github-trend-summarizer

Pixelle-Video まとめ

このリポジトリは何？

AIDC-AI（Alibaba International Digital Commerce）が公開する、AIフルオート・ショート動画生成エンジン。 トピックを1つ入力するだけで、次のパイプラインを自動実行し、最終的に完成動画（output/）を書き出す Python + Streamlit 製アプリ。

• 処理フロー（resources/flow_en.png、pixelle_video/pipelines/ 参照）: 台本生成 → 画像プランニング → フレーム毎処理（画像/動画/音声合成） → 動画合成
• 主要コンポーネント:
  • web/app.py（Streamlit UI）と api/（FastAPI サーバ、ルータ・タスクキュー付き）
  • pixelle_video/pipelines/: standard / linear / asset_based / custom の複数パイプライン（デジタルヒューマン、画像→動画、モーショントランスファー等にも対応）
  • pixelle_video/services/: LLM・TTS・画像解析・動画解析・HTMLフレーム生成・永続化・履歴管理
  • workflows/selfhost と workflows/runninghub: ComfyUI ワークフロー JSON（Flux, Qwen-Image, Nano Banana, WAN 2.1/2.2, LTX2, Edge-TTS, Index-TTS, Spark-TTS など多数）
  • templates/（1080x1080 / 1080x1920 / 1920x1080 縦横比別 HTML テンプレート）、bgm/（BGM 素材）
• 対応 LLM: GPT / Qwen / DeepSeek / Ollama など。ライセンス: Apache-2.0。Windows オールインワン zip、Docker、ソース（uv）の 3 配布形態。

既存の似た手段と比較して何が嬉しい？

類似プロジェクト（MoneyPrinterTurbo、NarratoAI、MoneyPrinterPlus 等、READMEで参照されている）と比べたときの差別化ポイント：

1. ComfyUI ワークフローを「原子的な能力」として差し替え可能
   画像生成を FLUX → Qwen-Image → Nano Banana、TTS を Edge-TTS → Index-TTS → ChatTTS、動画を WAN 2.1 → WAN 2.2 → LTX2 など、JSON を差し替えるだけで入れ替え可能。似た動画自動化ツールは「モデル固定」「クラウド API 依存」が多いが、Pixelle-Video は自作ワークフローをそのまま流し込める拡張性がウリ。
2. 完全無料運用が現実的
   LLM=Ollama (ローカル) + ComfyUI=ローカル GPU の構成で 0 円運用が可能、という方針を公式に提示。Qwen 併用の「極低コスト構成」、RunningHub 併用の「クラウド構成」の 3 段階を選べる。
3. UI + API の両面提供
   Streamlit のノーコード GUI と FastAPI ベースの REST API（api/routers, api/tasks）を同梱しており、個人利用から自動化パイプラインへの組込みまで守備範囲が広い。
4. 拡張機能の幅
   デジタルヒューマン、画像→動画、モーショントランスファー（参照動画 + 画像で動きを転写）など、単なる「スライド + ナレーション」系の自動化ツールを超えた pipeline を標準搭載。縦/横/正方形テンプレート・カスタム HTML テンプレート・ボイスクローン（Index-TTS）対応。
5. 導入の容易さ
   Windows ユーザー向けに依存一式同梱の zip、macOS/Linux 向けに uv run streamlit run web/app.py の一発起動、Docker Compose も同梱。

使うときの流れ

1. インストール
   • Windows: リリースからオールインワン zip をダウンロード → start.bat 起動。
   • macOS/Linux: uv と ffmpeg をインストール → git clone → uv run streamlit run web/app.py。
   • もしくは docker-compose up / ./docker-start.sh。
2. 初回設定（ブラウザで http://localhost:8501 を開き「⚙️ System Configuration」を展開）
   • LLM: Qwen / GPT-4o / DeepSeek / Ollama などから選び API Key 入力。
   • 画像生成: ローカル ComfyUI URL（既定 http://127.0.0.1:8188）または RunningHub API Key を設定。
3. 入力（左カラム）: トピック文（AI に台本生成させる）または確定済みスクリプトを入力。BGM を「なし / 内蔵 / bgm/ 自作」から選択。
4. 音声設定（中央カラム）: TTS ワークフロー（Edge-TTS / Index-TTS 等）を選択。必要ならボイスクローン用リファレンス音声をアップロード、プレビュー。
5. ビジュアル設定（中央カラム）: 画像生成ワークフロー（workflows/ 配下の JSON）、画像サイズ、プロンプト接頭辞、動画テンプレート（static_* / image_* / video_* の HTML）を選択。
6. 生成（右カラム）: 「🎬 Generate Video」を押すと、台本 → 画像 → 音声 → 合成と段階進捗が表示され、完了後に動画プレビュー。ファイルは output/ に保存。
7. カスタマイズ（任意）: ComfyUI を触れるユーザは workflows/selfhost に独自 JSON を追加して能力を差し替え、HTML を書けるユーザは templates/ に独自テンプレートを追加可能。API 経由でのバッチ呼び出しは api/ のエンドポイント利用。

This site is open source. Improve this page.