MoneyPrinterTurbo 💸

简体中文 | English | العربية | Português

Basta fornecer um tema ou palavras-chave do vídeo, e ele gerará de forma totalmente automática o roteiro do vídeo, os materiais de vídeo, as legendas, a música de fundo e, em seguida, sintetizará um vídeo curto de alta definição.

Interface Web

Interface API

Agradecimentos Especiais 🙏

AIHubMix	_{Agradecemos à AIHubMix pelo patrocínio deste projeto. A AIHubMix adapta-se profundamente aos principais e mais recentes modelos globais como OpenAI, Claude, Gemini, DeepSeek, Zhipu, Qwen, etc. Permite o acesso rápido e integrado a mais de 700 modelos (incluindo vários modelos gratuitos) como GPT-5.5 e deepseek-v4-flash, oferecendo estabilidade de produção de nível empresarial.}
Ark Agent Plan	_{Agradecemos ao Ark Agent Plan pelo patrocínio deste projeto. Liberdade de modelos, sem restrição de ferramentas, suporte recente para MiniMax-M3 e GLM-5.1. Reúne os principais modelos de programação excelentes da China, compatibilidade multi-ecossistema, integração perfeita na sua cadeia de ferramentas. Baseado nos recursos e capacidade de engenharia da ByteDance, maior capacidade, mais rápido, mais estável e mais fluido!}
CCSub	_{Agradecemos ao CCSub por patrocinar este projeto! O CCSub é uma plataforma de proxy de API de IA estável e acessível, sendo um excelente substituto para a assinatura oficial do Claude Code. Um único API Key permite chamar modelos como Claude Opus 4.8, Sonnet 4.6, Haiku 4.5, GPT-5, Gemini, com preços de cerca de 1/3 do valor oficial e conexão global direta. Compatível com todas as principais ferramentas de programação de IA, como Claude Code, Codex, Cursor, Cline, Continue, Windsurf, etc. Cadastre-se em www.ccsub.net para ganhar $5 de saldo para testar.}
RecCloud AI	_{Devido à implantação e ao uso deste projeto possuírem algumas barreiras para usuários iniciantes, agradecemos de forma especial ao site RecCloud (Plataforma de Serviços Multimídia Inteligente de IA) por fornecer o serviço gratuito Gerador de Vídeo de IA baseado neste projeto. Você pode usá-lo diretamente online sem precisar implantar localmente. Versão em Chinês: https://reccloud.cn, Versão em Inglês: https://reccloud.com}
PicWish	_{Agradecemos ao PicWish pelo apoio e patrocínio deste projeto, tornando possível a sua contínua atualização e manutenção. O PicWish foca na área de processamento de imagens, fornecendo diversas ferramentas de processamento de imagens, simplificando operações complexas ao máximo e tornando o processamento de imagens verdadeiramente simples.}

Funcionalidades 🎯

Demonstração em Vídeo 📺

Retrato 9:16

▶️ "Como Aumentar a Alegria da Vida"	▶️ "O Papel do Dinheiro" Voz sintética mais realista	▶️ "Qual é o Sentido da Vida"
demo-portrait-1.mp4	default.mp4	demo-portrait-2.mp4

Paisagem 16:9

▶️ "Qual é o Sentido da Vida"	▶️ "Por que Devemos Praticar Exercícios"
demo-landscape.mp4	demo-landscape-2.mp4

Requisitos de Configuração 📦

Sistema Recomendado: Windows 10, macOS 11.0 ou superior, ou distribuições Linux populares
A GPU não é obrigatória, mas se você deseja transcrição local, processamento de vídeo mais rápido ou geração em lote mais fluida, recomenda-se usar uma placa de vídeo dedicada

Item	Configuração Mínima	Configuração Recomendada	Configuração Ideal
CPU	4 Núcleos	6 a 8 Núcleos	8 Núcleos ou mais
RAM	4 GB	8 GB	16 GB ou mais
GPU	Não obrigatório	4 GB de VRAM ou mais	8 GB de VRAM ou mais

Se você depende principalmente de LLM em nuvem, TTS em nuvem e materiais online, a CPU e a RAM são mais importantes do que a GPU.
Se você ativar o faster-whisper, a geração em lote ou processamento local pesado, a GPU aumentará significativamente a velocidade.

Início Rápido 🚀

Método de Uso Recomendado

Usuários do Windows: Use preferencialmente o pacote de inicialização rápida (one-click package), ideal para experimentar rapidamente.
Usuários do macOS / Linux: Use preferencialmente uv sync --frozen para implantação local.
Para rodar em ambiente isolado: Use a implantação via Docker.

Executar no Google Colab

Evite configurações de ambiente local clicando abaixo para experimentar o MoneyPrinterTurbo diretamente no Google Colab:

Pacote de Inicialização Rápida para Windows

Baixe o pacote de inicialização, descompacte-o e use diretamente (certifique-se de que o caminho não contenha caracteres especiais, espaços ou acentos):

GitHub Release: https://github.com/harry0703/MoneyPrinterTurbo/releases/latest

Após o download, sugere-se dar duplo clique em update.bat para atualizar para o código mais recente e, em seguida, dar duplo clique em start.bat para iniciar.

