正在打开工具详情…
正在打开工具详情…
给一个主题就自动写脚本、配音、配素材、上字幕合成高清短视频，支持 9:16 / 16:9 / 1:1。适合批量做口播类短视频的人；代价是几乎每步都要接付费 API，成片质量取决于你选的模型与素材源。
要批量产出口播 / 解说类短视频（TikTok、YouTube Shorts、Instagram）的运营与内容团队，尤其是已经有稳定模型 Key 的人。
指望零成本跑量的人——除 Edge TTS 外每个环节都按量付费；也不适合对画面原创性要求高的项目，库存素材拼出来的片子同质化很明显。
MoneyPrinterTurbo 把「主题 → 成片」这条链路整个自动化：LLM 写脚本（可多语言）、TTS 配音、找素材、烧字幕、配背景音乐、剪辑合成一条做完。有 AI Agent、WebUI、API、CLI 四个入口，既能手动点，也能挂进自动化流程，还支持批量生成多条成片与任务历史。
素材有三条路：Pexels / Pixabay / Coverr 的免费库存素材（要各自申请 API Key），或者文生视频——MiniMax H3、火山方舟 Seedance、WaveSpeed、OFox、MuAPI 都能接，也能走 OpenAI 兼容的文生图再转成动态片段。配音默认可以用 Edge TTS，免费且不需要 API Key，也有 Azure、ElevenLabs、 Gemini、MiniMax 等一堆可选。
代价要说清楚：这不是「装上就能产出好内容」的工具。脚本模型、素材源、配音音色每一项的质量都直接进成片，用便宜模型和免费素材出来的东西，通常一眼能看出来；而且除了 Edge TTS，几乎每个环节都是按量付费的，批量跑之前先算一次成本。
另外 README 里没有列出操作系统要求与依赖版本，部署前建议先按 WebUI 走通一条完整链路，确认 ffmpeg 之类的外部依赖齐了，再考虑接进自动化。
上手步骤之外的具体做法：常见场景怎么配、命令怎么写、报错怎么处理。
按第一次跑会卡在哪讲：四个入口选哪个、三个 API Key 分别在哪个环节、画幅为什么必须先定、以及怎么估算批量成本。
它有四个入口：AI Agent、WebUI、API、CLI。
第一次一定用 WebUI。原因是这条链路每一步（脚本 → 配音 → 素材 → 字幕 → 配乐 → 剪辑）都可能因为 Key 没配或依赖缺失而断掉，WebUI 能让你立刻看到断在哪一步。
走通一条之后，再决定用 CLI 或 API 挂进定时任务，用批量功能一次出多条。
这是最容易搞混的地方——三类外部服务各管一段：
| 环节 | 选项 | 是否要 Key |
|---|---|---|
| 脚本 | Kimi / OpenAI / Claude / Gemini / DeepSeek / 通义千问 / Azure OpenAI / 火山方舟 / Grok / MiniMax / 小米 MiMo | 要 |
| 配音 | Edge TTS（默认）/ Azure Speech / SiliconFlow / Gemini / MiniMax / ElevenLabs 等 | Edge TTS 不要 |
| 素材 | Pexels / Pixabay / Coverr（免费库存）或文生视频（MiniMax H3、Seedance、WaveSpeed、OFox、MuAPI） | 库存与文生视频都要 |
脚本环节还有一条省钱路径：接 Ollama、OneAPI、LiteLLM、Groq、OpenRouter 这类本地或聚合网关，用便宜模型或本地模型写脚本。
成片只有三种规格，生成时就得选：
text竖屏 9:16 → 1080×1920
横屏 16:9 → 1920×1080
方形 1:1 → 1080×1080竖屏给 TikTok / Reels / Shorts，横屏给 YouTube 常规位，方形给信息流。事后裁剪会破坏字幕位置和画面构图，别指望后期救。
字幕的字体、位置、颜色、大小、描边、背景都能单独调，这一项值得花时间——字幕样式对完播率的影响比换个模型大。
两条路的观感差别很大：
折中做法是混用：关键镜头用文生视频，过渡镜头用库存素材。项目支持上传自己的本地图片和视频，这一步能明显拉开和同类内容的差距。
批量生成多条成片是它的强项，但成本也按条数线性放大：
text单条成本 ≈ 脚本 token + 配音字符/时长 + 素材（库存免费额度 or 文生视频秒数）先用最便宜的组合（免费库存 + Edge TTS + 便宜脚本模型）跑一条，估算出单条成本，再决定批量规模。别忘了文生视频是按秒算钱的，一条 30 秒的片子如果全部用 AI 生成素材，成本会远超预期。
生成完可以一键发布到 TikTok、Instagram 和 YouTube Shorts。发布前建议先人工过一遍字幕错字——LLM 写脚本 + TTS 配音的链路里，专有名词读错是最常见的问题。