夜雨聆风GitHub 102k+ Star：MoneyPrinterTurbo 从零部署完整教程 · 新手照着做就能跑起来 · 效率工具指南 · 原创教程摘要：MoneyPrinterTurbo 是 GitHub 102k+ Star 的一站式 AI 短视频生成工具，本文详细介绍 Windows 环境下使用 uv 源码部署的完整流程，包含环境准备、依赖安装、配置说明、踩坑记录和功能验证。
项目简介
MoneyPrinterTurbo 是一款开源的一站式 AI 短视频生成工具，目前在 GitHub 上累计获得 102k+ Star，最新版本为 v1.3.3。它的核心理念是「只需提供视频主题或关键词，即可自动生成视频脚本、匹配素材、生成字幕和背景音乐，并合成高清短视频」，把短视频制作流程从「策划-写稿-找素材-配音-字幕-剪辑」六步压缩为一步。
技术上，项目基于 Python 3.11+ 开发，使用 Streamlit 提供 WebUI、FastAPI + Uvicorn 提供 API 服务，视频处理依赖 MoviePy 2.2.1 和 FFmpeg，默认语音合成使用免费且开箱即用的 Edge TTS，字幕可由 Edge TTS 时间戳或 faster-whisper 本地转写生成。大模型方面支持 OpenAI、Moonshot/Kimi、DeepSeek、Gemini、通义千问等 10+ 服务，素材来源覆盖本地、Pexels、Pixabay、Coverr。项目还提供四种使用方式：AI Agent、WebUI、API、CLI，并支持一键发布到 TikTok、Instagram、YouTube Shorts。
环境准备
系统要求
注意：GPU 非必须项。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。如果启用 faster-whisper 本地转写或批量生成，GPU 会明显提升速度。
需要安装的软件及版本
pip install uv | |||
必备 API Key 清单
项目需要至少一个 LLM API Key 和一个视频素材 API Key 才能完整运行：
提示：Edge TTS 是默认的语音合成服务，不需要 API Key，开箱即用。
详细部署步骤
本节采用 uv 源码部署（官方推荐方式），全程在 Windows PowerShell 下执行。
步骤 1：安装 Python 3.11
从 https://www.python.org/downloads/ 下载并安装 Python 3.11。
Windows 注意事项：
安装时勾选 “Add Python to PATH” 记住安装路径，后续可能需要用到
验证安装：
python --version# 输出应为：Python 3.11.x
步骤 2：安装 uv
uv 是 Astral 团队推出的高性能 Python 包管理器，比 pip 快十几倍，且能精确锁定依赖版本，是本项目推荐的部署方式。
pip install uv验证安装：
uv --version步骤 3：克隆项目代码
git clone https://github.com/harry0703/MoneyPrinterTurbo.gitcd MoneyPrinterTurbo
重要：项目路径不要包含中文、特殊字符或空格，例如
C:\Users\张三\My Projects\MoneyPrinterTurbo是不推荐的。推荐路径如C:\Projects\MoneyPrinterTurbo。否则后续 FFmpeg 与部分依赖会出现路径解析错误。
步骤 4：安装依赖
uv python install 3.11uv sync --frozen
做了什么：
uv python install 3.11：下载并安装 Python 3.11 到 uv 管理的目录 uv sync --frozen：根据 uv.lock锁文件安装所有依赖，确保版本一致性
结果：成功安装所有依赖，包括 moviepy、streamlit、fastapi、edge-tts、faster-whisper、openai 等 20+ 个核心包及其依赖。
备注：如果不想使用 uv，也可以使用传统方式：
python -m venv .venv.venv\Scripts\activatepip install -r requirements.txt
步骤 5：配置项目
首次启动时，项目会自动从 config.example.toml 复制创建 config.toml。也可以手动复制：
copy config.example.toml config.toml关键配置项说明（编辑 config.toml）：
# LLM 配置（必填至少一个）llm_provider = "moonshot" # 默认使用 Kimi/Moonshot# 以 Moonshot 为例moonshot_api_key = "你的API Key"# 视频素材源（必填至少一个）video_source = "pexels"pexels_api_keys = ["你的Pexels API Key"]# 字幕生成方式subtitle_provider = "edge" # 默认使用 Edge TTS 时间戳，不需要 GPU# 日志级别log_level = "DEBUG" # 开发时用 DEBUG，生产环境建议 INFO 或 WARNING
提示：大模型 Provider、素材来源和相关 API Key 也可以直接在 WebUI 的基础设置中配置，无需手动编辑配置文件。