Ao iniciar, o navegador abrirá automaticamente a interface (caso abra uma página em branco, use o Chrome ou Edge).

Instalação e Implantação 📥

Pré-requisitos

Evite caminhos com caracteres não-ASCII para prevenir problemas inesperados.
Certifique-se de que sua conexão com a Internet esteja funcionando normalmente. Se usar VPN, use o modo global.

① Clonar o Código

git clone https://github.com/harry0703/MoneyPrinterTurbo.git

② Modificar o Arquivo de Configuração (Opcional, também configurável pela WebUI)

Copie o arquivo config.example.toml e renomeie-o para config.toml
Siga as instruções em config.toml para configurar as chaves pexels_api_keys e llm_provider, inserindo a chave de API correspondente.
Se preferir usar a plataforma de modelo recomendada, configure llm_provider para "aihubmix" e preencha a respectiva API Key.

Implantação via Docker 🐳

① Iniciar o Docker

Se não possuir o Docker instalado, faça o download em: https://www.docker.com/products/docker-desktop/

No Windows, consulte a documentação da Microsoft:

cd MoneyPrinterTurbo
docker compose -f docker-compose.release.yml up

Por padrão, recomenda-se o uso do docker-compose.release.yml, pois ele puxa diretamente a imagem pré-construída do GitHub Container Registry: ghcr.io/harry0703/moneyprinterturbo:latest. Se desejar reconstruir a imagem localmente, use docker compose up. Nota: Certifique-se de que o config.toml existe na raiz do projeto antes de iniciar (pode ser copiado do config.example.toml).

② Acessar a Interface Web

Abra o navegador e acesse http://127.0.0.1:8501

③ Acessar a Documentação da API

Abra o navegador e acesse http://127.0.0.1:8080/docs ou http://127.0.0.1:8080/redoc

Implantação Manual 📦

① Criar o Ambiente Virtual

Recomenda-se usar o uv para gerenciar o ambiente Python e as dependências, utilizando por padrão o Python 3.11.

git clone https://github.com/harry0703/MoneyPrinterTurbo.git
cd MoneyPrinterTurbo
uv python install 3.11
uv sync --frozen

Caso prefira não usar o uv, você pode continuar usando venv + pip:

python3.11 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Descrição:

pyproject.toml define as dependências principais.
uv.lock é o arquivo de lock, sugerindo-se rodar uv sync --frozen.
requirements.txt é mantido apenas para compatibilidade com instalações via pip legado.

② Iniciar a Interface Web 🌐

Certifique-se de estar na raiz do projeto MoneyPrinterTurbo para executar os comandos abaixo.

Windows

.\webui.bat

No terminal (CMD) você também pode rodar webui.bat. O webui.bat utilizará prioritariamente o .venv do projeto ou o Python integrado no pacote rápido. Se não encontrar o Python do projeto mas o uv estiver instalado, mudará automaticamente para uv run streamlit. Para permitir que outros dispositivos na rede local acessem a WebUI, configure set MPT_WEBUI_HOST=0.0.0.0 antes de rodar webui.bat.

macOS ou Linux

uv run streamlit run ./webui/Main.py --browser.gatherUsageStats=False --server.showEmailPrompt=False

Se já ativou o ambiente virtual manualmente, pode executar:

sh webui.sh

A interface abrirá automaticamente no navegador.

③ Iniciar o Serviço de API 🚀

uv run python main.py

Se já ativou o ambiente virtual manualmente, execute:

python main.py

④ Modo Linha de Comando (Sem Navegador) ⌨️

Se não for possível usar um navegador ou redirecionamento de porta, você pode gerar vídeos diretamente pela linha de comando:

uv run python cli.py --video-subject "O Papel do Dinheiro"

Também é possível especificar materiais locais e pausar a execução em uma determinada etapa:

uv run python cli.py \
  --video-subject "O Papel do Dinheiro" \
  --video-source local \
  --video-materials "1.mp4,2.mp4" \
  --stop-at video

Síntese de Voz 🗣

A lista completa de vozes suportadas pode ser encontrada em: Lista de Vozes

O serviço de TTS padrão é o Edge TTS (gratuito, sem necessidade de chave de API). Na WebUI, ele aparece como "Azure TTS V1" (ambos se referem ao mesmo serviço gratuito). Você pode configurar voice_name no config.toml ou selecioná-la diretamente no menu de vozes da WebUI.

Nota: Na WebUI, "Azure TTS V1" (Edge TTS, gratuito) e "Azure TTS V2" (Azure Speech SDK pago) são opções distintas. Apenas o V2 requer a configuração da chave de API do Azure.

