Pixelle-Video 源码解析 #29：本地免费方案：Ollama + ComfyUI 能否零成本跑通？
前面第 25 篇，我们分析了如何接入新的 LLM 模型供应商；第 26 篇分析了如何接入新的图像或视频生成 API；第 28 篇分析了如何把 Pixelle-Video 改造成批量短视频生成工具。
这一篇回到一个很多个人开发者最关心的问题：
Pixelle-Video 能不能完全本地跑？能不能零成本生成短视频？
如果从架构上看，Pixelle-Video 的确预留了一条“本地免费方案”：
LLM：
Ollama 本地大模型
图片 / 视频生成：
本地 ComfyUI selfhost workflow
TTS：
local Edge-TTS 或本地 ComfyUI TTS workflow
模板渲染：
本地 Playwright
视频合成：
本地 ffmpeg
README 中也明确把“Ollama 本地 + ComfyUI 本地部署”描述为“完全免费方案”，但这里的“免费”更准确地说，是不调用付费云 API 的调用成本为 0，不是没有任何成本。你仍然需要电脑、硬盘、内存、显卡、电费、模型下载时间和本地环境维护成本。
这一篇我们就专门分析：
Pixelle-Video 的本地免费方案到底能不能跑通？哪些环节可以本地化？哪些环节会卡住？个人开发者应该怎么选配置？
一、先说结论：可以跑通，但不等于轻松
Pixelle-Video 的本地免费方案理论上可以跑通，但前提是你要接受几个现实：
1. Ollama 可以替代云端 LLM。
2. ComfyUI 可以替代 RunningHub / API 图片视频模型。
3. Edge-TTS 可以作为低成本 TTS 方案。
4. ffmpeg 和 Playwright 都可以在本地跑。
5. 但 AI 图片 / 视频生成对硬件要求最高。
6. 如果没有 GPU，最好先用 static 模板或轻量 image workflow。
也就是说，Pixelle-Video 的本地方案不是：
普通电脑随便点一下，就能快速生成高质量 AI 视频
而更像是：
用本地 LLM + 本地图像生成 + 本地合成工具
搭一条尽量不花 API 费用的视频生成流水线
从源码看，本地化最关键的两个配置是：
llm:
base_url: "http://localhost:11434/v1"
model: "llama3.2"
comfyui:
comfyui_url: http://127.0.0.1:8188
config.example.yaml 中已经把 Ollama 写成 LLM 的本地 preset，并且把 ComfyUI URL 默认设置为 http://127.0.0.1:8188。
二、Pixelle-Video 的生成链路里，哪些东西会花钱？
一条 Pixelle-Video 短视频通常会经过这些阶段：
LLM 文案生成
LLM 标题生成
LLM 图片 / 视频 prompt 生成
TTS 语音生成
AI 图片 / 视频生成
HTML 模板渲染
ffmpeg 合成视频
BGM 混音
如果使用云服务，可能花钱的地方主要是：
LLM API：
GPT、Qwen、DeepSeek、Claude 等
图片 / 视频 API：
OpenAI image、DashScope、Kling、Seedance 等
RunningHub：
云端执行 ComfyUI workflow
TTS：
付费 TTS 或声音克隆服务
如果要尽量免费，就要把这些替换成本地组件：
云端 LLM
↓
Ollama
RunningHub / 图片视频 API
↓
本地 ComfyUI
付费 TTS
↓
Edge-TTS local 或本地 TTS workflow
云端视频合成
↓
本地 ffmpeg
Pixelle-Video 的配置和代码刚好支持这种替换：LLM 层支持 OpenAI-compatible API，Ollama 也提供 OpenAI-compatible 接口；媒体层支持 selfhost/... workflow；视频合成层基于本地 ffmpeg。
三、本地方案的整体架构
如果用本地免费方案，整体架构大概是这样：
Pixelle-Video WebUI
↓
LLMService
↓
Ollama
↓
生成 narration / title / image_prompt
Pixelle-Video MediaService
↓
ComfyUI selfhost workflow
↓
生成 image_path 或 video_path
Pixelle-Video TTSService
↓
local Edge-TTS 或 selfhost TTS workflow
↓
生成 audio_path
HTMLFrameGenerator
↓
Playwright
↓
渲染 composed_image_path
VideoService
↓
ffmpeg
↓
