Pixelle-Video 部署实战AI 短视频安装完整指南【免费下载链接】Pixelle-Video AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video跟着走完这条线你能在 Windows、macOS、Linux 或 Docker 上把 Pixelle-Video 安装到位配好 LLM 与图像生成服务跑出第一条 AI 短视频。内容覆盖预构建包、源码、容器化三条部署路径外加 ComfyUI 本地接入、配置加载逻辑与排错速查新手照抄命令即可做自定义部署的开发者也能在「底层机制」一节看懂每步设计的原因。部署路径 10 秒速查先定路线再动手部署方式适合谁前置条件预计耗时Windows 预构建包不想碰 Python 与 ffmpeg 的普通用户Windows x64 系统会解压 ZIP约 5 分钟源码安装macOS / Linux 用户或要改模板、加 Provider 的开发者Python 3.11uv 或 pip20–30 分钟Docker 容器服务器、多实例、团队共用环境Docker docker-compose15–30 分钟含构建对号入座后按对应章节执行。硬件上只有本地跑 ComfyUI 才有额外门槛NVIDIA 显卡、显存 6GB 起走云端 RunningHub 或直接 API 的话普通机器加稳定网络就够。Python 版本统一按 3.11 准备理由是 pyproject.toml 声明了requires-python 3.11Docker 基础镜像锁在python:3.11-slimWindows 包内嵌的也是 3.11.9——三处对齐才能避开小版本边界的依赖解析问题。 Windows 免 Python 环境快速启动预构建包这是耗时最短的一条路。官方构建产物把内嵌 Python 3.11.9、便携版 FFmpeg 6.1.1 和全部依赖预装完毕解压目录里没有任何需要手动安装的东西。从项目 Releases 页下载最新的 Windows 整合包 ZIP解压到不含中文和空格的路径。双击根目录的start.bat。终端滚动出 Streamlit 启动日志浏览器自动弹出页面。浏览器停在http://localhost:8501的「⚙️ 系统配置」页即代表安装成功只差填 API 密钥。打包产物大致如下另有 start_api.bat、start_web.bat 两个辅助启动器与 README.txt同级还附 .zip 归档和 .sha256 校验文件可用 PowerShell 的Get-FileHash核对下载完整性Pixelle-Video-v*-win64/ ├── python/ # 内嵌 Python 运行时 ├── tools/ffmpeg/ # 便携版 FFmpeg ├── Pixelle-Video/ # 项目本体 ├── data/ output/ # 用户数据与成片目录初始为空 └── start.bat # 主启动器想自己重新打一遍包换 Python 版本、加排除规则执行python packaging/windows/build.py国内网络加--cn-mirror走清华源加速。参数全部由 build_config.yaml 控制python.version默认 3.11.9附国内镜像下载地址、ffmpeg.version默认 6.1.1、playwright.install_browsers构建时预装 Chromium渲染 HTML 帧模板要用、build.exclude_patterns.git、config.yaml 等敏感文件一律不进包、build.create_zip与mirrors.use_cn_mirror。构建过程与下载缓存机制见 packaging/windows/README.md。底层机制启动脚本、Dockerfile 与编排各做了什么这节讲清楚脚本与镜像为什么这么设计看懂后再排错能省不少时间。start.bat 如何注入运行时环境模板 start.bat 做四件事把PYTHON_HOME指向包内python\python311连同tools\ffmpeg\bin一起前置进PATHcd到项目目录后设置PYTHONPATH与PIXELLE_VIDEO_ROOT执行python -m streamlit run web\app.py失败时打印检查项并pause等你看完。内嵌 Python 不在系统 PATH 里每次启动必须由脚本重新指路否则解释器和 ffmpeg 都找不到PIXELLE_VIDEO_ROOT让路径解析不依赖当前工作目录pause则是防止报错窗口一闪而过方便你抄下错误信息。Dockerfile 的镜像源切换与端口规划Dockerfile 基于python:3.11-slimapt-get装入 curl、ffmpeg 与fonts-noto-cjk后者是给模板渲染备的中文字体缺了它出片会全是方块。