Se desejar usar vozes de maior qualidade via Azure TTS V2, configure suas credenciais do Azure Speech no config.toml:

[azure]
speech_key = "sua-chave-azure-speech"
speech_region = "eastus"

O Azure TTS V2 exige uma assinatura ativa do Azure Speech Services. As vozes do Azure TTS V2 costumam ser consideravelmente mais naturais do que as do Edge TTS.

Geração de Legendas 📜

Atualmente, o projeto suporta 2 métodos de geração de legendas:

edge: Usa as marcações de tempo retornadas pelo Edge TTS. É rápido e não requer GPU, funcionando bem em computadores normais. No entanto, as marcações em frases muito complexas podem ser ligeiramente imprecisas.
whisper: Utiliza o modelo local faster-whisper para transcrever o áudio gerado e criar marcações de tempo refinadas. É mais lento (pode demorar de segundos a 1 minuto no CPU), requer o download do modelo (cerca de 250 MB para large-v3-turbo e 3 GB para large-v3), mas oferece maior precisão de legendas.

Altere subtitle_provider no arquivo config.toml para alternar entre os provedores.

Recomenda-se iniciar com o modo edge. Caso a qualidade não seja satisfatória, alterne para o modo whisper.

Notas:

O modo whisper exige o download de um arquivo de modelo do HuggingFace (cerca de 3GB). Certifique-se de ter uma boa conexão.

Deixar em branco desativa a geração de legendas.

Para usuários com restrições de acesso ao HuggingFace, o modelo whisper-large-v3 pode ser baixado manualmente:

Baixar e descompactar na pasta .\MoneyPrinterTurbo\models. O caminho final deve ser: .\MoneyPrinterTurbo\models\whisper-large-v3

MoneyPrinterTurbo
  ├─models
  │   └─whisper-large-v3
  │          config.json
  │          model.bin
  │          preprocessor_config.json
  │          tokenizer.json
  │          vocabulary.json

Música de Fundo 🎵

A música de fundo dos vídeos fica localizada no diretório resource/songs do projeto.

Fonte das Legendas 🅰

As fontes para renderização das legendas ficam localizadas no diretório resource/fonts do projeto. Você pode adicionar suas próprias fontes (.ttf ou .ttc) nesta pasta.

Perguntas Frequentes (FAQ) 🤔

❓ RuntimeError: No ffmpeg exe could be found

Geralmente o FFmpeg é baixado e detectado de forma automática. Se o seu ambiente não permitir o download automático, você poderá ver o seguinte erro:

RuntimeError: No ffmpeg exe could be found.
Install ffmpeg on your system, or set the IMAGEIO_FFMPEG_EXE environment variable.

Para corrigir, baixe o FFmpeg em https://www.gyan.dev/ffmpeg/builds/, descompacte e configure o caminho ffmpeg_path no arquivo de configuração:

[app]
# Lembre-se de usar duas barras invertidas \\ no Windows
ffmpeg_path = "C:\\Caminho\\Para\\ffmpeg.exe"

❓ Erros Relacionados ao ImageMagick

A versão atual não necessita do ImageMagick.

Com a atualização do projeto para o MoviePy 2.x, a renderização de legendas passou a utilizar o Pillow, removendo a dependência do ImageMagick. Se ainda visualizar erros relacionados ao ImageMagick, atualize seu repositório com git pull ou execute update.bat.

❓ OSError: [Errno 24] Too many open files

Isto ocorre devido ao limite de arquivos abertos no sistema. Pode ser resolvido aumentando esse limite:

Verificar limite atual:

ulimit -n

Aumentar o limite se estiver muito baixo:

ulimit -n 10240

❓ Falha ao baixar o modelo Whisper

LocalEntryNotFoundError: Cannot find an appropriate cached snapshot folder for the specified revision on the local disk...

Consulte a seção de Geração de Legendas para baixar manualmente os arquivos do modelo e colocá-los na pasta correspondente.

Feedback e Sugestões 📢

Sinta-se à vontade para abrir uma issue ou enviar um pull request.

Licença 📝

Consulte o arquivo LICENSE para mais informações.

Name		Name	Last commit message	Last commit date
.github		.github
app		app
docs		docs
resource		resource
test		test
webui		webui
.dockerignore		.dockerignore
.gitignore		.gitignore
.python-version		.python-version
Dockerfile		Dockerfile
Dockerfile.gpu		Dockerfile.gpu
LICENSE		LICENSE
README-ar.md		README-ar.md
README-en.md		README-en.md
README.md		README.md
cli.py		cli.py
config.example.toml		config.example.toml
docker-compose.gpu.yml		docker-compose.gpu.yml
docker-compose.release.yml		docker-compose.release.yml
docker-compose.yml		docker-compose.yml
main.py		main.py
pyproject.toml		pyproject.toml
requirements.txt		requirements.txt
uv.lock		uv.lock
webui.bat		webui.bat
webui.sh		webui.sh

Latest commit

History

Folders and files

Repository files navigation