工具部署|MoneyPrinterTurbo AI 一键生成短视频|Python + Streamlit · 本地 Ollama 写文案 · 自动配音字幕

输入一句主题,自动写文案、配音、加字幕、拼画面,几分钟出一条竖屏短视频。MoneyPrinterTurbo 就是做这件事的工具。本篇在一台只有 CPU 的机器上实测:文案用本地 Ollama 小模型写,画面用本地素材,配音和字幕用 Edge。全程没填任何付费 API Key。本帖免费,下载区是清理过的源码包和中文部署说明。

协议是 MIT,请保留包里的 LICENSE。仅供学习,发布到平台需遵守原创与 AI 标注规则。

4 步上手

  1. 装好三样:Python 3.11+ 和 uv、ffmpeg、Ollama。再执行 ollama pull qwen2.5:3b。
  2. 自备字体和音乐:放一款开源中文字体(如思源黑体)到 resource/fonts/。背景音乐放你有权使用的 mp3,或者直接关掉。
  3. 改配置并启动:复制 config.example.toml 为 config.toml,把大模型改成 ollama、素材来源改成 local。执行 uv sync,再 uv run streamlit run webui/Main.py。
  4. 出片:打开 http://127.0.0.1:8501,填主题,生成文案,上传素材,选中文字体,点「生成视频」。

能做什么

  • 自动写文案:本地 qwen2.5:3b 写一段中文口播稿,再配几个英文关键词。已实测,约 10 秒。
  • 自动配音:Edge 中文女声朗读文案。已实测。
  • 自动字幕:按配音逐句出字幕。已实测。
  • 自动剪辑:把本地素材切成小段随机拼接,铺满 9:16 竖屏,再混入背景音乐。已实测。
  • 在线素材库、云端大模型、AI 生图生视频、Whisper 字幕、其它配音服务、自动发布:支持但本篇未实测。

Ollama:在自己电脑上跑大模型的工具。装好后,本机就有一个和云端接口格式一样的地址,程序直接调它,不花钱,也不用联网写文案。

Edge 配音:调用微软 Edge 浏览器「大声朗读」用的那套语音服务。免费,但需要联网。

本地素材:你自己上传的视频片段。不用去在线素材网站,也就不用申请任何 Key。

技术栈(压缩)

  • 界面:Streamlit(Python 写网页的框架)
  • 接口:FastAPI,自带 /docs 接口文档
  • 剪辑:MoviePy + FFmpeg
  • 配音:edge-tts;文案:Ollama 的 OpenAI 兼容接口

本机实跑(已跑通)

详细命令见包里的 DEPLOY.txt。下面按出片顺序看。

大模型设置选择 Ollama 并测试连接成功
看这里:右上角「设置 → 大模型设置」。提供商选 Ollama,Base Url 填 http://127.0.0.1:11434/v1,模型填 qwen2.5:3b。点「测试模型连接」,绿框显示连接成功,用了 0.65 秒。右边说明写得很清楚:Ollama 不需要 API Key。
主界面:主题、AI 文案和本地素材
看这里:左边填主题「大学生如何高效复习期末」,点「点击使用AI生成视频文案和关键词」。下面的文案框和关键词框就是本地模型写的。右边视频来源选「本地文件」,上传了 6 段自己用程序生成的小视频。视频比例是竖屏 9:16。
配音和字幕设置
看这里:左边是配音。配音服务选 Edge TTS,声音选 zh-CN-Xiaoxiao 女声。下面预估整段配音约 34–46 秒。背景音乐是随机,音量 20%,目录里只放了一段自己合成的和弦。右边是字幕。字幕字体一定要换成中文字体,这里选的是开源的 Noto Sans CJK SC。
生成进度条
看这里:点「生成视频」后,页面下方出现进度条。图里写着「正在合成最终视频」,已用时 01:02,进度 75%。CPU 上这一步最慢。
任务日志
看这里:完成后页面下方会列出整条任务日志。能看到顺序:生成文案、生成配音、用 edge 方式生成字幕、处理本地素材、拼接视频。卡住时先看这里停在哪一步。
视频生成完成,页面内播放
看这里:绿框提示「视频生成完成」,下面直接出现竖屏播放器,时长 0:40,旁边有「下载视频」按钮。成片也保存在 storage/tasks/任务ID/final-1.mp4。
成片画面帧,带中文字幕
看这里:这是成片第 17 秒的一帧。底部白字黑边的字幕是「如制作思维导图帮助记忆复杂概念」,和配音同步出现。背景是自己生成的渐变素材。
成片画面帧,另一句字幕
看这里:第 33 秒换了另一段素材,字幕是「确保充足的睡眠和适当的休息」。字幕是一整句一整句出现的。
API 接口文档
看这里:另起 uv run python main.py,打开 http://127.0.0.1:8080/docs 就是接口文档。有生成视频、只生成字幕、只生成配音、查任务、管理背景音乐和素材的接口。本篇只打开看了,没用接口出片。

实测结果

  • 成片 40.6 秒,1080×1920 竖屏,H.264 视频 + AAC 双声道音轨。
  • 有配音,有 20 句逐句字幕。背景音乐已混入,配音停顿处能测到和弦声。但我自己合成的音乐本身偏轻,20% 音量下几乎听不出来,想明显一点就把音量调大。
  • 机器是 8 核 CPU、没有显卡。写文案约 10 秒;从点「生成视频」到出片约 3 分 10 秒,其中最终渲染约 2 分钟。

本机踩坑(压缩)

  • 字幕字体默认会落到不含中文的字体上,字幕会变成方块。一定要手动选你放进去的中文字体。界面只列出 .ttf 和 .ttc 后缀的文件。
  • 用 Docker 跑时,配置里的 Ollama 地址不能写 localhost,要写 host.docker.internal。
  • 字幕方式保持 edge。选 whisper 会在 CPU 上下载大模型,很慢。
  • 3B 小模型偶尔吐出格式不对的内容,关键词会生成失败。重试,或者手动填好文案和关键词。
  • Edge 配音要联网。连不上就换个声音或重试。

用之前请注意

  • 仅供学习。发布到平台需遵守原创与 AI 标注规则。
  • 素材、背景音乐、字体都要有使用权。别用影视片段和来路不明的音乐。
  • 配置文件里别填你不用的 Key,也别把配置文件发给别人。

包里是 v1.3.10 源码、config.example.toml 和中文 DEPLOY.txt。已去掉商业字体、来源不明的背景音乐、官方截图和赞助推广内容,所以字体和音乐需要你自备。

© 版权声明
THE END
喜欢就支持一下吧
点赞6 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容