构建参数USE_CN_MIRROR默认 false是一键开关置 true 时 apt 源替换为阿里云、改用清华 PyPI 装 uv 和依赖专为国内网络设计不用手改多条命令。依赖装完执行uv run playwright install --with-deps chromium把模板渲染依赖的无头浏览器烤进镜像运行时零下载。EXPOSE 8000 8501分别对应 FastAPI 后端与 Streamlit 前端默认命令uv run python api/app.py在 compose 里会被覆盖成带 host 与 port 参数的版本。compose 里 init 容器的文件兜底docker-compose.yml 编排了 init、api、web 三个服务init 用 alpine 镜像干一件小事检查config.yaml。这里有个坑——Docker 挂载宿主机不存在的文件时会创建一个同名目录后续容器挂进去读到的是目录配置直接失效。init 的逻辑是发现 config.yaml 是目录就先删掉不存在就从config.example.yaml复制一份再退出。api 与 web 通过depends_on的service_completed_successfully等它跑完才启动。api 服务带/health健康检查、10m × 3的日志滚动限制和TZAsia/Shanghaiweb 服务额外关闭 Streamlit 的使用统计上报。两个服务都挂载./config.yaml可读写Web 界面保存配置要写回、./data与./output实现持久化。macOS 与 Linux 源码安装uv 与 pip 两条子路需要改模板、接新 Provider 或参与开发就走源码路径。克隆地址固定这一个git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video依赖安装uv 优先pip 兜底uv 是官方推荐的包管理器速度更快且自动创建虚拟环境。装依赖时它读取pyproject.toml加uv.lock锁文件保证团队与线上环境解析出完全一致的版本结果可复现。curl -LsSf https://astral.sh/uv/install.sh | sh uv sync习惯 pip 的话传统姿势也完全可行python -m venv venv source venv/bin/activate pip install -e .Windows 上激活命令换成venv\Scripts\activate。依赖清单按功能域分组pyproject.toml 的运行时依赖基本覆盖 AI 短视频生产链路按功能域各列一行Web 与 APIstreamlit、fastapi、uvicorn[standard]、python-multipartLLM 与多模态调用openai、dashscope、httpx、pyjwt图像/视频处理pillow、moviepy1.0.3、ffmpeg-python、comfykit、numpyHTML 模板渲染playwright、beautifulsoup4TTSedge-tts7.2.7基础库pydantic、loguru、pyyaml、requests、certifi、fastmcp要跑测试和代码检查装开发依赖pip install -e .[dev]会带进 pytest、pytest-asyncio 与 ruff。官方启动脚本与验证仓库根目录的 start_web.sh 内部就是uv run streamlit run web/app.pybash start_web.sh一条命令启动浏览器落到 8501 端口即验证通过。Windows 的 start_web.bat 多一层保护源码目录里没装 uv 时会捕获失败提示你改用预构建包或先装 uv 跑uv sync——看到这段提示说明你拿的是源码而非整合包。 Docker 容器化部署与镜像加速构建容器路径适合服务器长期运行一条 up 命令拉起 api 加 web 双服务构建期自动完成依赖安装与 Chromium 预装。docker-compose up -d国内构建加一个环境变量镜像源切换由构建参数完成不用改 DockerfileUSE_CN_MIRRORtrue docker-compose up -d端口对外是8000API与8501Web日志与数据分别落在./data、./output挂载目录重启容器不丢产物。默认资源bgm、模板、工作流已烤进镜像data/里的自定义资源会覆盖它们。容器内访问宿主机 ComfyUI 的地址差异如果 ComfyUI 跑在宿主机、Pixelle-Video 跑在容器里comfyui_url不能照抄本地的http://127.0.0.1:8188——容器内的 127.0.0.1 指向容器自己。