama 等多种大模型，TTS 方案有 Edge-TTS、Index-TTS 等主流选择。基于 ComfyUI 架构，可以用预置工作流，也可以自定义任意能力——比如把生图模型换成 FLUX，把 TTS 换成 ChatTTS。

最近几次更新加了不少东西。数字人口播模块，上传照片就能生成口播视频，支持多语言音色；图生视频流水线，静态图片动起来；动作迁移功能，上传参考视频和图片，让图片里的人物做出参考视频里的动作。这些都是短视频创作里最耗时的环节，现在被压缩成几个参数配置。

视觉风格这块，它内置了多种模板，支持竖屏、横屏等多种尺寸。人文纪实类、文化解构类、科学思辨类，不同主题有对应的默认模版。背景音乐也能自动匹配，让视频更有氛围。

我看了几个用它生成的实际案例。一条关于旅行风景的竖屏视频，文案是「旅行路上的风景让人流连忘返」，配图是 AI 生成的山水画面，配音是自然的中文女声，背景音乐若隐若现。另一条关于「为什么我们还没有找到外星文明」的科学思辨类视频，风格更偏理性克制。这些视频从输入主题到输出成片，全程不需要人工干预。

当然，它也有边界。全自动生成意味着你对每一帧的控制力有限，想要精细调整某个转场或某个音效，还是得回到剪辑软件里。但话说回来，如果你只是想快速产出一条能看的内容，而不是打磨一个作品，这个工具够用了。

视频创作的门槛，正在被一层一层地拆掉。先是剪辑软件变得易用，再是素材库变得丰富，现在是 AI 把创作本身也自动化了。Pixelle-Video 是这条路上的一个节点。

https://github.com/AIDC-AI/Pixelle-Video