Pixelle-Video：AI全自動ショート動画エンジン 233

AIDC-AIがオープンソース化したComfyUIベースのショート動画生成ツールです。テーマを入力するだけで、スクリプト作成、画像生成、ナレーション合成、動画出力までを自動で行い、基本的に手動編集は不要です。

#Ai工具箱 #Ai开源项目

Pixelle-Video：AI全自動ショート動画エンジン紹介

Pixelle-Video とは

Pixelle-VideoはaiDC-AI がオープンソース化した ComfyUI ベースのショート動画生成ツールです。テーマを入力するだけで、脚本の執筆、畫面の生成、配音（ナレーション）の合成、動画の書き出しまでを自動で行うため、基本的に自分で編集作業をする必要はありません。GPT、通義千問、DeepSeek など複数のモデルに対応し、聲音克隆（ボイスクローン）や數字人（デジタルヒューマン）の口播にも対応しているため、自メディア運営者や AI 動画を始めたばかりの人に適しています。

Pixelle-Video公式サイトスクリーンショット

機能と特徴

全自動生成のクローズドループ：テーマを入力すると、自動的に大規模言語モデルを呼び出してナレーション原稿を生成し、各文案（コピー）に AI 画像や動的動画を割り当て、配音と BGM を合成して、最終的に完成した動画を出力します。
複数 LLM モデルのサポート：スクリプトエンジンには GPT、通義千問、DeepSeek、Ollama などのバックエンドを利用でき、ユーザーはコスト、応答速度、コンテンツのスタイルに応じて自由に切り替え可能で、ローカルデプロイ時は外部 API を呼び出す必要がありません。
AI ビジュアル生成：FLUX、WAN 2.1 / 2.2 などのモデルによる画像・動的動画生成に対応し、自分の画像や動画素材をアップロードして AI に分析させ、配套のスクリプトを自動生成することも可能です。
スマート音声とボイスクローン：Edge-TTS、Index-TTS などの主流音声ソリューションを統合し、ボイスクローン（MP3/WAV/FLAC のリファレンス音声のアップロード）に対応。さらに多言語 TTS とデジタルヒューマン口播機能を新たに追加しました。
柔軟なテンプレートとサイズ：静的、画像、動画の 3 種類の HTML テンプレートを提供し、縦画面、横画面、正方形など多様なアスペクト比に対応。テンプレートのカスタムも可能です。
アトミック能力の自由な組み合わせ：ComfyUI のワークフローに基づき、画像生成モデル、TTS エンジン、動画生成モデルを自由に置き換えられ、パーソナライズされたニーズに対応します。
動作転移モジュール（2026年1月更新）：リファレンス動画の動きのパターンを AI が生成したコンテンツに転移させ、より自然な動的映像を実現します。

活用シーン

ソーシャルメディアでの量産運用：TikTok、小紅書、Instagram Reels などのプラットフォームにおけるナレッジシェア、商品プロモーション、レビュー系のショート動画の大量生産に適しています。
個人クリエイターの試験運用：技術的な背景のない初心者でも、Windows 用ワンクリック統合パッケージによりゼロ設定で始められ、AI 動画制作のハードルを下げられます。
素材のリクリエイション：既存の写真や動画をアップロードすると、AI が自動で内容を分析し、ナレーションと配音を生成。素材から完成動画への一键変換を実現します。
多言語コンテンツによる海外展開：多言語 TTS とデジタルヒューマン口播を活用し、異なる地域市場向けにローカライズされた動画を迅速に生成できます。

使用方法

インストールとデプロイ

Windows ユーザー：GitHub Releases からワンクリック統合パッケージをダウンロードし、解凍後 start.bat をダブルクリックして Web インターフェースを起動します。
macOS / Linux ユーザー：uv と ffmpeg をインストールし、リポジトリをクローンしたあと uv run streamlit run web/app.py を実行します。
初回設定

ブラウザで http://localhost:8501 を開き、「⚙️ 系統配置（システム設定）」を展開します。LLM（モデルを選択し API Key を入力）と画像生成（ComfyUI のローカルアドレスまたは RunningHub の API Key）を設定し、保存をクリックします。

動画生成

コンテンツ入力：左側のバーで「AI 生成内容」を選択してテーマを入力、または「固定文案内容」を選択して既存のスクリプトを貼り付けます。内蔵またはカスタムの BGM を選択できます。
音声設定：中央のバーで TTS ワークフロー（Edge-TTS / Index-TTS など）を選択し、ボイスクローン用にリファレンス音声をアップロードして効果をプレビューできます。
ビジュアル設定：ComfyUI の画像/動画ワークフローを選択し、サイズとプロンプトプレフィックス（英語）を設定、動画テンプレートを選んでプレビューします。
合成と出力：「🎬 生成動画」をクリックし、進捗をリアルタイムで確認（スクリプト → 配図 → 音声 → 動画）。完了後は自動再生され、output/ フォルダに保存されます。

よくある質問

Q：初回使用にはどれくらいの時間がかかりますか？

A：シーンの数、ネットワーク環境、AI の推論速度によって異なりますが、通常は数分以内に完了します。

Q：結果に満足できない場合はどうすれば調整できますか？

A：LLM モデルを切り替えてスクリプトのスタイルを調整したり、画像のサイズと Prompt Prefix を変更して画風を変えたり、TTS ワークフローやリファレンス音声を切り替えて配音を調整したり、別のテンプレートやアスペクト比を試すことができます。

Q：Pixelle-Video の使用コストはどのくらいですか？

A：本プロジェクトは完全無料での運用に対応しています。LLM に Ollama（ローカル）+ ComfyUI のローカルデプロイで、コストはゼロです。おすすめの構成は通義千問（極めて安い API 料金）+ ローカル ComfyUI です。OpenAI と RunningHub のクラウド構成を利用する場合、コストはやや高くなります。

Q：カスタムテンプレートには対応していますか？

A：対応しています。HTML に慣れたユーザーは templates/ フォルダに独自のテンプレートを作成できます。ComfyUI に慣れたユーザーは workflows/ フォルダで画像や TTS のワークフローをカスタマイズできます。

製品レビュー

Pixelle-Video は従来の動画編集ソフトウェアではなく、エンドツーエンドの AIGC 自動化パイプラインです。その最大の価値は、LLM、コンピュータビジョン、音声合成を一連の標準ワークフローとして統合している点にあり、同時に ComfyUI のモジュール設計によって高い拡張性を維持しています。毎日複数のコンテンツを制作する必要がある自メディア運営者にとって、企画から完成までのサイクルを大幅に短縮してくれるのは明らかです。ただし、映画級の画質や複雑なナラティブロジックを追求する場合、自動化によるテンプレートの痕跡は比較的目立ち、十分とは言えない面があります。