# 你的项目 vs Pixelle-Video：不足之处

> 📅 分析日期：2026-06-05
> 📌 目的：客观分析差距，明确改进方向

---

## 📊 不足之处概览

| 能力 | 你的项目 | Pixelle-Video | 差距 |
|------|---------|--------------|------|
| **视频生成** | ❌ 无 | ✅ 完整流水线 | 大 |
| **本地 LLM** | ❌ 仅云端 | ✅ Ollama 支持 | 中 |
| **图像生成** | ❌ 无 | ✅ ComfyUI/RunningHub | 大 |
| **HTML 模板渲染** | ❌ 无 | ✅ 30+ 模板 | 大 |
| **数字人口播** | ❌ 无 | ✅ 支持 | 大 |
| **动作迁移** | ❌ 无 | ✅ 支持 | 大 |
| **免费运行** | ❌ 需付费 API | ✅ Ollama 免费 | 中 |

---

## 🔴 差距较大的方面

### 1️⃣ **视频生成能力** ⭐⭐⭐⭐⭐

**你的项目**：主要生成音频/有声书
```
输入：文本 → 输出：音频
```

**Pixelle-Video**：完整视频生成流水线
```
输入：文本/主题
  ↓
1. LLM 生成文案（分镜头脚本）
  ↓
2. 图像生成（AI 配图）
  ↓
3. TTS 生成语音
  ↓
4. HTML 帧模板渲染（文字 + 图片）
  ↓
5. FFmpeg 合成视频
  ↓
输出：完整视频文件
```

**差距**：
- 你的项目只能生成音频
- Pixelle-Video 可以生成**可视化视频内容**
- 视频比音频更有传播力和变现能力

---

### 2️⃣ **ComfyUI 工作流集成** ⭐⭐⭐⭐⭐

**你的项目**：无图像生成能力

**Pixelle-Video**：
```python
# 支持多种图像/视频生成后端
comfyui_config = {
    # 本地部署
    "comfyui_url": "http://127.0.0.1:8188",
    "comfyui_api_key": "optional",

    # 或云端 RunningHub
    "runninghub_api_key": "xxx",
    "runninghub_instance_type": "24GB",  # or 48GB
}

# 支持多种工作流
workflows = {
    "image_qwen.json",      # 通义万相图像
    "image_flux.json",       # FLUX 图像
    "tts_edge.json",         # Edge TTS
    "tts_index2.json",       # Index TTS
}
```

**差距**：
- 你的项目依赖外部 API 生成图像
- Pixelle-Video 可以本地部署 AI 图像生成（需要 GPU）
- 工作流可定制化程度更高

---

### 3️⃣ **HTML 帧模板系统** ⭐⭐⭐⭐⭐

**你的项目**：无模板渲染能力

**Pixelle-Video** 模板目录：
```
templates/
├── 1080x1920/          # 竖屏模板（短视频）
│   ├── default.html
│   ├── image_default.html
│   ├── video_default.html
│   ├── dark_theme.html
│   └── ... 25 个模板
├── 1080x1080/          # 方形模板
├── 1920x1080/          # 横屏模板
```

**模板功能**：
```html
<!-- 支持的参数 -->
<div class="frame-container"
     data-width="1080"
     data-height="1920"
     data-accent-color="#3498db"
     data-font-family="sans-serif">
  <div class="background">{{ image_url }}</div>
  <div class="subtitle">{{ narration_text }}</div>
  <div class="title">{{ video_title }}</div>
</div>
```

**差距**：
- 你的项目没有视频帧渲染能力
- 无法将音频 + 图片合成视频
- 缺乏多风格模板选择

---

### 4️⃣ **数字人口播** ⭐⭐⭐⭐⭐

**你的项目**：无数字人能力

**Pixelle-Video** (`web/pipelines/digital_human.py`):
```python
# 支持数字人视频生成
async def generate_digital_human(
    text: str,
    ref_image: str,           # 参考人物图
    voice_id: str,            # 语音 ID
    background: str = None,    # 背景图
):
    # 1. TTS 生成音频
    audio = await tts_service.synthesize(text, voice_id)

    # 2. 口型同步 + 动作生成
    video = await digital_human_api.generate(
        audio_path=audio,
        ref_image=ref_image,
    )

    return video
```

