Pixelle-Video : moteur de courtes vidéos entièrement automatisé par IA 235

Pixelle-Video, qu'est-ce que c'est

Pixelle-Video est un outil de génération de courtes vidéos pour ComfyUI en open source proposé par DC-AI. Il vous suffit de fournir un sujet, et il se charge automatiquement de rédiger le script, générer les images, synthétiser la voix off et monter la vidéo — vous n'avez pratiquement rien à retoucher manuellement. Il est compatible avec plusieurs modèles tels que GPT, Tongyi Qianwen, DeepSeek, et prend également en charge le clonage vocal et le présentateur numérique (digital human), ce qui le rend idéal pour les opérateurs de médias自媒体 et les débutants en vidéo IA.

Capture d'écran du site officiel de Pixelle-Video

Fonctionnalités

• Boucle de génération entièrement automatisée : après avoir saisi un sujet, le système invoque automatiquement un grand modèle de langage pour générer le script de commentaire, associe à chaque phrase des images IA ou des vidéos animées, synthétise la voix off et la musique de fond, puis produit une vidéo complète.

• Prise en charge de plusieurs LLM : le moteur de script peut s'appuyer sur des backends tels que GPT, Tongyi Qianwen, DeepSeek, Ollama, etc. Les utilisateurs peuvent basculer d'un modèle à l'autre selon le coût, la vitesse de réponse ou le style de contenu, et un déploiement local évite tout appel à des API externes.

• Génération visuelle IA : compatible avec les modèles FLUX, WAN 2.1 / 2.2 pour produire images et vidéos animées ; il est aussi possible de téléverser ses propres images ou vidéos, analysées ensuite par l'IA pour générer un script correspondant.

• Voix intelligente et clonage : intègre les principales solutions vocales telles que Edge-TTS et Index-TTS, prend en charge le clonage vocal (en téléversant un fichier audio de référence au format MP3/WAV/FLAC), et intègre désormais le TTS multilingue ainsi que la fonction de présentateur numérique.

• Modèles et formats flexibles : propose trois types de templates HTML (statique, image, vidéo), prend en charge plusieurs formats d'image (vertical, horizontal, carré, etc.) et permet également de créer ses propres templates.

• Capacités atomiques combinables : basé sur les workflows ComfyUI, on peut librement remplacer le modèle de génération d'images, le moteur TTS ou le modèle de génération vidéo pour répondre à des besoins personnalisés.

• Module de transfert de mouvement (mise à jour de janvier 2026) : permet de transférer les schémas de mouvement d'une vidéo de référence vers un contenu généré par IA, pour des animations plus naturelles.

Cas d'usage

• Production en masse pour les réseaux sociaux : idéal pour produire rapidement et en lots des courtes vidéos de partage de connaissances, de promotion produit ou de tests sur TikTok, Xiaohongshu, Instagram Reels, etc.

• Premiers pas pour les créateurs individuels : les utilisateurs sans背景 technique peuvent utiliser le package intégré pour Windows en un clic, sans configuration, ce qui abaisse le门槛 de la création vidéo par IA.

• Recréation à partir de素材 existants : téléversez des photos ou vidéos existantes, l'IA analyse automatiquement le contenu et génère un commentaire ainsi qu'une voix off, pour une conversion en un clic de素材 à produit fini.

• Contenu multilingue à l'international : grâce au TTS multilingue et au présentateur numérique, générez rapidement des vidéos localisées pour différents marchés régionaux.

Mode d'emploi

Installation et déploiement

• Utilisateurs Windows : téléchargez le package intégré en un clic depuis GitHub Releases, décompressez-le puis double-cliquez sur start.bat pour lancer l'interface Web.

• Utilisateurs macOS / Linux : installez uv et ffmpeg, clonez le dépôt puis exécutez uv run streamlit run web/app.py.

• Première configuration

• Ouvrez http://localhost:8501 dans votre navigateur, puis dépliez « ⚙️ Configuration système ». Configurez le LLM (choisissez le modèle et saisissez la clé API) ainsi que la génération d'images (adresse ComfyUI locale ou clé API RunningHub), puis cliquez sur Enregistrer.

