Das Repo positioniert sich zwischen Ein-Klick-Video-Tools und einer lokalen Media-Pipeline. Es unterstützt ein Windows All-in-One-Paket, Quellcode-Installationen mit `uv`, ein Streamlit Web UI, einen FastAPI-Server, ComfyUI/RunningHub-Workflows, direkte API-Media-Provider, Edge-TTS/Index-TTS, Vorlagen, Historie und mehrere Generierungs-Pipelines.
Get the latest on AI, LLMs & developer tools
New MCP servers, model updates, and guides like this one — delivered weekly.
Redaktioneller Hinweis
Dieser Artikel basiert auf dem GitHub-Repo, README/englischem README, Docs, pyproject, Konfigurationsbeispiel, Core-Service, API-App, Release-Notes, aktuellen Issues und aktuellen PRs, recherchiert am 3. Juni 2026. Die Einrichtungsanleitung bevorzugt `pyproject.toml`, wenn Dokumentation und Paket-Metadaten voneinander abweichen.
1. Pixelle-Video in einem Satz
Pixelle-Video ist eine Apache-2.0 Python-Kurzvideo-Automatisierungs-Engine mit Streamlit UI, FastAPI-Routen, LLM-Skriptgenerierung, TTS, ComfyUI/RunningHub-Workflows, direkten Bild/Video-APIs, Vorlagen, Pipelines, Persistenz und Historie.
| Bereich | Detail | Warum es wichtig ist |
|---|---|---|
| Repository | AIDC-AI/Pixelle-Video | https://github.com/AIDC-AI/Pixelle-Video |
| Primäre Sprache | Python | Primäre GitHub-Sprache zum Recherchezeitpunkt. |
| Lizenz | Apache 2.0 | Gebündelte oder binäre Lizenzen gegebenenfalls separat prüfen. |
| Erstellt | 7. November 2025 | Letztes GitHub-Release geprüft: v0.1.15 am 27. Januar 2026; main enthielt neuere Änderungen bis Juni 2026. |
2. Warum es wichtig ist
Das Projekt ist relevant, da die Kurzvideo-Generierung nicht nur aus einem Modellaufruf besteht. Ein brauchbares Video erfordert Skriptgenerierung, Szenenplanung, Bild- oder Videogenerierung, Sprachsynthese, Timing, Vorlagen-Layout, Hintergrundmusik, Komposition, Export und Überarbeitung.
Der nützliche Beitrag von Pixelle-Video ist die Orchestrierung. Es bietet Benutzern ein Web UI und eine Pipeline-Struktur zur Verbindung von LLMs, ComfyUI, RunningHub, direkten Media-APIs, TTS-Engines, Vorlagen und FFmpeg-artigen Kompositionsschritten.
Es ist zudem eine Erinnerung daran, dass lokale KI-Media-Tools operativ aufwendig sind. Vollständig lokal zu arbeiten bedeutet meist lokales LLM oder Ollama plus lokales ComfyUI plus Workflow-Nodes plus FFmpeg plus TTS. Cloud/API-Pfade sind einfacher, bringen aber Anbieterkosten und Credential-Setup mit sich.
3. Architektur und Denkmodell
Pixelle-Video ist um einen zentralen Service-Koordinator, Streamlit Web UI, FastAPI-App, Media/TTS/LLM-Services, mehrere Pipelines, Vorlagenordner, Workflow-Ordner, Konfigurationsdateien und Persistenz/Historie-Layer organisiert.
| Bereich | Detail | Warum es wichtig ist |
|---|---|---|
| Web UI | `web/app.py` | Streamlit-Einstiegspunkt für Konfiguration, Content-Eingabe, Sprach/Visual-Einstellungen und Generierung. |
| API-Server | `api/app.py` | FastAPI-App mit Routern für Health, LLM, TTS, Bilder, Inhalte, Videos, Aufgaben, Dateien, Ressourcen und Frames. |
| Kern-Koordinator | `pixelle_video/service.py` | Initialisiert Dienste und registriert Pipelines. |
| Pipelines | `pixelle_video/pipelines/*` | Abstraktionen für Standard-, benutzerdefinierte, asset-basierte, lineare und Basis-Pipelines. |
| Dienste | `pixelle_video/services/*` | LLM, TTS, API-Medien, Comfy-Medien, Video, Frame-Verarbeitung, Persistenz, Historie und Analyse. |
| Vorlagen | `templates/` | HTML-Vorlagen im Hoch-, Quadrat- und Querformat für das Szenen-Rendering. |
| Workflows | `workflows/` | RunningHub- und selbstgehostete ComfyUI-Workflow-Gruppen. |
| Konfiguration | `config.example.yaml` | LLM, API-Anbieter, ComfyUI, RunningHub, TTS/Bild/Video-Standardeinstellungen und Vorlagen. |
4. Kleinster End-to-End-Setup
Die folgenden Befehle stammen aus der Repository-Dokumentation und wurden mit dem aktuellen Recherche-Snapshot abgeglichen. Behandle sie als Startpunkt und lies anschließend die verlinkte README, bevor du in einer Produktionsumgebung installierst.
