ATH-MaaS/Pixelle-Video

解決的問題

Pixelle-Video 是一款自動化短影音引擎，允許使用者透過單一主題或關鍵字建立完整的影片。它消除了手動編寫劇本、圖像生成、配音合成和影片編輯的需求，讓完全沒有編輯經驗的人也能製作出具備專業感的短影音內容。

工作原理

該專案使用模組化流水線，透過四個主要階段將文本轉換為影片：

1. 劇本生成：LLM（如 GPT、DeepSeek 或 Qwen）根據使用者的主題建立影片劇本。
2. 視覺規劃：系統為劇本的每個片段規劃必要的圖像。
3. 幀處理：AI 模型生成視覺資產。這可以透過 ComfyUI 工作流、RunningHub 或直接呼叫 OpenAI、DashScope 或 Kling AI 等提供商的 API 來完成圖像與影片生成。
4. 影片合成：系統使用基於 HTML 的模板進行佈局與風格設計，將生成的視覺效果、合成語音（透過 Edge-TTS 或 Index-TTS 等 TTS 引擎）和背景音樂組合成最終影片。

適用對象

• 內容創作者：想要快速製作短影音而無需手動編輯的人。
• AI 愛好者：想要將各種 AI 模型（LLM、圖像/影片生成、TTS）整合進單一自動化工作流的使用者。
• 開發者：想要使用 ComfyUI 工作流或 HTML 模板來自定義影片生成流水線的人。

亮點

• 全自動化：透過單一提示詞生成劇本、圖像、影片和音訊。
• 靈活的模型整合：支援廣泛的 LLM（Ollama, GPT, DeepSeek）與媒體模型（Wan 2.1, Kling, DashScope）。
• 模組化架構：允許使用者更換 TTS 引擎、圖像生成器和影片模板。
• 多模態能力：包含數位人說話頭像、圖生影片（image-to-video）生成和動作遷移等進階模組。
• 可定制風格：為不同的影片方向（直向、橫向、方形）與視覺風格提供各種 HTML 模板。