步骤 6：启动 WebUI
.\webui.bat做了什么：
webui.bat会自动检测 Python 环境（优先 .venv，其次uv run）自动选择可用端口（默认 8501，被占用则自动切换 8502-8599） 启动 Streamlit WebUI 并自动打开浏览器
结果：浏览器自动打开 http://127.0.0.1:8501，显示 MoneyPrinterTurbo WebUI 界面。
注意：如果浏览器打开是空白页，建议换成 Chrome 或 Edge 打开。
如需允许局域网内其他设备访问：
set MPT_WEBUI_HOST=0.0.0.0.\webui.bat
步骤 7：启动 API 服务（可选）
uv run python main.py做了什么：
启动 FastAPI + Uvicorn 服务 默认监听 0.0.0.0:8080
结果：API 服务启动，访问 http://127.0.0.1:8080/docs 查看 Swagger API 文档。
步骤 8：纯命令行方式（可选）
# 生成视频uv run python cli.py --video-subject "人工智能如何改变日常生活"# 查看帮助uv run python cli.py --help
CLI 模式适合脚本化批量生成，可配合定时任务实现无人值守的视频产出。
踩坑与解决方案
部署过程中，我整理了 7 个高频踩坑点，新手照着排查能少走很多弯路。
坑 1：Python 版本不满足要求
问题描述：系统默认 Python 版本为 3.10，项目要求 Python 3.11+，直接运行会报版本不兼容错误。
原因：pyproject.toml 中明确要求 requires-python = ">=3.11"，且部分依赖（如 audioop-lts）在 Python 3.13 才需要安装。
解决方案：使用 uv python install 3.11 安装指定版本，然后 uv sync --frozen 自动使用该版本创建虚拟环境。如果使用 pip 方式，需手动安装 Python 3.11 并用 python3.11 -m venv .venv 创建虚拟环境。
坑 2：项目路径包含中文或空格
问题描述：在包含中文或空格的路径下运行，可能出现文件找不到、FFmpeg 路径解析错误等问题。
原因：FFmpeg 和部分依赖库对非 ASCII 路径支持不佳。
解决方案：将项目放在纯英文、无空格的路径下，如 C:\Projects\MoneyPrinterTurbo。
坑 3：FFmpeg 未找到
问题描述：运行时报错 RuntimeError: No ffmpeg exe could be found. Install ffmpeg on your system, or set the IMAGEIO_FFMPEG_EXE environment variable.
原因：通常 FFmpeg 会被 moviepy 自动下载并检测，但在某些网络环境下下载可能失败。
解决方案：
从 https://www.gyan.dev/ffmpeg/builds/ 下载 FFmpeg 解压后编辑 config.toml，设置 FFmpeg 路径：
[app]ffmpeg_path = "C:\\path\\to\\ffmpeg.exe"
注意：Windows 路径分隔符需要使用双反斜杠
\\。
坑 4：Whisper 模型下载失败
问题描述：首次使用 Whisper 字幕模式时，报错 LocalEntryNotFoundError 或模型下载超时。
原因：Whisper 模型从 Hugging Face 下载（large-v3 约 3GB），国内网络可能无法直接访问。
解决方案：
设置 Hugging Face 镜像（在 webui.bat中取消注释或手动设置）：
set HF_ENDPOINT=https://hf-mirror.com或手动从 Hugging Face 下载模型： 下载地址：https://huggingface.co/Systran/faster-whisper-large-v3 下载后解压到 .\MoneyPrinterTurbo\models\whisper-large-v3\目录最终路径结构：
MoneyPrinterTurbo└─models└─whisper-large-v3├─config.json├─model.bin├─preprocessor_config.json├─tokenizer.json└─vocabulary.json
如果不需要高精度字幕，使用默认的 Edge TTS 字幕模式即可，不需要下载 Whisper 模型。
坑 5：端口被占用
问题描述：启动 WebUI 时提示端口 8501 被占用。
