Pixelle-Video: полностью автоматический ИИ-движок для коротких видео 234

Что такое Pixelle-Video

Pixelle-Video — это инструмент для генерации коротких видео на базе ComfyUI, открытый компанией aiDC-AI. Достаточно указать тему, и он автоматически напишет сценарий, сгенерирует изображения, синтезирует озвучку и соберёт видео — практически без ручного монтажа. Он совместим с различными моделями, такими как GPT, Tongyi Qianwen, DeepSeek, а также поддерживает клонирование голоса и подачу материала цифровыми авататами, что отлично подходит для авторов контента в соцсетях и тех, кто только начинает знакомиться с AI-видео.

Скриншот официального сайта Pixelle-Video

Функциональные особенности

• Полностью автоматический замкнутый цикл генерации: после ввода темы система автоматически вызывает большую языковую модель для создания сценария озвучки, подбирает AI-изображения или динамическое видео к каждой фразе, синтезирует озвучку и фоновую музыку, а затем выдаёт готовое видео.

• Поддержка нескольких LLM-моделей: в качестве бэкенда для сценарного движка можно использовать GPT, Tongyi Qianwen, DeepSeek, Ollama и другие — пользователь может свободно переключаться между ними в зависимости от стоимости, скорости отклика или стилистики контента, а при локальном развёртывании внешний API не требуется.

• Генерация визуального контента с помощью AI: поддерживаются модели FLUX, WAN 2.1 / 2.2 и другие для создания изображений и динамического видео. Также можно загружать собственные изображения или видеоматериалы — AI проанализирует их и автоматически сгенерирует сопровождающий сценарий.

• Интеллектуальное озвучивание и клонирование голоса: интегрированы популярные решения, такие как Edge-TTS, Index-TTS и другие, поддерживается клонирование голоса (загрузка эталонного аудио в формате MP3/WAV/FLAC), а также добавлены многоязычный TTS и функция подачи материала цифровыми авататами.

• Гибкие шаблоны и форматы: доступны три типа HTML-шаблонов — статические, с изображениями и видео, поддерживаются вертикальная, горизонтальная и квадратная ориентации, а также возможность создавать собственные шаблоны.

• Свободная компоновка атомарных возможностей: благодаря рабочим процессам ComfyUI можно произвольно заменять модели генерации изображений, TTS-движки или модели генерации видео, удовлетворяя индивидуальные потребности.

• Модуль переноса движений (обновление от января 2026 г.): позволяет переносить паттерны движений из эталонного видео в сгенерированный AI-контент, делая динамику изображения более естественной.

Сценарии применения

• Массовое ведение соцсетей: подходит для быстрого пакетного производства коротких роликов для платформ TikTok, Xiaohongshu, Instagram Reels и других — обучающего контента, продвижения товаров и обзоров.

• Проба сил для индивидуальных авторов: новички без технической подготовки могут сразу приступить к работе, используя готовый пакет для Windows с интеграцией в один кликт и нулевой настройкой, что снижает порог входа в создание AI-видео.

• Переработка материалов: загрузите имеющиеся фото или видео — AI автоматически проанализирует контент, сгенерирует озвучку и пояснения, обеспечив преобразование материала в готовый ролик одним нажатием.

• Многоязычный контент для зарубежной аудитории: с помощью многоязычного TTS и цифровых авататов можно быстро создавать локализованные видеоролики для разных региональных рынков.

Как пользоваться

Установка и развёртывание

• Пользователи Windows: скачайте готовый пакет с интеграцией в один кликт со страницы GitHub Releases, распакуйте его и дважды кликните по файлу start.bat, чтобы запустить веб-интерфейс.

• Пользователи macOS / Linux: установите uv и ffmpeg, клонируйте репозиторий и выполните команду uv run streamlit run web/app.py.

