📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🤖 Agent🔄 工作流🌐 翻译🐳 Docker💻 CLI🖼 视觉🔊 TTS🎙 STT🧠 Claude✨ GPT
MoneyPrinterTurbo Agent工作流
⚙️
Agent工作流

MoneyPrinterTurbo Agent工作流

基于 Python · 无代码搭建完整 AI 自动化流程
英文名：MoneyPrinterTurbo
⭐ 57.3k Stars 🍴 8.3k Forks 💻 Python 📄 MIT 🏷 AI 8.2分
8.2AI 综合评分
AI生成短视频自动化开源Python
⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，MoneyPrinterTurbo Agent工作流 获评「强烈推荐」。在 GitHub 上收获超过 57.3k 颗 Star，这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.2 分，适合有一定技术背景的用户使用。

📚 深度解析

MoneyPrinterTurbo Agent工作流 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

MoneyPrinterTurbo Agent工作流 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.2 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

MoneyPrinterTurbo Agent工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 57.3k
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
活跃维护，更新频繁
开源协议
MIT
AI 综合评分
8.2 分
工具类型
Agent工作流
Forks
8.3k

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

MoneyPrinterTurbo Agent工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排，无需编写复杂代码
  • 支持多步骤自动化任务链，实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制，保障稳定运行
  • 提供可复用的自动化模板，快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：pip 安装（推荐）
pip install moneyprinterturbo

# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install moneyprinterturbo

# 方式三：从源码安装（获取最新功能）
git clone https://github.com/harry0703/MoneyPrinterTurbo
cd MoneyPrinterTurbo
pip install -e .

# 验证安装
python -c "import moneyprinterturbo; print('安装成功')"
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 命令行使用
moneyprinterturbo --help

# 基本用法
moneyprinterturbo input_file -o output_file

# Python 代码中调用
import moneyprinterturbo

# 示例
result = moneyprinterturbo.process("input")
print(result)
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# moneyprinterturbo 配置文件示例（config.yml）
app:
  name: "moneyprinterturbo"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
moneyprinterturbo --config config.yml

# 或通过环境变量配置
export MONEYPRINTERTURBO_API_KEY="your-key"
export MONEYPRINTERTURBO_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 77/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

背景音乐

用于视频的背景音乐，位于项目的 resource/songs 目录下。

当前项目里面放了一些默认的音乐，来自于 YouTube 视频，如有侵权，请删除。

功能特性 🎯

快速开始 🚀

安装部署 📥

Docker 部署 🐳

① 启动 Docker

如果尚未安装 Docker，请先下载并安装 Docker Desktop。

Windows 用户可以参考微软的文档：

  1. 安装 WSL
  2. 在 WSL 中使用 Docker 容器
cd MoneyPrinterTurbo
docker compose -f docker-compose.release.yml up
默认推荐使用 docker-compose.release.yml，它会直接拉取 GitHub Container Registry 上的预构建镜像：ghcr.io/harry0703/moneyprinterturbo:latest。 如果你需要本地重新构建镜像，可以继续使用 docker compose up。 首次启动前，请将 config.example.toml 复制为 config.toml，供容器挂载使用。

② 访问 WebUI

打开浏览器，访问 http://127.0.0.1:8501

③ 访问 API 文档

打开浏览器，访问 http://127.0.0.1:8080/docs 或者 http://127.0.0.1:8080/redoc

API 默认仅允许同源网页访问。只有独立网页前端需要从其他来源直接调用 API 时，才应通过环境变量 CORS_ALLOWED_ORIGINS 配置可信来源，例如 http://localhost:3000,https://frontend.example.com。curl、Postman、n8n 和其他服务端调用不受 CORS 限制。

手动部署 📦

视频教程

① 创建虚拟环境

推荐使用 uv 管理 Python 环境和依赖。项目支持 Python 3.11 或更高版本，以下示例使用 Python 3.11。

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

如果你暂时不使用 uv，也可以继续使用 venv + pip

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

说明：

  • pyproject.toml 是主依赖定义文件
  • uv.lock 是锁文件，建议默认执行 uv sync --frozen
  • requirements.txt 仅保留给旧的 pip 安装方式兼容使用