# Windows recommended path
# 1. Download the latest all-in-one package from releases/latest
# 2. Extract it
# 3. Run start.bat
# 4. Open http://localhost:8501
# Source path
git clone https://github.com/AIDC-AI/Pixelle-Video.git
cd Pixelle-Video
uv run streamlit run web/app.pyEine kleine erste Aufgabe sollte die Integration beweisen, bevor du sie mit kritischen Daten oder großen Workspaces verbindest.
# Alternative source setup shown in docs
uv sync
streamlit run web/app.py
# REST API server
uv run uvicorn api.app:app --host 0.0.0.0 --port 8000
# Stronger version source:
# pyproject.toml requires Python >= 3.11.5. Technischer Deep Dive
5.1 Die Pipeline verwandelt einen Prompt in Produktionsschritte.
Die README von Pixelle-Video beschreibt den Kernablauf als Skriptgenerierung, Bildplanung, Frame-für-Frame-Verarbeitung und Videokomposition. Die Codestruktur unterstreicht dies mit einem zentralen Dienstobjekt, spezifischen Medien/TTS/LLM-Diensten und Pipeline-Klassen.
Dies ist wichtig, da die Generierung von Kurzvideos an den Schnittstellen oft fehlschlägt. Ein gutes Skript kann dennoch zu schlechtem Szenen-Timing führen. Ein gutes Bild kann nicht zum Voiceover passen. Eine gute TTS-Datei kann die Komposition zerstören. Eine Pipeline gibt jeder Phase einen benannten Ort zur Validierung und Fehlerbehebung.
topic or fixed script
-> LLM narration / script
-> scene and visual planning
-> images or video clips
-> TTS voice
-> template rendering
-> video composition
-> preview, history, export5.2 ComfyUI, RunningHub und direkte APIs sind unterschiedliche Ausführungsmodi.
Pixelle-Video unterstützt lokale ComfyUI-Workflows, cloudbasierte RunningHub-Workflows und direkte API-Medienanbieter wie DashScope/Wan, OpenAI-Bild, Seedream/Seedance, Kling und ähnliche Dienste.
Benutzer sollten diese nicht als austauschbar betrachten. Lokales ComfyUI bietet Kontrolle, erfordert jedoch Nodes und Modell-Assets. RunningHub reduziert den lokalen Einrichtungsaufwand, nutzt aber einen Cloud-Workflow. Direkte APIs sind für spezifische Anbieter einfacher, erfordern jedoch Keys, Basis-URLs, Limits und anbieterspezifische Parameter.
5.3 Die Web UI ist die Produktoberfläche.
Die README erklärt eine dreispaltige Streamlit UI: Inhaltseingabe, Sprach-/Visuelleinstellungen und Generierungsausgabe. Die Ersteinrichtung umfasst die LLM-Konfiguration, ComfyUI/RunningHub und die Konfiguration des API-Medienmodells.
Diese UI ist wichtig, da der Zielbenutzer nicht zwangsläufig ein Python-Entwickler ist. Eine Video-Engine mit zehn Konfigurationsdateien ist mächtig; eine Web UI mit Modell-Presets, Vorschauen und gespeicherten Konfigurationen ist benutzerfreundlich.
5.4 Templates trennen das Layout von der Mediengenerierung.
Das Template-System unterstützt statische, Bild- und Video-Templates mit Ordnern für Hochformat, Quadrat und Querformat. Das ist die richtige Trennung: KI erstellt oder wählt Medien aus, während Templates definieren, wie Text, Hintergrund, Clips und Timing erscheinen.