合成 segment / 拼接 final.mp4 / 添加 BGM
这条链路中，Pixelle-Video 本身更像调度器。
它负责把文本、图片、语音、模板、视频合成串起来。真正吃算力的地方主要是：
Ollama：
吃 CPU / GPU / 内存
ComfyUI：
吃 GPU / 显存 / 硬盘
ffmpeg：
吃 CPU，部分场景可用 GPU 编码
Playwright：
吃少量 CPU / 内存
所以“零成本”能不能跑通，核心不是 Pixelle-Video 代码支不支持，而是你的本地环境能不能承担 Ollama 和 ComfyUI。
四、LLM：Ollama 为什么能接入 Pixelle-Video？
Pixelle-Video 的 LLM 层是基于 OpenAI SDK 的统一实现。
LLMService 源码注释写得很明确：它支持 OpenAI SDK compatible providers，其中包括 Ollama，并且 _create_client() 会创建 AsyncOpenAI 客户端。调用时使用的是 client.chat.completions.create()。
Ollama 这边也提供 OpenAI-compatible API。Ollama 官方文档说明，可以通过 http://localhost:11434/v1/ 作为 base URL，使用 OpenAI Chat Completions 风格接口连接本地 Ollama。
所以 Pixelle-Video 接 Ollama 不需要写新 provider。
配置成这样即可：
llm:
api_key: "ollama"
base_url: "http://localhost:11434/v1"
model: "llama3.2"
llm_presets.py 里也内置了 Ollama preset：base_url 是 http://localhost:11434/v1，model 是 llama3.2，并且提供 default_api_key: "ollama"，注释说明这个 key 是 OpenAI SDK 需要但 Ollama 会忽略的字段。
五、Ollama 在 Pixelle-Video 中负责哪些内容？
接入 Ollama 后，它主要负责：
1. 根据主题生成旁白 narrations
2. 根据主题或文案生成标题 title
3. 根据旁白生成 image prompts
4. 根据旁白生成 video prompts
5. 把用户风格描述扩展成更完整的 prompt
也就是说，Ollama 决定的是“文本脑力劳动”。
它不会生成图片，也不会生成视频。
在本地免费方案中，Ollama 的质量直接影响：
文案自然不自然
分镜拆得好不好
图片提示词是否具体
JSON 输出是否稳定
中文表达是否适合短视频
这里有一个实际问题：很多本地小模型可以生成普通文本，但未必能稳定输出 Pixelle-Video 需要的结构化 JSON。LLMService 虽然会通过 JSON schema 指令要求模型输出合法 JSON，并且会尝试解析直接 JSON、markdown JSON 代码块和文本中的 JSON 对象，但如果模型完全不按格式输出，仍然会失败。
所以本地方案里，LLM 模型不能只看能不能聊天，还要看：
中文能力
JSON 稳定性
长文本能力
是否容易啰嗦
是否容易输出额外解释
是否能遵守 “只输出 JSON”
六、本地 LLM 模型怎么选？
如果只是测试 Pixelle-Video 本地链路，可以先用较轻模型：
llama3.2
qwen2.5:7b
mistral
gemma
如果你做中文短视频，我更建议优先测试 Qwen 系列本地模型。
原因是：
中文表达更自然
中文标题和短视频口播更好调
生成 image_prompt 时中英混合更可控
不过模型越大，对硬件要求越高。
可以粗略理解为：
7B 级别：
普通本地机器更容易跑，质量够测试。
14B 级别：
质量更好，但更吃内存和显存。
32B 以上：
更适合高配机器，不适合轻量部署。
Pixelle-Video 本身不会限制你用哪个 Ollama 模型，因为它只把 model 名称传给 OpenAI-compatible client。真正能不能跑，取决于 Ollama 本地是否已经 pull 了这个模型。
七、媒体生成：ComfyUI selfhost 是本地方案的关键
LLM 本地化以后，最大成本点就是图片和视频生成。
Pixelle-Video 的媒体层支持三类来源：
selfhost：
本地 ComfyUI
runninghub：
云端 RunningHub workflow
api：
直连图像 / 视频模型 API
MediaService 中，如果 workflow 以 api/ 开头，就转给 direct API media service；否则走 ComfyKit workflow，也就是 selfhost 或 RunningHub workflow。
本地免费方案应该尽量选择：