② 启动 WebUI 🌐

注意需要到 MoneyPrinterTurbo 项目 根目录 下执行以下命令

###### Windows

.\webui.bat

在 CMD 中也可以执行 webui.bat。 webui.bat 会优先使用项目 .venv 或一键包内置 Python；如果没有找到项目 Python，但已安装 uv，会自动切换为 uv run streamlit。 如需允许局域网内其他设备访问 WebUI，可以先执行 set MPT_WEBUI_HOST=0.0.0.0，再运行 webui.bat。

###### macOS 或 Linux

sh webui.sh

脚本会自动使用项目虚拟环境或 uv，并选择可用的本地端口。如需允许局域网内其他设备访问，可以执行：

MPT_WEBUI_HOST=0.0.0.0 sh webui.sh

启动后，会自动打开浏览器（如果打开是空白，建议换成 Chrome 或者 Edge 打开）

③ 启动 API 服务 🚀

uv run python main.py

如果你已经手动激活了虚拟环境，也可以直接执行：

python main.py

④ 纯命令行方式（无浏览器）⌨️

如果你无法使用浏览器或端口转发，可以直接在命令行生成视频。最简单的完整视频生成命令如下：

uv run python cli.py --video-subject "人工智能如何改变日常生活"

字幕样式和配音参数按以下优先级取值：命令行显式参数 > config.toml 中 [ui] 保存的 WebUI 设置 > 内置默认值。其余生成设置（如背景音乐、视频数量、 段落数量等）不会自动沿用 WebUI 的保存值。若 WebUI 中选择了上传自备音频， 命令行需要显式传入 --custom-audio-file，因为音频路径不会被保存。

如需查看完整命令、参数说明和使用方法，可以执行：

uv run python cli.py --help

如需顺序执行多个任务，可通过 --batch-file 提供 UTF-8 JSON 数组或 JSONL 清单。CLI 参数作为全局默认值，每个对象可覆盖 VideoParams 字段：

uv run python cli.py --batch-file ./tasks.json --stop-at video

清单最多包含 100 个任务且不超过 1 MiB。所有条目会在第一个任务启动前完成 参数与本地文件预检；单个任务运行失败不会阻止后续条目，结束后会输出统一的 JSON 汇总。清单中的相对自定义音频与本地素材路径以清单目录为基准。

推荐使用方式

  • 不想手动安装和配置：直接使用 AI Agent 生成视频
  • Windows 用户：优先使用一键启动包，适合快速体验
  • macOS / Linux 用户：优先使用 uv 进行本地部署
  • 想要隔离运行环境：优先使用 Docker 部署

使用 AI Agent 生成视频

如果你的 AI Agent 支持读取 Skill 文档并操作本地终端，可以直接发送下面这段话。Agent 会自动完成安装、配置和视频生成；只有缺少必要的 API Key 时才会向你询问，完成后会返回生成的视频文件路径。目前支持 macOS 和 Windows。

使用这个 Skill：https://raw.githubusercontent.com/harry0703/MoneyPrinterTurbo/main/docs/skill/SKILL.md
帮我生成一个主题为“人工智能如何改变普通人的日常生活”的视频。

在 Google Colab 中运行

免去本地环境配置，点击直接在 Google Colab 中快速体验 MoneyPrinterTurbo

Open in Colab

Windows 一键启动包

下载一键启动包，解压直接使用（路径不要有 中文、特殊字符、空格）

下载后，建议先双击执行 update.bat 更新到最新代码，然后双击 start.bat 启动

启动后，会自动打开浏览器（如果打开是空白，建议换成 Chrome 或者 Edge 打开）

界面预览 🖥️

WebUI

API

---

配置要求 📦

  • 建议系统：Windows 10、macOS 11.0 或更高版本，以及主流 Linux 发行版
  • 本地部署需要 Python 3.11 或更高版本，推荐使用 Python 3.11
  • GPU 不是必需项，但如果你希望本地转录、更快的视频处理或更顺畅的批量生成体验，建议使用带显存的独立显卡
项目最低配置推荐配置理想配置
CPU4 核6 到 8 核8 核及以上
RAM4 GB8 GB16 GB 及以上
GPU非必须4 GB 显存及以上8 GB 显存及以上
  • 如果你主要依赖云端 LLM、云端 TTS 和在线素材源，CPU 与内存比 GPU 更重要
  • 如果你启用 faster-whisper、批量生成或更重的本地处理链路，GPU 会明显提升速度

请根据你的实际路径设置，注意 Windows 路径分隔符为 \\

ffmpeg_path = "C:\\Users\\harry\\Downloads\\ffmpeg.exe" 


</details>

<details>
<summary>OSError: [Errno 24] Too many open files</summary>

这个问题是由于系统打开文件数限制导致的，可以通过修改系统的文件打开数限制来解决。

查看当前限制
shell ulimit -n 

如果过低，可以调高一些，比如
shell ulimit -n 10240 

</details>

<details>
<summary>Whisper 模型下载失败</summary>
LocalEntryNotFoundError: Cannot find an appropriate cached snapshot folder for the specified revision on the local disk and outgoing traffic has been disabled. To enable repo look-ups and downloads online, pass 'local_files_only=False' as input. 