Dies bietet auch fortgeschrittenen Benutzern einen Pfad zur Anpassung. Wenn Sie HTML/CSS-Templates schreiben können, können Sie einen eigenen Stil erstellen, ohne die gesamte Generierungspipeline umschreiben zu müssen.
5.5 Lokal bedeutet nicht reibungslos.
Aktuelle Probleme zeigen vorhersehbare Schwachstellen: Fehlende Nodes in ComfyUI, Fehler bei der lokalen Synthese, Instabilität von Edge TTS, lokale Ollama-Instanzen, die auf macOS leere Antworten zurückgeben, und Verwirrung, wenn die Generierung trotz lokaler ComfyUI-Konfiguration Cloud-Modelle zu verwenden scheint.
Das entwertet das Projekt nicht. Es bedeutet, dass eine realistische Installations-Checkliste Python >=3.11, `uv`, FFmpeg, Anbieter-Keys oder lokale Dienste, ComfyUI-Workflow-Nodes und einen kleinen End-to-End-Test enthalten muss, bevor ein langes Video versucht wird.
6. Praxis: Falsch vs. richtig
| Falsch | Richtig | Grund |
|---|---|---|
| Gehen Sie davon aus, dass das Windows-Paket und die Quellcode-Installation identische Setups haben. | Verwenden Sie das Windows All-in-One-Paket für die reibungsloseste Nutzung unter Windows; verwenden Sie den Quellcode für Anpassungen. | Das Paket bündelt Abhängigkeiten, während der Quellcode lokale Tools erfordert. |
| Gehen Sie davon aus, dass lokales ComfyUI bedeutet, dass jeder Schritt lokal erfolgt. | Überprüfen Sie die ausgewählten Workflows und die Einstellungen des API-Medienanbieters. | Issue #188 zeigt, dass das Routing zwischen lokal und Cloud Benutzer verwirren kann. |
| Verwenden Sie Dokumentationen, die Python 3.10+ als einzige Quelle angeben. | Bevorzugen Sie die Python >=3.11-Anforderung von `pyproject.toml`. | Paket-Metadaten sind strenger und näher an der Installationsauflösung. |
| Ignorieren Sie offene Sicherheits-PRs für API-Deployments. | Überprüfen Sie die File-Serving-Routen und PR #175, bevor Sie den API-Server freigeben. | Ein offener PR behauptet ein Path-Traversal-Problem. |
7. Häufige Fehler und aktuelle Probleme
Der Issue Tracker ist wichtig, weil diese Repos jung sind und sich schnell bewegen. Der Artikel nutzt Issues als Risikosignale, nicht als Beweis dafür, dass ein Projekt unbrauchbar ist.
| Bereich | Detail | Warum es wichtig ist |
|---|---|---|
| Python-Version | Die Dokumentation erwähnt 3.10+, während `pyproject.toml` >=3.11 erfordert. | Verwenden Sie Python 3.11 oder neuer. |
| ComfyUI-Nodes | Issue #182 meldet Fehler bei fehlenden Nodes. | Installieren Sie die erforderlichen Workflow-Nodes, bevor Sie Pixelle beschuldigen. |
| Lokal vs. Cloud | Issue #188 meldet, dass die Generierung trotz lokalem ComfyUI-Setup weiterhin den Cloud-Anbieter nutzt. | Überprüfen Sie die Workflow-/Anbieterauswahl. |
| TTS-Zuverlässigkeit | Issues melden Fehler bei Edge TTS und lokaler Synthese. | Halten Sie Backup-TTS-Optionen bereit. |
| Videokomposition | Issue #187 meldet Ruckeln zwischen zusammengesetzten Segmenten. | Überprüfen Sie Bildrate, Übergänge und Clip-Dauern. |
| API-Sicherheit | Der offene PR #175 behebt einen behaupteten Pfad-Traversal beim Dateiserving. | Setzen Sie ungeprüfte API-Server nicht öffentlich aus. |
8. Performance-, Skalierungs- und Kostennotizen
Die langsamste Phase ist normalerweise die Mediengenerierung, nicht das LLM-Skript. Die lokale ComfyUI-Performance hängt von GPU, Workflow-Komplexität, Modellgröße und Node-Verfügbarkeit ab. Die direkte API-Videogenerierung hängt von der Warteschlange des Anbieters und den Ratenbegrenzungen ab.