selfhost/image_xxx.json
selfhost/video_xxx.json
配置示例中也列出：图片 workflow 可以选择 selfhost/image_flux.json，视频 workflow 可以选择 selfhost/video_wan2.1_fusionx.json，但这些都需要本地 ComfyUI 支持。
也就是说，ComfyUI 是本地媒体生成的核心。
八、ComfyUI 本地方案真正难在哪里？
ComfyUI 本身可以本地运行，它是一个基于节点和工作流的生成系统。ComfyUI 官方仓库也说明，它支持本地运行、workflow templates、App Mode 和本地 API，用于把 workflow 集成到应用中。
但难点不在于“启动 ComfyUI 界面”。
难点在于：
1. 本地是否有 GPU。
2. 显存是否够跑对应模型。
3. workflow 里需要的自定义节点是否安装。
4. 模型文件是否下载到正确目录。
5. workflow JSON 是否和你的 ComfyUI 节点版本兼容。
6. Pixelle-Video 能否通过 http://127.0.0.1:8188 访问 ComfyUI。
如果你只是用 ComfyUI 生成静态图片，难度相对低。
如果你要生成 AI 视频，本地难度会明显上升：
视频模型更大
推理时间更长
显存要求更高
workflow 更复杂
失败率更高
所以对个人开发者，我建议本地方案先从 image 模板开始，不要一开始就上 video 模板。
九、最稳的本地路线：先跑 static，再跑 image，最后跑 video
如果你想验证本地方案，不要直接上：
Ollama + ComfyUI 视频工作流 + 声音克隆 + BGM + 批量生成
这样失败点太多。
建议分三步。
第一步：static 模板
Ollama
↓
Edge-TTS
↓
static 模板
↓
ffmpeg
这一步不需要 ComfyUI 生成图片或视频。
它只验证：
Ollama 文案是否可用
TTS 是否可用
Playwright 模板渲染是否可用
ffmpeg 是否可用
第二步：image 模板
Ollama
↓
ComfyUI selfhost image workflow
↓
Edge-TTS
↓
image 模板
↓
ffmpeg
这一步验证本地 ComfyUI 图片生成。
第三步：video 模板
Ollama
↓
ComfyUI selfhost video workflow
↓
TTS
↓
video overlay
↓
ffmpeg
这一步最复杂，最好等前两步稳定后再做。
这样排查问题会清楚很多。
十、TTS：Edge-TTS 算不算本地免费？
Pixelle-Video 的 TTS 有两条路线：
local：
Edge-TTS
comfyui：
ComfyUI TTS workflow，例如 Index-TTS
TTSService.__call__() 会根据 inference_mode 分流：local 模式走 _call_local_tts()，comfyui 模式走 workflow。
如果你追求简单、低成本，建议先用：
tts_inference_mode: local
voice: zh-CN-YunjianNeural
speed: 1.1
Edge-TTS 的优势是：
配置简单
不需要显卡
速度比较快
音色可接受
适合知识类和图文类短视频
但要注意一点：Edge-TTS 虽然在 Pixelle-Video 中属于 local 模式，但它并不是“完全离线本地模型”。它使用的是 Edge-TTS 的语音服务接口，不像 Ollama 那样完整跑在本地。因此如果你严格要求离线，本地 TTS 需要改用 ComfyUI TTS workflow 或其他真正离线 TTS。Pixelle-Video 的 comfyui TTS 分支本身支持把 TTS workflow 交给 ComfyUI 执行。
所以更准确地说：
Edge-TTS：
免费、简单，但不是严格离线。
ComfyUI TTS：
更接近本地化，但配置更复杂。
Index-TTS / 声音克隆：
效果更可控，但需要本地 workflow、模型和算力。
十一、ffmpeg：本地方案必不可少
无论你用云 API 还是本地模型，Pixelle-Video 最终都离不开 ffmpeg。
VideoService 源码注释写明，它是基于 ffmpeg-python 的视频处理服务，负责视频拼接、音视频合并、添加 BGM、图片转视频，并且要求系统安装 FFmpeg。check_ffmpeg() 会检查系统中是否存在 ffmpeg 命令，找不到就抛出安装提示。
本地免费方案中，ffmpeg 负责：
图片 + 音频 → 视频片段
AI 视频 + 字幕 overlay → 视频片段
多个片段 → 最终视频
人声 + BGM → 混音
视频裁剪 / 补长 / 转码
所以本地方案第一步就应该确认：