或者
An error occurred while synchronizing the model Systran/faster-whisper-large-v3 from the Hugging Face Hub: An error happened while trying to locate the files on the Hub and we cannot find the appropriate snapshot folder for the specified revision on the local disk. Please check your internet connection and try again. Trying to load the model directly from the local cache, if it exists. ```

解决方法：查看如何从 Hugging Face 手动下载模型

</details>

创作入口与工作流

  • [x] 提供 AI Agent、WebUI、API 和 CLI 四种使用方式，既能快速上手，也能接入自动化流程
  • [x] 从主题自动完成脚本、配音、素材、字幕、配乐和剪辑，也支持在每个环节使用自定义内容
  • [x] 支持 批量生成多条成片、任务历史记录，以及生成设置与 API Key 的导入、导出和恢复

脚本与模型服务

常见问题 🤔

<details> <summary>RuntimeError: No ffmpeg exe could be found</summary>

通常情况下，ffmpeg 会被自动下载，并且会被自动检测到。 但是如果你的环境有问题，无法自动下载，可能会遇到如下错误：

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

此时可以从 gyan.dev 下载 FFmpeg。解压后，将 ffmpeg_path 设置为实际安装路径即可。

```toml [app]

🇨🇳 中文文档镜像 AI 翻译 2026-06-19
英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

MoneyPrinterTurbo 是一款高效的自动化视频生成工具，旨在通过 AI 技术简化短视频创作流程。该项目采用完整的 MVC 架构，代码结构清晰，不仅支持 Web 界面操作，还提供 API 接口，方便开发者进行二次开发或集成。无论是个人创作者还是企业用户，都能通过该工具快速实现从文案到成片的自动化生产。

⚡ 功能介绍

本项目具备强大的功能矩阵：支持通过 AI 自动生成或自定义中英文视频文案；提供多种高清视频尺寸选择，涵盖竖屏 9:16 与横屏 16:9；支持批量视频生成模式，允许用户在多个生成结果中筛选最满意的一个；内置丰富的语音合成与字幕定制功能，可实时试听并自由调节字幕的字体、颜色、位置及描边效果；同时支持背景音乐的随机或指定配置，实现全流程自动化。

📋 环境依赖

项目建议在 Windows 10、MacOS 11.0 或主流 Linux 发行版上运行。虽然 GPU 不是运行的必需项，但若需启用 faster-whisper 进行本地转录、加速视频处理或提升批量生成的流畅度，建议配备显存不少于 4GB 的独立显卡。对于依赖云端 LLM、云端 TTS 及在线素材源的用户，CPU 与 RAM（建议 8GB 以上）的性能将比 GPU 更为关键。

🛠 安装步骤（Docker/pip/源码）

用户可以根据需求选择多种部署方式：Windows 用户推荐使用一键启动包以获得最快体验；MacOS 与 Linux 用户建议使用 `uv sync --frozen` 进行本地环境部署；追求环境隔离的用户首选 Docker 部署，通过 `docker compose up` 命令即可快速拉起服务并访问 Web 界面。此外，项目也支持在 Google Colab 中直接运行，免去本地配置烦恼。

🚀 使用教程

项目提供了灵活的使用场景。对于希望快速体验的用户，推荐使用 Windows 一键启动包或 Google Colab 在线环境；对于开发者或需要高度定制化的用户，可以通过源码部署或 Docker 容器化部署。在生成视频时，用户可以根据需要调整视频片段时长，并利用内置的 Web 界面进行素材预览与参数微调。

⚙️ 配置说明（含 MCP / env）

在使用过程中，请务必根据您的实际系统路径配置关键参数。例如，若需调用本地的 ffmpeg，请在配置文件中准确设置 `ffmpeg_path`。特别注意，在 Windows 系统下，路径分隔符必须使用双反斜杠 `\` 以避免解析错误。对于依赖本地模型的场景，请确保相关路径与环境配置正确无误。

🔄 工作流/模块

MoneyPrinterTurbo 的工作流涵盖了从文案生成、语音合成（TTS）、素材匹配到字幕渲染及视频合成的全过程。系统通过集成 AI 模型处理文本，并结合用户设定的参数（如字幕样式、背景音乐等）进行自动化剪辑，最终输出符合规格的高清视频文件。

❓ FAQ 摘要

针对用户在使用过程中可能遇到的问题，如 Whisper 模型下载失败（报错 LocalEntryNotFoundError）或模型同步错误，通常是因为网络环境限制或本地缓存路径配置不当导致的。建议检查网络连接是否允许访问 Hugging Face，或在参数中设置 `local_files_only=False` 以启用在线下载功能。