Mac 或 Windows 上 Docker Desktop 提供host.docker.internal填http://host.docker.internal:8188Linux 没有这个域名要用宿主机的局域网 IP。config.example.yaml 的comfyui_url注释写明了这三种写法别忽略。 ComfyUI 本地接入与地址配置想让图像/视频生成完全离线就本地起 ComfyUI硬件门槛是 NVIDIA 显卡、显存 6GB 起。克隆 ComfyUI 官方仓库后进入目录装依赖并启动pip install -r requirements.txt python main.py服务默认监听http://127.0.0.1:8188启动前需按 ComfyUI 官方文档下载对应模型文件缺模型时工作流会直接报错。工作流的选择逻辑在 config.example.yaml 的comfyui段image.default_workflow、video.default_workflow、tts.default_workflow三个字段决定每类任务走哪条工作流。前缀是selfhost/的如selfhost/image_flux.json要求本地 ComfyUI 可达同时填好comfyui_url前缀是runninghub/的走云端只需runninghub_api_key本地不用 GPU。仓库里 workflows/selfhost 与 workflows/runninghub 目录各放了对应的工作流 JSON默认组合是 runninghub 的 flux 出图加 wan2.1 出视频。config.yaml 加载逻辑与首次运行配置配置文件的读取入口在 pixelle_video/config/loader.py启动时尝试读config.yamlload_config_dict(config.yaml)文件不存在会记录警告并回退到默认空配置程序不会崩但所有依赖密钥的功能都会失败。Web 界面「⚙️ 系统配置」页点保存时走save_config_dict()写回config.yaml——UTF-8 编码、中文原样保留、键顺序不变所以手改文件和界面保存可以混用互不破坏。config.example.yaml 是完整的字段参考内置了通义千问qwen-max、OpenAI GPT-4o、DeepSeek、Ollama 本地四类 LLM 预设api_providers段另配了 OpenAI、DashScope、Ark、Kling 等直接 API 通道不经过 ComfyUI 工作流。推荐组合按成本分两档低成本起步LLM 选通义千问预设性价比高生成服务选本地 ComfyUI 加 selfhost 工作流出图出视频不花 API 钱只花显卡电费和模型下载时间。零 GPU 起步LLM 用 Ollama 本地跑免费生成服务选 RunningHub 加 runninghub 工作流填一个 API Key 就能跑。配完密钥保存后回首页输入主题提交任务到 History 页盯分镜生成进度output/目录出现成片文件——这条线就算完整跑通了。部署排错速查表症状高频原因解法双击 start.bat 报错退出把源码目录当整合包运行缺预装环境换 Releases 预构建包或装 uv 后执行uv sync再跑国内拉依赖慢或超时走了境外 PyPI / apt 源构建加--cn-mirrorDocker 加USE_CN_MIRRORtrue源码装配清华源界面能开但生成失败API 密钥未填或 ComfyUI 不可达「系统配置」页测试连接核对comfyui_url默认http://127.0.0.1:8188config.yaml 丢失或变成目录误删或 Docker 挂载生成同名目录从 config.example.yaml 复制重建程序会回退默认配置并打警告容器连不上宿主机 ComfyUI127.0.0.1 在容器内指向自身Mac/Windows 用host.docker.internal:8188Linux 用宿主机 IP延伸阅读docs/zh/getting-started/configuration.mdLLM 与生成服务每个配置字段的说明换 Provider 前看一遍少踩坑。docs/zh/getting-started/quick-start.md第一条视频的完整操作流模板选择与提交参数都在这里。docs/zh/development/architecture.md模块划分与工作流机制要改模板或加新 Provider 时先读它。【免费下载链接】Pixelle-Video AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Pixelle-Video 部署实战：AI 短视频安装完整指南