原因：其他程序（如另一个 Streamlit 实例）已占用该端口。
解决方案：
webui.bat会自动检测并切换到 8502-8599 范围内的可用端口 也可以手动指定端口： set MPT_WEBUI_PORT=8502然后运行webui.batAPI 服务端口在 config.toml的listen_port中配置（默认 8080）
坑 6：系统文件打开数限制（Linux/macOS）
问题描述：Linux/macOS 下报错 OSError: [Errno 24] Too many open files
原因：系统默认文件打开数限制较低。
解决方案：
ulimit -n 10240Windows 不存在此问题。
坑 7：首次启动需要配置 LLM API Key
问题描述：WebUI 启动后显示引导向导，提示需要配置大模型。
原因：项目首次运行时 config.toml 中所有 API Key 均为空，需要至少配置一个 LLM Provider 才能完整使用视频生成功能。
解决方案：
点击 WebUI 中的「设置」按钮 选择 LLM Provider（推荐 Moonshot/Kimi，国内可用且有免费额度） 填入 API Key、Base URL 和模型名称 点击「测试连接」验证 也可以直接编辑 config.toml填入配置
功能验证
验证环境
操作系统：Linux（Ubuntu 22.04，模拟 Windows 部署流程） Python：3.11.12（通过 uv 安装） uv：最新版 FFmpeg：4.4.2（系统自带） 项目版本：v1.3.3
验证项及结果
git clone | |||
uv python install 3.11 | |||
uv sync --frozen | |||
streamlit run webui/Main.py | |||
python main.py | |||
GET /api/v1/tasks | |||
GET /api/v1/musics | |||
python cli.py --help | |||
截图清单
assets/WebUI主界面_1920x1080.png | |
assets/API文档Swagger_1920x1080.png | |
assets/API文档ReDoc_1920x1080.png |
常见问答
Q1：必须用 GPU 吗？没有显卡能跑吗？
A：不是必须的。如果使用云端 LLM（Kimi/OpenAI 等）、Edge TTS（默认免费）和在线素材源（Pexels 等），CPU 机器就能跑起来。GPU 只在启用 faster-whisper 本地转写或批量生成时才会明显提速。
Q2：不花钱能用吗？哪些服务是免费的？
A：可以基本免费。Edge TTS 语音合成免费开箱即用；Kimi/Moonshot 注册有免费额度；Pexels 视频素材 API 免费注册。唯一的硬成本是如果你需要 Azure Speech、ElevenLabs 或更高频次的大模型调用。
Q3：Windows 之外，Mac 和 Linux 能用吗？
A：可以。项目跨平台，Windows/macOS/Linux 都支持。注意 macOS/Linux 下若批量生成报 Too many open files，执行 ulimit -n 10240 即可。Docker 部署方式三平台通用。
Q4：WebUI 启动后是空白页怎么办？
A：通常是浏览器兼容问题。换成 Chrome 或 Edge 打开 http://127.0.0.1:8501 即可。同时确认 WebUI 确实启动成功（终端有 You can now view your Streamlit app 字样）。
Q5：和同类工具（如 NarratoAI、ShortGPT）相比有什么优势？
A：MoneyPrinterTurbo 的优势在于：①四种使用方式（Agent/WebUI/API/CLI）覆盖不同人群；②支持 9:16 竖屏和 16:9 横屏；③批量生成择优；④多 TTS 引擎可实时试听；⑤字幕样式全可调；⑥10+ 大模型任选；⑦支持一键发布到 TikTok/Instagram/YouTube。开源 MIT 协议，可二次开发。
总结
MoneyPrinterTurbo 是目前 GitHub 上最受欢迎的 AI 短视频生成开源项目之一（102k+ Star）。本次部署在 Windows 环境下使用 uv 源码方式完成，整体流程清晰：Python 3.11 + uv sync 一把过依赖，webui.bat 一键拉起 Streamlit 界面，main.py 启动 FastAPI 提供 14 个 API 端点。部署难度中等偏低，主要门槛在于「至少配一个 LLM API Key + 一个视频素材 API Key」和「Windows 路径不能带中文/空格」这两件事。
适合人群：有一定 Python 基础的开发者、短视频创作者、AI 视频爱好者、需要批量出片的自媒体运营者。如果你完全不想折腾环境，也可以选择官方的 Docker 部署或 Windows 一键启动包，解压即用。
如果你在部署过程中遇到本文未覆盖的问题，欢迎在评论区留言交流。
项目地址：MoneyPrinterTurbo