TTS und Komposition erzeugen ihre eigenen Engpässe. Die Sprachvorschau ist kostengünstig; vollständige Narration plus Timing pro Szene plus Videokomposition können Grenzfälle erst nach einem vollständigen Rendering aufdecken.
Die günstigste Evaluationsschleife ist ein winziges Video: kurzes Skript, ein oder zwei Szenen, eine TTS-Stimme, eine Vorlage und ein bekanntermaßen guter Bild-Workflow. Skalieren Sie erst, nachdem dieser Pfad erfolgreich ist.
9. Für wen es geeignet ist
| Verwenden, wenn | Überspringen, wenn |
|---|---|
| Sie möchten eine hackbare lokale/Cloud-Pipeline für die KI-Kurzvideogenerierung. | Sie möchten ein vollständig gehostetes Consumer-Videoprodukt ohne Einrichtungsaufwand. |
| Sie verwenden bereits ComfyUI, RunningHub oder Media-Modell-APIs. | Sie möchten FFmpeg, Python, Modellschlüssel oder Workflow-Nodes nicht verwalten. |
| Sie benötigen Vorlagen, TTS, BGM, Historie, Web UI und API-Oberflächen in einem Repo. | Sie benötigen nur einen einzigen Image-to-Video API-Aufruf. |
| Sie können die Ausgaben vor der Veröffentlichung überprüfen. | Sie benötigen eine unbeaufsichtigte, markensichere Videoveröffentlichung ohne menschliche Qualitätssicherung. |
10. Community-Signal
Aktuelle Probleme sind praxisnah und benutzerorientiert: wie man vollständig lokal ausführt, warum ComfyUI-Workflows fehlschlagen, warum TTS instabil ist, ob die Nutzung von Englisch/kostenlos/API-bezahlt unterstützt wird und warum generierte Clips ruckeln.
Aktuelle PRs zeigen, dass das Projekt die Anbieter- und API-Fähigkeiten erweitert: Streaming LLM API-Unterstützung, direkte API-Mediengenerierung, Azure OpenAI Bildgenerierung, Responses API-Unterstützung und neue Anbieter.
Der offene Sicherheits-PR ist wichtig. Selbst wenn Sie die Web UI nur lokal verwenden, müssen API-Routen, die Dateien bereitstellen, vor einer öffentlichen Bereitstellung sorgfältig geprüft werden.
11. Das Urteil: Lohnt sich die Nutzung?
Unsere Einschätzung
Verwenden Sie Pixelle-Video, wenn Sie eine flexible, hackbare KI-Short-Video-Pipeline wünschen und lokale Medien-Tools oder API-Anbieter verwalten können. Überspringen Sie es, wenn Sie einen kommerziellen Video-Editor ohne Einrichtung, eine garantierte rein lokale Generierung oder eine öffentliche API-Bereitstellung ohne Sicherheitsüberprüfung benötigen.
12. Das große Ganze
Pixelle-Video zeigt, wohin sich KI-Video-Tools entwickeln: nicht ein einzelnes Modell, sondern Orchestrierung über Text, Stimme, Bild, Video, Vorlagen, Timing und Bearbeitung.
Das schwierige Problem ist die Konsistenz. Kurzform-Inhalte benötigen kohärente Visuals, Timing, Stimme, Textlayout und Stil. Tools wie Pixelle sind wertvoll, wenn sie diese Pipeline überprüfbar und anpassbar machen, anstatt sie hinter einem Black-Box-Button zu verbergen.
13. Häufig gestellte Fragen
F: Ist Pixelle-Video vollständig kostenlos?
Es kann lokale Komponenten wie ComfyUI und lokale Modelle verwenden, aber viele Workflows nutzen Cloud/API-Anbieter, die möglicherweise kostenpflichtige Schlüssel erfordern. Überprüfen Sie Ihre ausgewählten LLM-, TTS-, Bild- und Videoanbieter.
F: Kann es vollständig lokal ausgeführt werden?
Einige Abläufe können mit Tools wie lokalem ComfyUI und lokalen LLMs lokal sein, aber Sie müssen die Workflow-Auswahl und Abhängigkeiten überprüfen. Aktuelle Probleme zeigen, dass Benutzer versehentlich über Cloud-Anbieter routen können.