Pixelle-Video 部署实战AI 短视频安装完整指南【免费下载链接】Pixelle-Video AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video跟着走完这条线你能在 Windows、macOS、Linux 或 Docker 上把 Pixelle-Video 安装到位配好 LLM 与图像生成服务跑出第一条 AI 短视频。内容覆盖预构建包、源码、容器化三条部署路径外加 ComfyUI 本地接入、配置加载逻辑与排错速查新手照抄命令即可做自定义部署的开发者也能在「底层机制」一节看懂每步设计的原因。部署路径 10 秒速查先定路线再动手部署方式适合谁前置条件预计耗时Windows 预构建包不想碰 Python 与 ffmpeg 的普通用户Windows x64 系统会解压 ZIP约 5 分钟源码安装macOS / Linux 用户或要改模板、加 Provider 的开发者Python 3.11uv 或 pip20–30 分钟Docker 容器服务器、多实例、团队共用环境Docker docker-compose15–30 分钟含构建对号入座后按对应章节执行。硬件上只有本地跑 ComfyUI 才有额外门槛NVIDIA 显卡、显存 6GB 起走云端 RunningHub 或直接 API 的话普通机器加稳定网络就够。Python 版本统一按 3.11 准备理由是 pyproject.toml 声明了requires-python 3.11Docker 基础镜像锁在python:3.11-slimWindows 包内嵌的也是 3.11.9——三处对齐才能避开小版本边界的依赖解析问题。 Windows 免 Python 环境快速启动预构建包这是耗时最短的一条路。官方构建产物把内嵌 Python 3.11.9、便携版 FFmpeg 6.1.1 和全部依赖预装完毕解压目录里没有任何需要手动安装的东西。从项目 Releases 页下载最新的 Windows 整合包 ZIP解压到不含中文和空格的路径。双击根目录的start.bat。终端滚动出 Streamlit 启动日志浏览器自动弹出页面。浏览器停在http://localhost:8501的「⚙️ 系统配置」页即代表安装成功只差填 API 密钥。打包产物大致如下另有 start_api.bat、start_web.bat 两个辅助启动器与 README.txt同级还附 .zip 归档和 .sha256 校验文件可用 PowerShell 的Get-FileHash核对下载完整性Pixelle-Video-v*-win64/ ├── python/ # 内嵌 Python 运行时 ├── tools/ffmpeg/ # 便携版 FFmpeg ├── Pixelle-Video/ # 项目本体 ├── data/ output/ # 用户数据与成片目录初始为空 └── start.bat # 主启动器想自己重新打一遍包换 Python 版本、加排除规则执行python packaging/windows/build.py国内网络加--cn-mirror走清华源加速。参数全部由 build_config.yaml 控制python.version默认 3.11.9附国内镜像下载地址、ffmpeg.version默认 6.1.1、playwright.install_browsers构建时预装 Chromium渲染 HTML 帧模板要用、build.exclude_patterns.git、config.yaml 等敏感文件一律不进包、build.create_zip与mirrors.use_cn_mirror。构建过程与下载缓存机制见 packaging/windows/README.md。底层机制启动脚本、Dockerfile 与编排各做了什么这节讲清楚脚本与镜像为什么这么设计看懂后再排错能省不少时间。start.bat 如何注入运行时环境模板 start.bat 做四件事把PYTHON_HOME指向包内python\python311连同tools\ffmpeg\bin一起前置进PATHcd到项目目录后设置PYTHONPATH与PIXELLE_VIDEO_ROOT执行python -m streamlit run web\app.py失败时打印检查项并pause等你看完。内嵌 Python 不在系统 PATH 里每次启动必须由脚本重新指路否则解释器和 ffmpeg 都找不到PIXELLE_VIDEO_ROOT让路径解析不依赖当前工作目录pause则是防止报错窗口一闪而过方便你抄下错误信息。Dockerfile 的镜像源切换与端口规划Dockerfile 基于python:3.11-slimapt-get装入 curl、ffmpeg 与fonts-noto-cjk后者是给模板渲染备的中文字体缺了它出片会全是方块。