🎯 aiskill88 AI 点评 A 级 2026-05-20

57k stars体现社区认可度高，工作流设计完整，自动化程度好，但依赖外部API成本，适合专业用户和团队使用。

📚 实用指南（长尾问题）
适合谁
  • 做语音类 AI 产品的开发者
最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
  • Python 依赖冲突：建议用 venv / uv 隔离环境
部署方案
  • Docker：MoneyPrinterTurbo 提供官方镜像，docker compose up 一键启动
  • 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
MoneyPrinterTurbo 中文教程MoneyPrinterTurbo 安装报错怎么办MoneyPrinterTurbo Docker 部署MoneyPrinterTurbo 与同类工具对比MoneyPrinterTurbo 最佳实践MoneyPrinterTurbo 适合谁用

⚡ 核心功能

👥 适合谁
  • 做语音类 AI 产品的开发者
⭐ 最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
  • Python 依赖冲突：建议用 venv / uv 隔离环境

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +GitHub 57.3k Star，社区高度认可
  • +MIT 协议，可免费商用
  • +大幅减少重复性人工操作
  • +可视化流程，清晰直观
  • +可扩展性强，支持复杂场景
⚠️ 不足
  • −初始配置和调试需投入一定时间
  • −强依赖外部服务的稳定性
  • −复杂场景需具备一定技术基础
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。

🔗 相关工具推荐

Flowise 可视化AI工作流
Agent工作流
LangFlow 可视化AI开发
Agent工作流
ragflow Agent工作流
RAGFlow是领先的开源检索增强生成(RAG)引擎,提供完整的AI工作流和智能体框架。支持agentic检索和搜索,适
Activepieces 开源工作流自动化
Agent工作流
📰 相关 AI 新闻
OpenAI 最新产品与研究动态
AI 资讯 · 知识关联
AI 前沿资讯：GPT Guesses Between 1 and 100
AI 资讯 · 知识关联
OpenAI 最新产品与研究动态
AI 资讯 · 知识关联
AI 模型性能评测与横向对比
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
GPT 说"这可能不准确"，然后接着说了5分钟不准确的内容
AI 圈观察
🗺️ 相关解决方案
docker
docker-deploy
tts
voice-generation
stt
speech-recognition
llm_local
local-llm-deploy
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
AI公司多智能体操作系统
为Claude Code设计的开源MCP工具集，包含108个MCP工具和40+智能体模板。支持多智能体协作编排，提供完整的自主代理框架。适合
LEANN AI技能包
MCP · Agent · 工作流
代码智能引擎
MCP · Agent · 工作流
gptme Agent工作流
MCP · Agent · 工作流
multi-agent-shogun Agent工作流
基于Claude的开源多智能体编排系统，采用武士风格架构设计，支持并行任务协调。适合需要构建复杂AI工作流、自动化多步骤任务的开发者和企业用

❓ 常见问题 FAQ

主要支持OpenAI ChatGPT，可扩展接入其他大模型API
💡 AI Skill Hub 点评

AI Skill Hub 点评：MoneyPrinterTurbo Agent工作流 的核心功能完整，质量优秀。对于自动化工程师和运维人员来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 MoneyPrinterTurbo Agent工作流
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 MoneyPrinterTurbo
原始描述 开源AI工作流：利用AI大模型，一键生成高清短视频 Generate short videos with one click using AI LLM.。⭐57.3k · Python
Topics AI生成短视频自动化开源Python
GitHub https://github.com/harry0703/MoneyPrinterTurbo
License MIT
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/harry0703/MoneyPrinterTurbo

收录时间：2026-05-18 · 更新时间：2026-05-19 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →