GitHub 2.9万 Star！阿里这个开源项目，输入一句话就能全自动出视频

👉这是一个或许对你有用的开源项目

国产Star破10w的开源项目，前端包括管理后台、微信小程序，后端支持单体、微服务架构

RBAC权限、数据权限、SaaS多租户、商城、支付、审批工作流、大屏报表、ERP、CRM、WMS、MES、EAM、HRM、OA、FMS、PMS、AI大模型、AI工作流、AI Agent、IoT物联网、IM实时聊天等功能：

• 多模块：https://gitee.com/zhijiantianya/ruoyi-vue-pro
• 微服务：https://gitee.com/zhijiantianya/yudao-cloud
• 视频教程：https://doc.iocoder.cn

01

先把定位说清楚，不然容易误会。

它不是 Runway 那类产品。它自己一个像素都不生成，一个字的文案也不写。

它干的事是把别人家的模型串起来。LLM 写文案，丢给 ComfyUI 或者 Seedream 出图，再丢给 Edge-TTS 念稿，最后 ffmpeg 合成，套一层 HTML 模板。

四步，文案生成、配图规划、逐帧处理、视频合成。

这个定位决定了它的两个特点。好消息是每一环都能换，画质不行换图模型，文案太烂换 LLM，声音不喜欢换 TTS 工作流，不用赌一个模型把所有事都做好。坏消息是每一环的质量都得你自己负责，它只保证流程跑通。

说得再直白点，它把「做视频」这件事拆成了四个可以单独优化的工位。以前你用一个一体化工具，出片难看只能整个换掉；现在你能看出是哪一环拖后腿，只换那一环。这个差别在长期使用里会越来越明显，因为好的模型和便宜的工具总在变，而流水线的结构不用变。

它自己什么也不生成，它的全部本事在于安排谁在哪一步干活。

ruoyi-vue-pro

基于 Spring Boot + MyBatis Plus + Vue & Element & Ant Design 实现的后台管理系统 + 用户小程序，RBAC权限、数据权限、SaaS多租户、商城、支付、审批工作流、大屏报表、ERP、CRM、WMS、MES、HRM、EAM、OA、FMS、PMS、AI大模型、AI工作流、AI Agent、IoT物联网、IM实时聊天等功能

项目地址：https://github.com/YunaiV/ruoyi-vue-pro

视频教程：https://doc.iocoder.cn/video/

02

界面是 Streamlit 搭的，灰底白框，三栏。左边输入，中间调参数，右边预览。

文案这一环 ，在左侧敲一句主题，比如「为什么我们还没有找到外星文明」，点生成，LLM 吐一段解说词。GPT-4o、通义千问、DeepSeek、Ollama 本地模型都能接，下拉选完自动填好 base_url 和 model，自己搭的私有 API 也能填。不想让 AI 写就切到固定文案模式，把现成稿子贴进去。

这一环的实际差别比想象中大。同一个主题，有的模型给你一段能直接念的解说词，有的给你一段像产品说明书的文字。作者的实测感受是前者更自然、后者偏书面，但都不至于不能用。如果你的内容有固定语气，比如一直用某种口吻讲话，固定文案模式反而更省事。

配图这一环 ，是整套东西里选择空间最大的地方，三条路。ComfyUI 工作流本地跑，默认带一个 image_flux.json，自己写的丢进 workflows 文件夹就行。RunningHub 挂云端，本地不用显卡，按量付钱，支持并行和并发配置。直连 API 最省事，把 DashScope、OpenAI、Seedream、Seedance、Kling 的 Key 一填，画图生视频直接调，ComfyUI 都不用装。

这三条路不互斥。文案走 Ollama 本地、配图走 Seedream API、语音走免费的 Edge-TTS，这种拼积木的组合才是它跟一键出片工具真正拉开差距的地方。

怎么选其实看两件事。一是你手上有没有能跑 ComfyUI 的显卡，二是你出片的频率。偶尔做一条，直连 API 最省事，Key 填完就能用。天天要出好几条，本地方案的一次性折腾会在两周内回本。介于两者之间的，用 RunningHub 这种按量付费的云端工作流，不占本地资源也不用一次投入。

