ATH-MaaS/Pixelle-Video

解决的问题

Pixelle-Video 是一款自动化短视频引擎，允许用户通过单个主题或关键词创建完整的视频。它消除了手动编写剧本、图像生成、配音合成和视频编辑的需求，让没有任何编辑经验的人也能制作出具有专业感的短视频内容。

工作原理

该项目使用模块化流水线，通过四个主要阶段将文本转换为视频：

1. 剧本生成：LLM（如 GPT、DeepSeek 或 Qwen）根据用户的主题创建视频剧本。
2. 视觉规划：系统为剧本的每个片段规划必要的图像。
3. 帧处理：AI 模型生成视觉资产。这可以通过 ComfyUI 工作流、RunningHub 或直接调用 OpenAI、DashScope 或 Kling AI 等提供商的 API 来完成图像和视频生成。
4. 视频合成：系统使用基于 HTML 的模板进行布局和风格设计，将生成的视觉效果、合成语音（通过 Edge-TTS 或 Index-TTS 等 TTS 引擎）和背景音乐组合成最终视频。

适用对象

• 内容创作者：想要快速制作短视频而无需手动编辑的人。
• AI 爱好者：想要将各种 AI 模型（LLM、图像/视频生成、TTS）集成到单个自动化工作流中的用户。
• 开发者：想要使用 ComfyUI 工作流或 HTML 模板来自定义视频生成流水线的人。

亮点

• 全自动：通过单个提示词生成剧本、图像、视频和音频。
• 灵活的模型集成：支持广泛的 LLM（Ollama, GPT, DeepSeek）和媒体模型（Wan 2.1, Kling, DashScope）。
• 模块化架构：允许用户更换 TTS 引擎、图像生成器和视频模板。
• 多模态能力：包含数字人播报、图生视频（image-to-video）生成和动作迁移等高级模块。
• 可定制风格：为不同的视频方向（纵向、横向、方形）和视觉风格提供各种 HTML 模板。