构建参数USE_CN_MIRROR默认 false是一键开关置 true 时 apt 源替换为阿里云、改用清华 PyPI 装 uv 和依赖专为国内网络设计不用手改多条命令。依赖装完执行uv run playwright install --with-deps chromium把模板渲染依赖的无头浏览器烤进镜像运行时零下载。EXPOSE 8000 8501分别对应 FastAPI 后端与 Streamlit 前端默认命令uv run python api/app.py在 compose 里会被覆盖成带 host 与 port 参数的版本。compose 里 init 容器的文件兜底docker-compose.yml 编排了 init、api、web 三个服务init 用 alpine 镜像干一件小事检查config.yaml。这里有个坑——Docker 挂载宿主机不存在的文件时会创建一个同名目录后续容器挂进去读到的是目录配置直接失效。init 的逻辑是发现 config.yaml 是目录就先删掉不存在就从config.example.yaml复制一份再退出。api 与 web 通过depends_on的service_completed_successfully等它跑完才启动。api 服务带/health健康检查、10m × 3的日志滚动限制和TZAsia/Shanghaiweb 服务额外关闭 Streamlit 的使用统计上报。两个服务都挂载./config.yaml可读写Web 界面保存配置要写回、./data与./output实现持久化。macOS 与 Linux 源码安装uv 与 pip 两条子路需要改模板、接新 Provider 或参与开发就走源码路径。克隆地址固定这一个git clone https://gitcode.com/GitHub_Trending/pi/Pixelle-Video cd Pixelle-Video依赖安装uv 优先pip 兜底uv 是官方推荐的包管理器速度更快且自动创建虚拟环境。装依赖时它读取pyproject.toml加uv.lock锁文件保证团队与线上环境解析出完全一致的版本结果可复现。curl -LsSf https://astral.sh/uv/install.sh | sh uv sync习惯 pip 的话传统姿势也完全可行python -m venv venv source venv/bin/activate pip install -e .Windows 上激活命令换成venv\Scripts\activate。依赖清单按功能域分组pyproject.toml 的运行时依赖基本覆盖 AI 短视频生产链路按功能域各列一行Web 与 APIstreamlit、fastapi、uvicorn[standard]、python-multipartLLM 与多模态调用openai、dashscope、httpx、pyjwt图像/视频处理pillow、moviepy1.0.3、ffmpeg-python、comfykit、numpyHTML 模板渲染playwright、beautifulsoup4TTSedge-tts7.2.7基础库pydantic、loguru、pyyaml、requests、certifi、fastmcp要跑测试和代码检查装开发依赖pip install -e .[dev]会带进 pytest、pytest-asyncio 与 ruff。官方启动脚本与验证仓库根目录的 start_web.sh 内部就是uv run streamlit run web/app.pybash start_web.sh一条命令启动浏览器落到 8501 端口即验证通过。Windows 的 start_web.bat 多一层保护源码目录里没装 uv 时会捕获失败提示你改用预构建包或先装 uv 跑uv sync——看到这段提示说明你拿的是源码而非整合包。 Docker 容器化部署与镜像加速构建容器路径适合服务器长期运行一条 up 命令拉起 api 加 web 双服务构建期自动完成依赖安装与 Chromium 预装。docker-compose up -d国内构建加一个环境变量镜像源切换由构建参数完成不用改 DockerfileUSE_CN_MIRRORtrue docker-compose up -d端口对外是8000API与8501Web日志与数据分别落在./data、./output挂载目录重启容器不丢产物。默认资源bgm、模板、工作流已烤进镜像data/里的自定义资源会覆盖它们。容器内访问宿主机 ComfyUI 的地址差异如果 ComfyUI 跑在宿主机、Pixelle-Video 跑在容器里comfyui_url不能照抄本地的http://127.0.0.1:8188——容器内的 127.0.0.1 指向容器自己。