ffmpeg -version
如果 ffmpeg 没装，即使 Ollama 和 ComfyUI 都正常，最终也无法合成视频。
十二、Playwright：模板渲染也要本地依赖
Pixelle-Video 的 HTML 模板不是直接交给 ffmpeg。
它会先用 Playwright 打开 HTML 模板，替换 {{title}}、{{text}}、{{image}} 等变量，再截图生成 composed_image_path。
所以本地环境还需要：
Playwright
Chromium
字体依赖
中文字体
这部分在前面模板章节已经讲过。
本地方案常见问题是：
模板渲染失败
中文字体缺失
截图空白
video overlay 不透明
它们和 Ollama / ComfyUI 没关系，而是本地浏览器渲染环境问题。
十三、最小本地配置示例
如果只是先跑通静态模板，可以从这个配置开始：
llm:
api_key: "ollama"
base_url: "http://localhost:11434/v1"
model: "llama3.2"
comfyui:
comfyui_url: http://127.0.0.1:8188
comfyui_api_key: ""
tts:
default_workflow: selfhost/tts_edge.json
image:
default_workflow: selfhost/image_flux.json
prompt_prefix: "simple clean illustration, minimal style"
video:
default_workflow: selfhost/video_wan2.1_fusionx.json
prompt_prefix: "simple clean motion, minimal style"
template:
default_template: "1080x1920/static_simple.html"
这里虽然配置了 image 和 video workflow，但第一步建议先选择 static_simple.html 或其他 static 模板。
因为 static 模板不需要 AI 图片 / 视频，可以先验证：
Ollama 是否能生成文案
TTS 是否能生成音频
模板是否能渲染
ffmpeg 是否能合成
config.example.yaml 中也明确写了模板命名规范：static_*.html 是不需要 AI 生成媒体的静态模板，image_*.html 需要 AI 图片，video_*.html 需要 AI 视频。
十四、本地 image 模板配置
当 static 模板跑通后，再切到 image 模板。
示例：
comfyui:
image:
default_workflow: selfhost/image_flux.json
prompt_prefix: "clean minimal illustration, simple composition, high contrast"
template:
default_template: "1080x1920/image_default.html"
WebUI 中对应选择：
媒体来源：
selfhost
图片工作流：
selfhost/image_flux.json
模板类型：
image
模板：
1080x1920/image_default.html
这一步会走：
Ollama 生成 image_prompt
↓
ComfyUI selfhost 生成 image_path
↓
HTML 模板合成 composed_image_path
↓
ffmpeg 生成 segment
如果这一步失败，大概率是 ComfyUI workflow、模型文件、自定义节点或显存问题。
十五、本地 video 模板配置
video 模板是本地免费方案里最难的部分。
示例配置：
comfyui:
video:
default_workflow: selfhost/video_wan2.1_fusionx.json
prompt_prefix: "simple clean cinematic motion, smooth camera movement"
template:
default_template: "1080x1920/video_default.html"
对应链路：
Ollama 生成 video prompt
↓
ComfyUI selfhost 生成 video_path
↓
HTML 模板生成透明 overlay
↓
ffmpeg overlay_image_on_video()
↓
merge_audio_video()
↓
segment.mp4
VideoService.overlay_image_on_video() 会把透明 overlay 叠加到 AI 视频上，并根据 contain、cover、stretch 处理缩放；merge_audio_video() 会把 TTS 旁白合并或替换到视频里。
