3步跑通MoneyPrinterTurboAI视频配音完整指南【免费下载链接】MoneyPrinterTurbo利用 AI 大模型和自动化工作流根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.项目地址: https://gitcode.com/GitHub_Trending/mo/MoneyPrinterTurbo深夜你只在 WebUI 里敲下主题太空探索回头时 MoneyPrinterTurbo 已经跑完了脚本、语音合成、字幕与合成——一个主题直接变成一条高清短视频剪辑台可以不用碰。核心能力拆解从主题到成片的4个要点一键出片传入主题即可LLM 写脚本、检索素材、配音、加字幕、混 BGM最终输出可直接发布的高清短视频。双引擎语音合成V1 走 edge-tts 库无需注册任何 API Key内置 300 种语音V2 走 Azure Speech SDK提供逐字时间戳音色更自然。双字幕引擎edge 模式直接用合成时间戳对齐速度最快whisper 模式由本地 faster-whisper 识别edge 失败时自动回落到 whisper。双访问方式FastAPI 服务与 Streamlit WebUI 共用同一套参数模型浏览器和脚本都能调用。技术路线就是一条流水线脚本给 LLM语音给 edge-tts 或 Azure SDK字幕给 edge 或 whisper合成交给 ffmpeg。⚡上手路径5步从克隆到出片第1步克隆仓库git clone https://gitcode.com/GitHub_Trending/mo/MoneyPrinterTurbo cd MoneyPrinterTurbo完成后你会看到 app/ 源码、config.example.toml、webui.sh 都在项目根目录。仓库就位先把依赖装齐。第2步安装依赖pip install -r requirements.txt完成后安装日志以 Successfully installed 收尾import 时不再报 ModuleNotFoundError。依赖齐了参数先配好再启动。第3步复制并编辑配置cp config.example.toml config.toml打开 config.toml核心项集中在 [app] 段填llm_provider和对应 API Key没有 OpenAI Key 可改用 g4f填pexels_api_keys供素材下载subtitle_provider默认 edge。[app] llm_provider openai openai_api_key your-key pexels_api_keys [your-pexels-key] subtitle_provider edge配置就绪后两条启动路径任选其一。第4步启动 API 服务python main.py完成后你会在 http://127.0.0.1:8080/docs 看到 Swagger 接口页端口由 listen_port 决定默认 8080。第5步启动 WebUIsh webui.shWindows 下改用 webui.bat。完成后你会看到浏览器里的 MoneyPrinterTurbo 主界面主题输入框、语音下拉列表和一键生成按钮。技术内核透视语音合成与字幕的完整数据流任务进入 app/services/task.py 后脚本就绪即调用 generate_audio()把脚本交给 app/services/voice.py 的 tts()。tts() 按 voice_name 是否以 -V2 结尾分流V1 创建 edge_tts.Communicate 实例异步流式拉取audio 块写入 audio.mp3WordBoundary 事件逐词进入 SubMaker记录 (offset, duration)V2 则用 Azure SDK 的 SpeechSynthesizer在 synthesis_word_boundary 回调里把同样的 (offset, duration) 追加进 SubMaker。两条路输出同构一个 mp3 文件 一组词级时间戳。随后 create_subtitle() 按标点把脚本切行与 SubMaker 序列逐行匹配写出 subtitle.srt行数对不上则丢弃并交给 whisper 回落。下游 video.py 再用 moviepy 把素材、字幕、BGM 合成成片。参数默认值作用推荐值voice_rate1.0语速倍率仅 V1 引擎生效1.1~1.3voice_volume1.0配音音量倍率1.0bgm_volume0.2BGM 相对音量0.1~0.3subtitle_provideredgeedge / whisper 字幕引擎正式发布用 whisper场景实战3种常用参数组合场景一竖屏 9:16 快节奏口播需求一条竖屏短视频配音语速快一点。{ video_subject: 信用卡5个常识, video_aspect: 9:16, voice_name: zh-CN-XiaoxiaoNeural-Female, voice_rate: 1.2, video_source: pexels }最终产出1080x1920 竖屏视频语速提升 20%字幕固定在画面底部。场景二1080p 横屏教学字幕精度优先需求正式发布的教学内容字幕必须准。[app] subtitle_provider whisper [whisper] model_size large-v3 device CPU compute_type int8最终产出1920x1080 横屏视频字幕由 faster-whisper 本地识别并用脚本校对与音频的偏差明显小于纯 edge 对齐。场景三批量生产流水线需求每天固定产出一批短视频任务并行、素材互不干扰。[app] max_concurrent_tasks 5 material_directory task最终产出最多 5 个任务同时跑每个任务的素材落在各自任务目录不会互相覆盖。调优与排错组合建议和高频坑调优语音与字幕引擎的组合建议使用场景语音引擎subtitle_provider关键参数快速验证、批量生产V1 edge-ttsedgevoice_rate 1.2正式发布V2 Azure需 Keywhispermodel_size large-v3无网络 KeyV1 edge-ttswhisperdevice CPU, compute_type int8排错4个高频症状自查启动报RuntimeError: No ffmpeg exe could be found→ ffmpeg 自动下载失败 → 手动下载 ffmpeg 后在 config.example.toml 中设置 ffmpeg_path。日志反复出现sub_maker is None→ 语音与脚本语言不匹配或网络请求失败 → 把 voice_name 前缀zh-CN / en-US与脚本语言对齐必要时在 [proxy] 段配置代理。字幕偶发对不上口型 → 脚本标点与 edge 对齐不匹配已自动回落 whisper → 接受回落结果或直接设 subtitle_provider whisper 省掉分支。whisper 模型加载失败 → large-v3 体积大下载易中断 → 手动下载 model.bin 放到 models/whisper-large-v3/ 目录。生态与展望扩展点在哪里新增 TTS 引擎或语音在 app/services/voice.py 扩展tts() 按语音名后缀自动分流无需改动任务流。字幕精度改造app/services/subtitle.py 封装了 faster-whisper 识别与脚本校对可单独复用。API 对接app/controllers/v1/video.py 的任务提交与查询接口是稳定的 Pydantic 模型适合接批量脚本。全量语音清单docs/voice-list.txt300 种语音覆盖数十种语言。社区入口在仓库 Issue 与官方交流群见 README.md。行动收尾现在就可以做的两件事打开 WebUI选女生-晓晓试听再换男生-云希对比然后把 voice_rate 调到 1.2 重听一遍。从 API 提交一个主题在 http://127.0.0.1:8080/docs 上盯着任务进度返回。延伸学习完整工作流app/services/task.py功能清单sites/docs/guide/features.md语音合成细节app/services/voice.py把脚本、配音、字幕、合成这条链路手动跑通一遍剩下的只是按自己的口味调参数。【免费下载链接】MoneyPrinterTurbo利用 AI 大模型和自动化工作流根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.项目地址: https://gitcode.com/GitHub_Trending/mo/MoneyPrinterTurbo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考