我一个做自媒体运营的朋友找我吐槽她每天要剪3-5条短视频发抖音和小红书每条从找素材、写脚本、配音到剪辑少则两小时多则半天。她不是技术背景面对各种”AI视频生成工具”要么是英文界面劝退要么要付费订阅要么需要本地GPU。我想起之前在GitHub上看到过一个开源项目Pixelle-Video一个全自动的AI短视频引擎——你只需输入一句话描述它自动完成脚本生成、素材搜索、配音合成、视频剪辑全流程。后台接的大模型是智谱的GLM系列视频合成用FFmpeg素材来源支持Pexels和Pixabay的免费素材库。关键问题是它需要API调用大模型。朋友需要一个国内可直接访问且性价比高的模型API。解决方案蓝耘MaaS平台的GLM-5.1模型。目录一、选型与蓝耘的作用二、Windows环境部署2.1 前置条件2.2 配置蓝耘API2.3 启动Web界面三、实战效果3.1 生成速度3.2 蓝耘API的表现3.3 成本算账四、避坑指南4.1 素材搜索失败4.2 中文配音口音问题4.3 超长视频内存溢出五、GLM-5.1 vs 其他国产模型结语一、选型与蓝耘的作用Pixelle-Video默认调用云端大模型API。翻了一下蓝耘的模型广场智谱GLM-5.1在创意写作和内容生成方面口碑不错。关键是蓝耘支持国内直接访问不需要代理支付宝就能充值。我去蓝耘的模型广场查了一下GLM-5.1的定价输入0.5元/百万token输出2元/百万token。手动算了一下一条短视频脚本300-500字平均消耗约3000-5000 token成本约0.3-0.8分钱。也就是说生成100条视频脚本的总成本不到8毛钱。这个价格对比我朋友之前用的某SaaS视频生成工具月费299元、每月100条额度差距不是一点半点。二、Windows环境部署2.1 前置条件Pixelle-Video的运行依赖Python 3.9和FFmpeg。我朋友的电脑是Windows 11正好拿来实操。安装FFmpeg去 https://ffmpeg.org/download.html 下载Windows版本解压后把bin目录加到系统环境变量PATH里。验证ffmpeg -version克隆项目git clone https://github.com/AIDC-AI/Pixelle-Video.git cd Pixelle-Video随后我们将启动构建流程。由于国内网络环境的特殊性建议在构建时开启镜像加速。 终端语法差异提示 如果你使用的是 PowerShell环境变量的声明方式较为优雅需用$env:起头并用分号;衔接后续命令$env:USE_CN_MIRRORtrue; docker compose build --no-cache等构建完成后再运行启动命令同样带上环境变量$env:USE_CN_MIRRORtrue; docker compose up -d若你更偏爱传统的 CMD 命令行则使用set与的组合set USE_CN_MIRRORtrue docker compose build --no-cache set USE_CN_MIRRORtrue docker compose up -d坦白说这里我遇到了一点依赖冲突——pillow和numpy版本不匹配。解决方法是先pip install numpy1.24.3再装其他包顺序很重要。解决之道在于“化整为零”用任意编辑器打开项目根目录下的Dockerfile找到那段包含playwright install --with-deps chromium的代码块将其临时删去只保留 Python 依赖的安装RUN export UV_HTTP_TIMEOUT300 \ uv venv \ if [ $USE_CN_MIRROR true ]; then \ uv pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple; \ else \ uv pip install -e .; \ fi \ playwright install --with-deps chromium改成RUN export UV_HTTP_TIMEOUT300 \ uv venv \ if [ $USE_CN_MIRROR true ]; then \ uv pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple; \ else \ uv pip install -e .; \ fi保存后重新执行上述的 build 与 up 命令。此时容器能顺利跑起来但我们还需要把缺失的浏览器内核补上。潜入容器内部在终端输入docker exec -it pixelle-video-api bash如何判断是否进入到了容器内容别着急继续往下看如果成功你会发现最左边的提示符变了。之前是PS G:\222\Pixelle-Video现在会变成类似这样root1a2b3c4d5e6f:/app#只要看到类似rootxxx:/app#就说明你已经进入 Docker 容器内部Linux 环境了然后在当前内部环境下输入下面的命令进行安装export UV_HTTP_TIMEOUT300 uv pip install playwright -i https://pypi.tuna.tsinghua.edu.cn/simple playwright install --with-deps chromium️ 为什么不能直接输入playwright 项目使用了uv venv在/app/.venv下创建了隔离的虚拟环境。