MoneyPrinterTurbo：输入主题就能生成短视频的开源 AI 工作流

MoneyPrinterTurbo 是一个基于 Python 的开源短视频生成工具。它的核心思路很直接：你给出一个视频主题或关键词，项目用 AI 大模型自动写脚本、生成配音、匹配或生成素材、制作字幕和配乐，再用 ffmpeg 合成一条成片。截至项目资料记录，它在 GitHub 上获得约 143720 个 Star、23028 个 Fork，采用 MIT 许可证。

这个项目适合想批量生产竖屏或横屏短视频的内容创作者、需要把视频生成接入自动化流程的开发者，以及希望本地部署、自己控制模型与素材来源的团队。它不是单纯的“一键套模板”，而是把脚本、配音、素材、字幕、剪辑、发布拆成可替换的环节，并提供了 WebUI、API、CLI 和 AI Agent 四种入口。

它到底解决什么问题

常规短视频制作要在多个工具之间来回切换：写文案、找素材、配音、对齐字幕、配乐、导出。MoneyPrinterTurbo 把这些步骤串成一条自动化工作流，同时保留每个环节的自定义空间。你可以完全依赖 AI 自动完成，也可以在脚本、配音、素材等环节替换成自己的内容。

项目还支持批量生成多条成片、保留任务历史，并可导入导出生成设置与 API Key。任务界面会显示脚本、配音、素材下载、片段处理和最终渲染等阶段的进度，方便了解当前卡在哪一步。

主要功能

脚本与模型服务

项目支持用 AI 自动生成或改写多语言视频脚本，也可以直接使用自定义脚本。模型服务侧覆盖 Kimi / Moonshot AI、OpenAI、Anthropic Claude、Google Gemini、DeepSeek、阿里云通义千问、Microsoft Azure OpenAI、火山引擎方舟、xAI Grok、MiniMax、讯飞星火、小米 MiMo 等，也兼容 OpenRouter、OneAPI、LiteLLM、Ollama、Cloudflare AI Gateway、魔搭 ModelScope 等统一网关、聚合平台和本地运行环境。具体可用模型和配置方式以项目当前文档为准。

视频与图片素材

素材来源分为三类：上传本地图片和视频；从 Pexels、Pixabay 和 Coverr 获取高清库存素材；通过文生视频或文生图服务生成原创素材。文生视频侧接入了火山引擎方舟 Seedance、秘塔 MiniMax H3、WaveSpeed AI、OFox 多模型、MuAPI 等，支持不同画幅和片段时长。文生图侧支持 OpenAI 兼容接口、OpenAI Codex 生图，以及项目配套的本地 SDXL 图片服务。

剪辑环节可以调整片段时长、播放速度与转场，选择裁剪填满或留边适配，并按随机或顺序模式匹配素材。项目还支持可选接入 TwelveLabs，按视频主题重排素材搜索词。

配音、字幕与配乐

配音有三种方式：自动配音、上传配音和无配音。自动配音集成了 Edge TTS（免费、无需 API Key）、Azure Speech、SiliconFlow、Google Gemini、小米 MiMo、MiniMax、ElevenLabs、Chatterbox、Kokoro、Fish Audio 和 ModelBest VoxCPM 等服务。Edge TTS 支持用 [pause: 2s] 这类标签控制口播停顿；ModelBest VoxCPM 支持参考音频声音克隆。

字幕有两种生成方式：默认的 edge 模式使用 TTS 时间戳，速度快且不需要 GPU；whisper 模式使用本地 faster-whisper 转写音频，适合需要更准确时间轴的场景，首次使用需要下载模型。字幕支持整句或逐词显示、弹簧弹出动画，并可调整字体、位置、颜色、大小、描边和背景样式。

配乐方面，支持随机配乐、预设歌曲试听、本地音乐上传，也可通过 Sonilo 或 ElevenLabs Video-to-Music 根据视频生成配乐，音量可独立控制。

成片与发布

成片支持竖屏 9:16（1080×1920）、横屏 16:9（1920×1080）和方形 1:1（1080×1080）。生成完成后可一键发布到 TikTok、Instagram 和 YouTube Shorts，发布时的标题、文案和话题标签可由 LLM 生成，YouTube 还可配置可见性与是否面向儿童。

怎么用

项目提供四种使用方式：

• AI Agent：如果你的 AI Agent 支持读取 Skill 文档并操作本地终端，可以直接让 Agent 完成安装、配置和视频生成，目前支持 macOS 和 Windows。
• WebUI：适合手动操作和调试各环节参数，启动后会自动打开浏览器。
• API：适合接入自有系统或自动化流程，Docker 部署后可访问 API 文档。
• CLI：适合无浏览器环境或批量任务，支持通过 --batch-file 提供 JSON 数组或 JSONL 清单，单次最多 100 个任务、不超过 1 MiB。

安装方式包括 pip 安装官方包 mpt、Windows 一键启动包、源码部署、Docker 部署，以及在 Google Colab 中运行。需要注意，PyPI 上名为 MoneyPrinterTurbo 的包由第三方维护，官方包名是 mpt。首次启动会自动创建 config.toml，使用在线模型、素材或语音服务前，需要在 WebUI 基础设置中填写对应 API Key。

Windows 一键启动包下载后，建议先执行 update.bat 更新代码，再执行 start.bat 启动。解压路径不要包含中文、特殊字符或空格。Docker 部署默认推荐 docker-compose.release.yml，会拉取预构建镜像；WebUI 默认访问地址为 http://127.0.0.1:8501，API 文档为 http://127.0.0.1:8080/docs。

运行环境与配置要求

项目建议在 Windows 10、macOS 11.0 或更高版本，以及主流 Linux 发行版上运行。本地部署需要 Python 3.11 或更高版本，推荐使用 Python 3.11。GPU 不是必需项，但如果启用本地转录、更重的视频处理或批量生成，带显存的独立显卡会明显提升速度。

项目给出的配置参考为：最低 4 核 CPU、4 GB 内存；推荐 6 到 8 核 CPU、8 GB 内存；理想配置为 8 核及以上 CPU、16 GB 及以上内存。GPU 最低非必须，推荐 4 GB 显存及以上，理想 8 GB 显存及以上。如果主要依赖云端 LLM、云端 TTS 和在线素材源，CPU 与内存比 GPU 更重要。

适用人群与注意事项

这个项目更适合愿意配置 API Key、理解视频生成流程的用户。它把大量模型服务和素材源做成可选项，灵活度高，但也意味着首次使用需要在 WebUI 中完成基础设置。如果不想手动安装，可以先尝试 Google Colab 或 Windows 一键启动包。

项目文档也列出了一些常见问题，例如 ffmpeg 未找到、系统打开文件数限制、Whisper 模型下载失败等，并给出了对应处理方式。背景音乐目录中自带了一些来自 YouTube 的默认音乐，项目注明如有侵权请删除；字幕字体可以替换为自有字体。使用库存素材、AI 生成素材和发布功能时，仍需自行确认各平台的授权与合规要求。

项目主页

https://github.com/harry0703/MoneyPrinterTurbo

项目地址：MoneyPrinterTurbo