**差距**：
- 数字人是热门应用场景（知识付费、个人IP）
- 你的项目只有语音，没有形象
- 无法生成"真人出镜"效果

---

### 5️⃣ **动作迁移** ⭐⭐⭐⭐

**你的项目**：无动作迁移

**Pixelle-Video** (`web/pipelines/action_transfer.py`):
```python
# 上传参考视频 + 图片，迁移动作
async def action_transfer(
    source_video: str,   # 动作来源视频
    target_image: str,   # 目标人物图
):
    # 提取视频动作 → 应用到图片
    result = await model_api.apply_motion(
        source=source_video,
        target=target_image,
    )
    return result
```

**差距**：
- 动作迁移可实现"图片说话"效果
- 适合虚拟主播、数字人场景

---

## 🟡 中等差距

### 6️⃣ **本地 LLM 支持** ⭐⭐⭐⭐

**你的项目**：`models.json` 配置
```json
{
  "vendors": {
    "minimax": { "baseUrl": "https://api.minimax.chat/v1" },
    "bailian": { "baseUrl": "https://dashscope.aliyuncs.com/..." }
  }
}
```
- ❌ 不支持 Ollama
- ❌ 不支持本地部署
- ❌ 需要付费 API

**Pixelle-Video**：
```yaml
# config.yaml
llm:
  api_key: (可选)
  base_url: http://localhost:11434  # Ollama
  model: llama3.2  # 或 qwen2.5
```

**差距**：
- Ollama 可实现完全免费本地运行
- 适合有 GPU 的用户
- 隐私敏感场景更安全

---

### 7️⃣ **多 API 供应商灵活性** ⭐⭐⭐⭐

**你的项目**：通过 `models.json` 配置

**Pixelle-Video**：
```yaml
# 同时支持多种 API 供应商
api_providers:
  dashscope:
    api_key: xxx
    models: [wanx, qwen]
  openai:
    api_key: xxx
    models: [gpt-4o]
  # 可同时配置，运行时选择
```

**差距**：
- Pixelle-Video 支持更多云服务商
- 支持直接调用厂商原生 API（不仅限于 OpenAI 兼容格式）

---

### 8️⃣ **视频预览与调试 UI** ⭐⭐⭐⭐

**你的项目**：无视频预览

**Pixelle-Video** (`web/components/output_preview.py`):
```python
# 实时预览生成结果
st.expander("🎬 生成结果预览"):
    # 逐帧预览
    for frame in storyboard.frames:
        col.image(frame.composed_image_path)
        col.audio(frame.audio_path)

    # 视频预览
    st.video(final_video_path)
```

**差距**：
- 你的项目缺乏可视化调试工具
- 无法实时查看生成进度

---

## 📊 总结：核心差距

| 优先级 | 不足之处 | 影响 |
|--------|---------|------|
| 🔴 高 | **视频生成能力** | 无法生成可视化内容 |
| 🔴 高 | **图像生成集成** | 依赖外部服务 |
| 🔴 高 | **HTML 模板渲染** | 无法合成视频帧 |
| 🟡 中 | **本地 LLM** | 无法免费运行 |
| 🟡 中 | **数字人口播** | 缺少人像能力 |
| 🟢 低 | **动作迁移** | 高级特效 |

---

## 💡 改进建议

### 短期（1-2 周）
1. **集成 Pixelle-Video 作为微服务**（已完成初步代码）
2. **利用你的 TTS 优势**（情感 TTS 是差异化竞争力）
3. **添加视频预览功能**

### 中期（1-2 月）
4. **支持 Ollama 本地 LLM**（降低成本）
5. **增加 HTML 帧模板系统**（复用 Pixelle-Video 模板）

### 长期（3-6 月）
6. **数字人口播集成**（高价值功能）
7. **ComfyUI 工作流集成**（需要 GPU）