• Первоначальная настройка

• Откройте в браузере адрес http://localhost:8501, разверните раздел «⚙️ 系统配置» (Системная конфигурация). Настройте LLM (выберите модель и введите API-ключ) и генерацию изображений (локальный адрес ComfyUI или API-ключ RunningHub), затем нажмите «Сохранить».

Генерация видео

1. Ввод контента: на левой панели выберите «AI 生成内容» (Генерация контента с помощью AI) и введите тему, либо выберите «固定文案内容» (Фиксированный текст) и вставьте готовый сценарий; можно также использовать встроенный или собственный BGM.

2. Настройка озвучки: на центральной панели выберите рабочий процесс TTS (Edge-TTS / Index-TTS и др.), при необходимости загрузите эталонное аудио для клонирования голоса и прослушайте предварительный результат.

3. Настройка визуала: выберите рабочий процесс ComfyUI для генерации изображений/видео, задайте размер и префикс промпта (на английском), подберите видеошаблон и просмотрите предварительный результат.

4. Сборка и вывод: нажмите «🎬 生成视频» (Сгенерировать видео), следите за прогрессом в реальном времени (сценарий → изображения → озвучка → видео); по завершении видео автоматически воспроизведётся и сохранится в папку output/.

Часто задаваемые вопросы

В: Сколько времени занимает первый запуск?

О: Это зависит от количества сцен, состояния сети и скорости AI-инференса — обычно всё завершается в течение нескольких минут.

В: Что делать, если результат не устраивает?

О: Можно сменить модель LLM, чтобы изменить стиль сценария; изменить размер изображения и префикс промпта, чтобы повлиять на визуальный стиль; переключить рабочий процесс TTS или сменить эталонное аудио для корректировки озвучки; поэкспериментировать с разными шаблонами и форматами.

В: Какова стоимость использования Pixelle-Video?

О: Проект поддерживает полностью бесплатный вариант: LLM на базе Ollama (локально) + локальное развёртывание ComfyUI = нулевые затраты; рекомендуемый вариант — Tongyi Qianwen (минимальная стоимость API) + локальный ComfyUI; при использовании OpenAI и облачного решения RunningHub затраты будут несколько выше.

В: Поддерживаются ли пользовательские шаблоны?

О: Да. Знакомые с HTML пользователи могут создавать свои шаблоны в папке templates/; те, кто разбирается в ComfyUI, могут настраивать собственные рабочие процессы для изображений или TTS в папке workflows/.

Обзор продукта

Pixelle-Video — это не традиционный видеоредактор, а сквозной автоматизированный конвейер AIGC. Его главная ценность в том, что он объединяет LLM, компьютерное зрение и синтез речи в единый стандартизированный рабочий процесс, а модульная архитектура ComfyUI обеспечивает высокую расширяемость. Для тех, кому ежедневно нужно выпускать множество единиц контента, он заметно сокращает цикл от выбора темы до готового ролика. Однако если вы стремитесь к кинематографическому качеству картинки или сложной нарративной логике, шаблонный характер автоматически сгенерированного контента всё ещё заметен и может оказаться недостаточным.

Преимущества:

• Открытый исходный код и бесплатность (лицензия Apache-2.0), возможность полностью локального запуска с нулевыми затратами (Ollama + локальный ComfyUI)

• Готовый пакет для Windows с интеграцией в один кликт, не требующий настройки окружения Python

• Высокая модульность рабочих процессов: модели и плагины из экосистемы ComfyUI можно использовать напрямую

• Поддержка клонирования голоса и цифровых авататов для персонализированных и брендированных задач

Недостатки:

• Локальный запуск предъявляет требования к оборудованию: рекомендуется видеокарта NVIDIA с объёмом видеопамяти от 6 ГБ

• Качество генерации ограничено возможностями каждой конкретной AI-модели — в случае сложных сценариев картинка и текст могут не совпадать

• На данный момент лучше подходит для коротких видео с простой структурой; поддержка длинных роликов и сложных переходов ограничена