Générer une vidéo

1. Saisie du contenu : dans la barre de gauche, choisissez « Contenu généré par l'IA » et saisissez le sujet, ou choisissez « Contenu avec script fixe » et collez un script existant ; vous pouvez utiliser une musique de fond intégrée ou personnalisée.

2. Paramètres vocaux : dans la barre centrale, choisissez le workflow TTS (Edge-TTS / Index-TTS, etc.), vous pouvez téléverser un audio de référence pour le clonage vocal et prévisualiser le résultat.

3. Paramètres visuels : choisissez le workflow d'images/vidéas ComfyUI, définissez la taille et le préfixe des prompts (en anglais), sélectionnez un modèle de vidéo et prévisualisez-le.

4. Synthèse et export : cliquez sur « 🎬 Générer la vidéo » pour suivre la progression en temps réel (script → images → voix → vidéo). Une fois terminée, la vidéo est lue automatiquement et sauvegardée dans le dossier output/.

Questions fréquentes

Q : Combien de temps faut-il pour la première utilisation ?

R : Cela dépend du nombre de plans, de l'environnement réseau et de la vitesse d'inférence de l'IA, mais cela prend généralement quelques minutes.

Q : Comment ajuster si le résultat ne me satisfait pas ?

R : Vous pouvez changer de modèle LLM pour ajuster le style du script ; modifier la taille des images et le préfixe de prompt pour changer le style visuel ; changer de workflow TTS ou d'audio de référence pour ajuster la voix off ; essayer différents modèles et formats d'image.

Q : Quel est le coût d'utilisation de Pixelle-Video ?

R : Le projet prend en charge une formule entièrement gratuite — LLM avec Ollama (local) + ComfyUI déployé en local = coût zéro ; la formule recommandée est Tongyi Qianwen (frais d'API très faibles) + ComfyUI local ; avec la solution cloud OpenAI + RunningHub, les coûts seront un peu plus élevés.

Q : Prend-il en charge les modèles personnalisés ?

R : Oui. Les utilisateurs familiarisés avec HTML peuvent créer leurs propres modèles dans le dossier templates/ ; ceux qui maîtrisent ComfyUI peuvent définir des workflows d'images ou de TTS personnalisés dans le dossier workflows/.

Avis sur le produit

Pixelle-Video n'est pas un logiciel de montage classique, mais bien une chaîne de production AIGC automatisée de bout en bout. Sa plus grande valeur réside dans l'intégration d'un LLM, de la vision par ordinateur et de la synthèse vocale au sein d'un workflow standardisé, tout en conservant une grande extensibilité grâce à la conception modulaire de ComfyUI. Pour les opérateurs de médias自媒体 ayant besoin de produire chaque jour plusieurs contenus, il réduit considérablement le délai entre le choix du sujet et la vidéo finalisée. Toutefois, si vous visez une qualité cinématographique ou une narration complexe, les marques de génération automatique par modèle restent visibles et insuffisantes.

Avantages :

• Open source et gratuit (Apache-2.0), peut fonctionner entièrement en local à coût zéro (Ollama + ComfyUI local)

• Le package intégré Windows est prêt à l'emploi, sans avoir à configurer d'environnement Python

• Workflow高度 modulaire, les modèles et plugins de l'écosystème ComfyUI peuvent être réutilisés directement

• Prise en charge du clonage vocal et du présentateur numérique, pour des besoins personnalisés et de marque

Inconvénients :

• L'exécution locale a des exigences matérielles ; il est recommandé de disposer d'une carte graphique NVIDIA avec au moins 6 Go de显存

• La qualité de génération dépend des capacités des modèles IA eux-mêmes ; avec des scripts complexes, il peut arriver que l'image ne corresponde pas au texte

• Pour l'instant, l'outil convient mieux aux courtes vidéos à structure simple ; la prise en charge des longues vidéos ou des transitions complexes reste limitée