F: Welche Python-Version sollte ich verwenden?
Verwenden Sie Python 3.11 oder neuer, da `pyproject.toml` >=3.11 erfordert, auch wenn einige Dokumentationen noch 3.10+ erwähnen.
F: Was ist der Unterschied zwischen ComfyUI und RunningHub?
ComfyUI ist der Pfad für die lokale Workflow-Engine; RunningHub ist ein Cloud-Workflow-Pfad. Direkte API-Medienanbieter sind ein dritter Pfad mit anbieterspezifischen Schlüsseln und Parametern.
F: Kann ich eine API anstelle der Web UI verwenden?
Ja. Das Repository enthält eine FastAPI-App, die mit `uv run uvicorn api.app:app --host 0.0.0.0 --port 8000` gestartet werden kann.
F: Warum schlagen ComfyUI-Workflows mit Fehlern zu fehlenden Nodes fehl?
ComfyUI-Workflows hängen oft von benutzerdefinierten Nodes und Modellen ab. Installieren Sie die erforderlichen Nodes/Assets des Workflows, bevor Sie die Generierung erneut ausführen.
F: Sollte ich den API-Server öffentlich zugänglich machen?
Nicht ohne Überprüfung. Ein offener PR zum Zeitpunkt der Recherche behob ein behauptetes Pfad-Traversal-Problem bei der Dateibereitstellung, daher erfordert eine öffentliche Bereitstellung eine Sicherheitshärtung.
14. Glossar
| Bereich | Detail | Warum es wichtig ist |
|---|---|---|
| ComfyUI | Knotenbasierte lokale KI-Media-Workflow-Engine. | Wird für Bild-/Video-/TTS-Workflows verwendet. |
| RunningHub | Cloud-Workflow-Ausführungspfad. | Alternative zu lokalem ComfyUI. |
| Streamlit | Python Web UI Framework. | Pixelles interaktive UI-Ebene. |
| FastAPI | Python API Framework. | Pixelles REST API-Oberfläche. |
| TTS | Text-to-Speech. | Stufe der Narrationsgenerierung. |
| Vorlage | HTML-Szenenlayout. | Steuert die Video-Präsentation im Hoch-, Quadrat- oder Querformat. |
| FFmpeg | Video-/Audio-Processing-Toolchain. | Erforderlich für Komposition und Medienverarbeitung. |
15. Alle Quellen und Links
Primärquellen
Issues und PRs
Interne Links
16. Tabelle zur Quellenzuordnung
| Bereich | Detail | Warum es wichtig ist |
|---|---|---|
| README/Dokumentation | Einrichtung von Pfaden, Web UI-Ablauf, Provider-Konfiguration, Vorlagen und Workflow-Erklärungen. | Primärquelle. |
| pyproject/config | Python-Anforderung, Abhängigkeiten, Provider-Standardwerte, Workflow-Standardwerte. | Primärquelle. |
| Quellbaum | Streamlit, FastAPI, Service-Koordinator, Pipelines, Services, Vorlagen. | Architekturquelle. |
| Issues | Lokale Generierung, TTS, ComfyUI, Ollama und Einschränkungen bei der Komposition. | Community-Signal. |
| PRs | Direkte API-Medien, Sicherheitspatch, Streaming-LLM, Provider-Erweiterung. | Aktualitätssignal. |
Get the Ultimate Antigravity Cheat Sheet
Join 5,000+ developers and get our exclusive PDF guide to mastering Gemini 3 shortcuts and agent workflows.
Related Guides
Humanizer Skill Guide
blader/humanizer: 29 AI-writing patterns, voice calibration, and a two-pass audit, all in one Claude Code skill.
Guides & FeaturesMastering Agent Skills
The open standard for portable AI agent expertise.
Guides & FeaturesAntigravity Workflows Guide
Create automation recipes with Turbo Mode and AgentKit 2.0.
Guides & FeaturesHow to Change Antigravity Themes
Customize themes, dark mode, icons, and color schemes.
Guides & FeaturesHow to Change Language
Switch Antigravity to Spanish, German, Japanese, and more.
Guides & FeaturesAntigravity Security Guide
Known vulnerabilities, safe settings, and hardening steps.