本地 video 模板最容易卡在：
ComfyUI 视频模型太大
显存不足
生成时间太长
workflow 节点缺失
视频时长和音频时长不匹配
overlay 尺寸不匹配
ffmpeg 重编码慢
所以除非你有比较好的 GPU，否则建议先用 image 模板批量生成，再逐步尝试 video 模板。
十六、什么叫“零成本”？要分三种
讨论“零成本”时，要分清三种成本。
1. API 调用成本
这是本地方案最能省的。
Ollama 替代 LLM API
ComfyUI 替代图片 / 视频 API
本地 ffmpeg 替代云端视频合成
这部分可以做到接近 0。
2. 运行成本
这部分不是 0。
电费
硬件折旧
显卡占用
硬盘空间
下载模型时间
环境维护时间
视频模型本地跑起来时，显卡功耗和等待时间都不低。
3. 时间成本
本地方案通常更慢，尤其是没有高端 GPU 时。
云 API：
花钱，省时间。
本地模型：
省 API 钱，花时间和硬件。
所以本地免费方案更适合：
个人开发者
技术测试
批量低成本内容
不急于实时生成
有本地 GPU 的用户
想控制数据和模型的人
不一定适合：
追求稳定商业交付
没有 GPU
不想折腾环境
需要高质量视频模型
要求快速批量出片
十七、没有 GPU 能不能跑？
可以跑一部分。
没有 GPU 的情况下，建议路线是：
Ollama 小模型：
CPU 可以跑，但速度慢。
static 模板：
不需要 AI 图片 / 视频。
Edge-TTS：
不需要显卡。
ffmpeg：
CPU 可以跑。
Playwright：
CPU 可以跑。
也就是说，没有 GPU 也可以跑：
主题 → 文案 → TTS → static 模板 → 视频
这已经能生成纯文字类短视频，比如：
书摘
语录
知识点
观点类短视频
简单口播卡片
但没有 GPU 不建议跑：
本地 AI 图片
本地 AI 视频
本地声音克隆
本地高质量视频模型
当然，也可以用 CPU 跑极小的图片模型，但速度和体验通常都不理想。
十八、8GB 显存能不能跑？
8GB 显存可以尝试轻量图片生成，但不要期望太高。
比较现实的路线是：
Ollama 7B 量化模型
轻量 SD / Flux workflow
低分辨率图片
image 模板
短视频片段
不太现实的是：
高分辨率视频生成
大模型图生视频
长视频 workflow
多个 frame 并发
声音克隆 + 视频生成一起跑
如果显存较小，建议：
降低 media_width / media_height
减少 n_scenes
使用 image 模板而不是 video 模板
关闭并发
先生成 3 段测试
本地方案最容易因为显存爆掉而失败。
十九、16GB / 24GB 显存会舒服很多
如果有 16GB 或 24GB 显存，本地 ComfyUI 的可玩性会明显提高。
你可以尝试：
更好的图片模型
更高分辨率
图生视频工作流
短视频片段生成
更复杂的 ComfyUI 节点
但即便如此，本地视频生成仍然比图片生成复杂。
建议还是遵循：
先 image
再 i2v
最后 t2v / video template
不要一开始就把所有模块打开。
二十、Docker 场景下的本地访问问题
如果 Pixelle-Video 跑在 Docker 里，而 Ollama 和 ComfyUI 跑在宿主机上，localhost 会有问题。
因为容器里的：
localhost
指向的是容器自己，不是宿主机。
config.example.yaml 中也提醒 Docker 用户：ComfyUI URL 在 Mac / Windows 下可以用 host.docker.internal:8188，Linux 下通常要用宿主机 IP。
所以 Docker 场景应该写成类似：
llm:
base_url: "http://host.docker.internal:11434/v1"
comfyui:
comfyui_url: "http://host.docker.internal:8188"
Linux 服务器上可能要写：
llm:
base_url: "http://192.168.1.100:11434/v1"
comfyui:
comfyui_url: "http://192.168.1.100:8188"
这是本地部署里非常常见的坑。
二十一、如何判断是哪一环坏了？
本地方案最重要的是分段测试。
不要直接点“生成完整视频”后看报错。
建议按下面顺序检查。
1. 检查 Ollama
ollama list
ollama run llama3.2 "用一句话解释什么是短视频自动生成"
再检查 OpenAI-compatible endpoint：
curl http://localhost:11434/v1/models
Ollama 官方文档说明它支持 OpenAI-compatible /v1/chat/completions，Pixelle-Video 也正是通过 OpenAI SDK 访问。