可执行文件被安放在.venv/bin/的深处而非系统的公共路径/usr/local/bin/。理解了这个层级关系就不会感到迷惑。跑完后直接退出就行装好之后在容器里执行exit回到 PowerShell然后重启让环境生效docker compose restart如果你是在pixelle-video-api里装的但 Web 页面打开报浏览器/Chromium 相关错那就再对pixelle-video-web也执行一遍同样的命令docker exec -it pixelle-video-web bash # 进入后再执行 export UV_HTTP_TIMEOUT300 uv pip install playwright -i https://pypi.tuna.tsinghua.edu.cn/simple .venv/bin/playwright install --with-deps chromium exit然后docker compose restart。2.2 配置蓝耘API编辑项目根目录的.env文件LLM_PROVIDERopenai LLM_API_KEYsk-ak******** LLM_BASE_URLhttps://maas-api.lanyun.net/v1 LLM_MODEL/maas/zhipu/GLM-5.1 VIDEO_LANGUAGEzh OUTPUT_DIR./output核心就这几行配置。Pixelle-Video内部用的是OpenAI兼容的API调用方式蓝耘的接口完全兼容所以几乎零配置——改API地址和Key就行。注意模型名要用蓝耘的完整路径/maas/zhipu/GLM-5.1。我第一次只写了GLM-5.1返回404翻了一下蓝耘的模型详情页才找到准确路径。2.3 启动Web界面python app.py浏览器打开http://localhost:5000一个极简的Web界面出来了——一个输入框、一个”生成视频”按钮、一个历史列表。简单到我朋友这种非技术背景的人也能秒懂。三、实战效果3.1 生成速度输入”为什么养成阅读习惯30秒短视频”点击生成脚本生成蓝耘GLM-5.1约4秒素材搜索与下载Pexels API约12秒配音合成Edge TTS约8秒视频剪辑合成FFmpeg约6秒总耗时约30秒一条30秒的短视频从输入到输出只用了30秒。朋友当场表示“我之前剪一条至少两小时。”3.2 蓝耘API的表现GLM-5.1在创意脚本生成方面的表现以及性能是相当不错。我测试了不同风格的视频需求“数码产品开箱评测”脚本逻辑清晰开头吸引人结尾有引导关注的话术“三分钟读一本书”自动提取核心观点分章节展开节奏感好“猫咪搞笑合集旁白”语气活泼有网感知道在什么时间点加什么梗不过GLM-5.1在极专业的垂直领域比如医学知识科普偶尔会出现术语不准确的问题。我让朋友在实际使用时生成完脚本后再花两分钟快速过一遍关键信息效率依然提升非常大。3.3 成本算账朋友用了一个月后的蓝耘账单生成视频脚本约150条总token消耗约75万输入输出总API费用不到1.2元对比之前299元/月的SaaS工具成本几乎是零。而且Pixelle-Video生成的视频直接保存在本地不像SaaS工具那样有存储限制和视频水印。四、避坑指南4.1 素材搜索失败Pexels和Pixabay的免费API有调用频率限制Pexels免费版每小时200次。如果连续大量生成视频素材搜索会返回429错误。解决方案在项目的config.py里找到Pexels API Key的设置去Pexels官网注册一个免费账号用自己的Key替换默认的——自己的Key有更高频率配额。4.2 中文配音口音问题Pixelle-Video默认用Edge TTS做中文配音但Edge TTS的中文发音偶尔会有奇怪的断句或者把”什么”读成”什-么”。朋友说她的观众反馈”声音有点AI味儿”我建议她换成Azure TTS的付费版声音更自然月费约15元她试了后说提升明显。这个不是蓝耘或Pixelle-Video的问题是TTS引擎本身的局限。4.3 超长视频内存溢出有一次朋友想生成一条3分钟的深度讲解视频FFmpeg合成时报内存溢出。原因是Pixelle-Video默认把所有素材帧一次性加载到内存。解决方法是把video_processor.py里的batch_size从默认的0全部加载改成50分批处理内存占用从4GB降到了500MB。五、GLM-5.1 vs 其他国产模型我在蓝耘上做了个横向对比同样的脚本生成任务模型脚本生成时间创意评分主观每万token成本GLM-5.14.2秒8/100.51元DeepSeek-V3.26.8秒7/1023元Qwen3-235B5.1秒7.5/1039元GLM-5.1在创意脚本场景下性价比最高——速度快、创意评分高、价格最低。智谱在中文创意写作上的积累确实扎实。结语Pixelle-Video 蓝耘GLM-5.1这套组合从安装到生产出第一条视频总共花了我约两个小时其中至少40分钟在解决Python依赖冲突。给朋友配好后她一个月生了150条短视频。最大的感受是蓝耘的模型广场聚合了国内主流大模型GLM-5.1、DeepSeek、Qwen这些国产模型都能在一个平台上直接调用。如果不走蓝耘要同时用多个国产模型要么在各家平台分别注册充值要么自己部署GPU。蓝耘把多模型调用的门槛从”需要分别对接各家API”降到了”一个Key全搞定”。 Key”。朋友最近在抖音上的播放量从每条一两百涨到稳定破千问我要不要合伙做AI视频代运营。我说你先跑通了商业模式再找我但我可以免费帮你看蓝耘的账单——反正你也花不了几块钱。