还有一个容易被忽略的细节。配图风格靠 prompt prefix 统一，在视觉设置里填一句英文风格描述，所有分镜都沿用。不然第一条是油画风第二条是日漫风，长视频直接废掉。

语音这一环 ，Edge-TTS 免费用，多语言支持，效果不差。Index-TTS 能做声音克隆，传一段参考音频，它复刻那个声音来念解说词。

yudao-cloud

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element & Ant Design 实现的后台管理系统 + 用户小程序，RBAC权限、数据权限、SaaS多租户、商城、支付、审批工作流、大屏报表、ERP、CRM、WMS、MES、HRM、EAM、OA、FMS、PMS、AI大模型、AI工作流、AI Agent、IoT物联网、IM聊天等功能

项目地址：https://github.com/YunaiV/yudao-cloud

视频教程：https://doc.iocoder.cn/video/

03

模板分三种前缀。static_ 开头是纯文字排版，image_ 开头是 AI 生成的图当背景叠文字，video_ 开头是 AI 视频片段当背景。竖屏横屏方形都有。

会写 HTML 的人可以在 templates 文件夹里自己改，字号颜色位置动画全都能调。这是整套流水线上唯一能做出差异化的地方，默认模板的美术说实话偏工具感，要做出小红书那种精致程度，得自己磨 prompt prefix 或者干脆重写模板。

反过来说，如果你做的是系列内容，模板恰恰是最值得投入的地方。定一套固定版式，每期只换文案和配图，观众刷到第三期就能认出是你。这件事用剪映做要一遍遍手动对齐，用 HTML 模板做是一次写好、之后自动复用。

今年初开始还塞了几个模块进来。数字人口播，上传一张人像图和文案，数字人对着镜头念，韩语日语都支持。图生视频，一张静态图让它动起来。动作迁移，传一段参考视频和一张图片，把视频里的动作迁移到图片上。还有自定义素材，上传自己的照片和视频，AI 分析完自动生成脚本再合成。

04

Windows 最省事。去 Releases 页面下整合包，解压，双击 start.bat，浏览器自动打开本地的 8501 端口。Python、ffmpeg 全在包里，什么都不用装。

macOS 和 Linux 从源码跑，先装 uv 和 ffmpeg。

跑起来之后先别急着输入主题。左侧那个「系统配置」面板上标着必需两个字，LLM 的 API Key 和图像方案不填完，后面的生成按钮不会亮。填好保存，再回到左边输入主题点生成，等几分钟完事。

花钱上有三档，丰俭由人。

完全免费是 Ollama 加 ComfyUI 加 Edge-TTS 加内置 BGM，零成本，但要有一张能跑 ComfyUI 的卡，8G 显存起步。

低成本走通义千问 API，三段视频大概 0.01 到 0.05 元。三分钟的短片，API 费不到一毛，这个量级基本可以忽略不计。

全套云端是 OpenAI 加 RunningHub，不挑设备，笔记本都能跑，但费用猛长，适合对画面质量要求很高的人。

三档的差别不在工具本身，在你的出片频率和手上的硬件。偶尔做一条，走云端最划算；天天要出，本地方案的一次性投入很快就摊回来。

05

换个角度看，它省的不只是剪辑时间。它把选题到成片之间那些反复试错的环节，压成了一次配置。你调好一套组合、定好一套模板，之后每条视频都是同一套流程在跑，不用每次重新想。

但 GPU 永远是硬伤，生图和生视频吃显存，它只是个装配工，解决不了这件事。默认模板和默认工作流的审美也就是及格水平，出品好不好看全看你肯不肯花时间调。

但对不需要特别精美的场景，比如做视频教程、内部分享课程、给产品做个演示片，这东西非常合适。你只要把主题想清楚，剩下的它跑。

判断标准可以很简单。如果你的视频靠信息量取胜，画面只要干净不出戏，它够用。如果你的视频靠画面质感取胜，每一帧都要经得起截屏，那它给你的只是个起点，后面还有大量手工活。

开源地址是 https://github.com/AIDC-AI/Pixelle-Video，Apache 2.0。