2. 检查 ComfyUI
浏览器打开：
http://127.0.0.1:8188
确认 workflow 可以在 ComfyUI 里单独跑通。
3. 检查 ffmpeg
ffmpeg -version
Pixelle-Video 的 VideoService 会在首次使用时检查 ffmpeg 是否存在。
4. 检查模板渲染
先用 static 模板预览。
如果模板预览失败，问题不在 Ollama 或 ComfyUI，而在 Playwright / 字体 / HTML 模板。
5. 检查 TTS
先用 local TTS preview，确认能生成音频。
6. 检查 image workflow
只生成一张图片，不生成完整视频。
7. 最后再生成完整视频
这样排查最稳。
二十二、本地方案适合哪几种内容？
本地免费方案特别适合这些内容：
书摘语录
知识卡片
健康科普
财经常识
AI 工具介绍
历史冷知识
公众号文章转短视频
简单故事解说
这些内容的特点是：
对画面动态要求不高
可以用 image 模板
TTS 旁白是核心
模板统一即可形成风格
可以批量生成
不太适合：
高质量短剧
真人数字人口播
复杂电影感视频
强动作视频
需要高一致性角色的视频
商业广告级视频
后者通常需要更强的视频模型、更复杂的 workflow，或者付费 API。
二十三、本地方案的最佳实践：先把模板做好
很多人上来就纠结模型，其实本地方案最适合先做好模板。
因为模板决定：
画面风格
字幕可读性
账号识别度
不同素材质量下的兜底效果
本地图片模型不一定每张都很惊艳，但如果模板稳定、字幕清晰、颜色统一，最终视频仍然能看。
建议本地免费方案先做：
一个 static 模板
一个 image 模板
一个固定 TTS 音色
一个固定 prompt prefix
一个低音量 BGM
然后批量测试 20 个选题，从中筛选效果好的。
二十四、本地方案和批量生成的关系
第 28 篇我们讲过，Pixelle-Video 的 batch mode 是多个 topic 共享同一套配置，然后循环调用 generate_video()。
本地方案和 batch mode 很适合结合：
Ollama：
批量生成文案和 prompt
ComfyUI：
批量生成图片
Edge-TTS：
批量生成语音
ffmpeg：
批量合成视频
但也要小心：
本地批量生成会长时间占用机器
ComfyUI 可能显存泄漏或节点失败
Ollama 可能输出格式不稳定
ffmpeg 大量合成会占 CPU
所以本地批量生成建议：
一次先跑 3 条
稳定后跑 10 条
不要一上来跑 100 条
失败后先看 History 和日志
二十五、如果追求真正离线，需要替换 Edge-TTS
严格意义上的本地离线方案应该是：
Ollama：
本地 LLM
ComfyUI：
本地图片 / 视频
本地 TTS：
本地语音模型
ffmpeg：
本地合成
此时 TTS 不应该依赖 Edge-TTS。
Pixelle-Video 支持 ComfyUI TTS workflow：TTSService 在 comfyui 模式下会解析 TTS workflow，并把 text、voice、speed、ref_audio 等参数传给 workflow 执行。
所以真正离线可以考虑：
Index-TTS
CosyVoice
GPT-SoVITS
Fish Speech
F5-TTS
但这部分配置难度会明显高于 Edge-TTS。
因此建议分阶段：
第一阶段：
Edge-TTS，先跑通视频生成
第二阶段：
本地 TTS workflow，替换 Edge-TTS
第三阶段：
声音克隆和固定账号音色
二十六、本地方案的常见错误
1. Ollama 连接失败
常见原因：
Ollama 没启动
base_url 写成了 /api/generate 而不是 /v1
Docker 里 localhost 指向容器自己
模型没有 pull
model 名称写错
Pixelle-Video 需要 OpenAI-compatible base URL，例如 http://localhost:11434/v1。
2. LLM 输出 JSON 失败
常见原因：
本地模型太小
模型不遵守只输出 JSON
temperature 偏高
中文 prompt 下模型输出解释文字
可以换更强模型，或者降低 temperature，或者专门测试结构化输出。
3. ComfyUI workflow not found
检查：
workflow 是否放在 workflows/selfhost/
配置是否写成 selfhost/xxx.json
ComfyUI 是否启动
workflow 依赖节点是否安装
4. ComfyUI 能在网页跑，但 Pixelle-Video 调不通
常见原因：
comfyui_url 写错
Docker 网络问题
ComfyUI 只监听 127.0.0.1
防火墙拦截