Mac 或 Windows 上 Docker Desktop 提供host.docker.internal填http://host.docker.internal:8188Linux 没有这个域名要用宿主机的局域网 IP。config.example.yaml 的comfyui_url注释写明了这三种写法别忽略。 ComfyUI 本地接入与地址配置想让图像/视频生成完全离线就本地起 ComfyUI硬件门槛是 NVIDIA 显卡、显存 6GB 起。克隆 ComfyUI 官方仓库后进入目录装依赖并启动pip install -r requirements.txt python main.py服务默认监听http://127.0.0.1:8188启动前需按 ComfyUI 官方文档下载对应模型文件缺模型时工作流会直接报错。工作流的选择逻辑在 config.example.yaml 的comfyui段image.default_workflow、video.default_workflow、tts.default_workflow三个字段决定每类任务走哪条工作流。前缀是selfhost/的如selfhost/image_flux.json要求本地 ComfyUI 可达同时填好comfyui_url前缀是runninghub/的走云端只需runninghub_api_key本地不用 GPU。仓库里 workflows/selfhost 与 workflows/runninghub 目录各放了对应的工作流 JSON默认组合是 runninghub 的 flux 出图加 wan2.1 出视频。config.yaml 加载逻辑与首次运行配置配置文件的读取入口在 pixelle_video/config/loader.py启动时尝试读config.yamlload_config_dict(config.yaml)文件不存在会记录警告并回退到默认空配置程序不会崩但所有依赖密钥的功能都会失败。Web 界面「⚙️ 系统配置」页点保存时走save_config_dict()写回config.yaml——UTF-8 编码、中文原样保留、键顺序不变所以手改文件和界面保存可以混用互不破坏。config.example.yaml 是完整的字段参考内置了通义千问qwen-max、OpenAI GPT-4o、DeepSeek、Ollama 本地四类 LLM 预设api_providers段另配了 OpenAI、DashScope、Ark、Kling 等直接 API 通道不经过 ComfyUI 工作流。推荐组合按成本分两档低成本起步LLM 选通义千问预设性价比高生成服务选本地 ComfyUI 加 selfhost 工作流出图出视频不花 API 钱只花显卡电费和模型下载时间。零 GPU 起步LLM 用 Ollama 本地跑免费生成服务选 RunningHub 加 runninghub 工作流填一个 API Key 就能跑。配完密钥保存后回首页输入主题提交任务到 History 页盯分镜生成进度output/目录出现成片文件——这条线就算完整跑通了。部署排错速查表症状高频原因解法双击 start.bat 报错退出把源码目录当整合包运行缺预装环境换 Releases 预构建包或装 uv 后执行uv sync再跑国内拉依赖慢或超时走了境外 PyPI / apt 源构建加--cn-mirrorDocker 加USE_CN_MIRRORtrue源码装配清华源界面能开但生成失败API 密钥未填或 ComfyUI 不可达「系统配置」页测试连接核对comfyui_url默认http://127.0.0.1:8188config.yaml 丢失或变成目录误删或 Docker 挂载生成同名目录从 config.example.yaml 复制重建程序会回退默认配置并打警告容器连不上宿主机 ComfyUI127.0.0.1 在容器内指向自身Mac/Windows 用host.docker.internal:8188Linux 用宿主机 IP延伸阅读docs/zh/getting-started/configuration.mdLLM 与生成服务每个配置字段的说明换 Provider 前看一遍少踩坑。docs/zh/getting-started/quick-start.md第一条视频的完整操作流模板选择与提交参数都在这里。docs/zh/development/architecture.md模块划分与工作流机制要改模板或加新 Provider 时先读它。【免费下载链接】Pixelle-Video AI 全自动短视频引擎 | AI Fully Automated Short Video Engine项目地址: https://gitcode.com/GitHub_Trending/pi/Pixelle-Video创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考