API endpoint 不可访问
5. ffmpeg not found
安装 ffmpeg，并确认命令行能运行：
ffmpeg -version
VideoService 找不到 ffmpeg 时会抛出明确安装提示。
6. video 模板生成很慢
这是正常的。
本地 AI 视频生成本来就慢。建议先改用 image 模板，或者降低分辨率和分镜数量。
二十七、本地免费方案的推荐路线
如果你是个人开发者，我建议按这个路线：
阶段 1：
Ollama + static 模板 + Edge-TTS + ffmpeg
阶段 2：
Ollama + image 模板 + ComfyUI image workflow + Edge-TTS
阶段 3：
Ollama + image 模板 + 自定义账号模板 + batch mode
阶段 4：
本地 TTS workflow 替换 Edge-TTS
阶段 5：
尝试 ComfyUI video workflow
阶段 6：
再考虑本地声音克隆、数字人、视频模板
不要一开始就追求“全本地 + 视频生成 + 声音克隆 + 批量”。
最稳的是先跑通：
文本视频
↓
图文视频
↓
批量图文视频
↓
动态视频
二十八、源码阅读建议
如果要阅读 Pixelle-Video 的本地免费方案相关源码，建议按这个顺序：
1. config.example.yaml
看 Ollama、本地 ComfyUI、selfhost workflow、模板默认值。
2. pixelle_video/llm_presets.py
看 Ollama preset 如何配置 base_url、model 和 default_api_key。
3. pixelle_video/services/llm_service.py
看 LLMService 如何用 OpenAI SDK 调用 Ollama。
4. pixelle_video/services/media.py
看 MediaService 如何区分 api workflow 和 ComfyUI / RunningHub workflow。
5. pixelle_video/services/tts_service.py
看 local Edge-TTS 和 comfyui TTS workflow 两条路线。
6. pixelle_video/services/video.py
看 ffmpeg 如何负责图片转视频、音视频合并、拼接和 BGM。
7. pixelle_video/services/frame_html.py
看 HTML 模板如何用 Playwright 渲染成本地图片。
8. pixelle_video/pipelines/standard.py
看 StandardPipeline 如何把 LLM、TTS、媒体、模板、ffmpeg 串起来。
9. web/components/settings.py
看 WebUI 如何配置 LLM、ComfyUI、RunningHub 和 API Provider。
这样读下来，就能完整理解：
Ollama
↓
Pixelle LLMService
↓
ComfyUI selfhost workflow
↓
TTS
↓
HTML 模板
↓
ffmpeg
↓
final.mp4
二十九、总结
这一篇我们分析了 Pixelle-Video 的本地免费方案：Ollama + ComfyUI 能否零成本跑通。
结论是：
可以跑通，但要分阶段。
从源码和配置看，Pixelle-Video 已经具备本地化所需的关键入口：
LLM：
支持 Ollama OpenAI-compatible API
媒体生成：
支持 selfhost ComfyUI workflow
TTS：
支持 local Edge-TTS 和 ComfyUI TTS workflow
模板：
支持本地 HTML / CSS 渲染
视频合成：
基于本地 ffmpeg
批量：
可以用 batch mode 复用本地配置批量生成
但“零成本”不能理解成没有任何代价。
更准确的说法是：
不花云 API 调用费，
但要花本地硬件、显卡、电费、时间和维护成本。
推荐个人开发者的实践路线是：
先用 Ollama + static 模板跑通文本视频
再接 ComfyUI image workflow 跑通图文视频
然后做自定义模板和批量生成
最后再挑战本地视频 workflow、声音克隆和数字人口播
一句话总结：
Pixelle-Video 的本地免费方案，本质是把云端 LLM、云端媒体模型和云端 workflow 换成本地 Ollama 与本地 ComfyUI，再用 Edge-TTS / 本地 TTS、Playwright 和 ffmpeg 完成语音、画面和视频合成；它可以把 API 调用成本降到接近 0，但真正的门槛会转移到本地硬件、模型配置、ComfyUI workflow 兼容性和生成速度上。
更多推荐
1
0- 0
已为社区贡献3条内容
所有评论(0)