简介MoneyPrinterV2 是一套面向内容创作者、自媒体运营者与副业探索者的 AI 自动变现工具。它将大模型内容生成、本地语音合成、视频合成和多平台分发推广串联成一条自动化流水线解决从选题到发布变现链条过长、重复劳动多的问题目标是帮助用户以较低边际成本建立被动收入来源。资源共 43 个文件压缩包约 301KB其中 21 个 Python 源码文件承担核心逻辑11 个 Markdown 文档覆盖 PostBridge、TwitterBot、AffiliateMarketing、YouTube 等模块说明与部署指南另有 shell 部署脚本、配置文件样例、字体、许可证和测试文件等目录结构清晰适合按部署说明直接上手。已有 45 人学习下载。通过该包可以拿到完整源码、模块化架构实现、基于 Ollama 与 KittenTTS 的本地模型接入方式以及 Selenium 控制浏览器自动发布的设计思路资源还附带一键部署与预检工具、相关测试用例既适合快速复现 AI 内容生产流程也便于在现有框架上继续扩展。1. 别把“在线赚钱”当噱头MoneyPrinterV2 解决的是内容产能问题如果你做过短视频号一定有这种体会瓶颈不是创意是产出速度。一条60秒的口播视频写文案一小时、找素材一小时、配音剪辑再一小时一天拼死做三条。而 MoneyPrinterV2 这类工具的思路是——把“脚本生成、配音、画面素材、字幕、剪辑合成”这条流水线全部交给大模型和自动化脚本你只需要输入一个主题词剩下的事情由程序完成。做不到直接替你赚钱但能把内容生产的边际成本压到接近零这对内容创作者和副业探索者的意义是你终于有余力去测试不同赛道、不同选题而不是把时间耗在重复劳动上。这个项目用 Python 编写依赖大模型 API 生成文案、图像/视频素材再通过剪辑库完成成片输出。标题里的“在线赚钱”建议理解为“通过自动化内容生产间接变现”别指望装完就跑出一个24小时赚钱机器。下文我会按实际部署顺序展开从架构选型讲到安装配置、跑通第一条视频、参数调优最后给你一份能直接照抄的踩坑清单。2. 架构拆解内容生成管道的四个核心模块与两台“引擎”2.1 标题生成与脚本生成大模型在这里扮演什么角色MoneyPrinterV2 的第一层是大模型调用层。你输入一个中文或英文的“话题”程序会先让大模型生成若干个候选标题再针对选中的标题生成完整的短视频脚本。这里的实现逻辑通常是这样一段 Python 伪代码def generate_script(topic: str) - list[str]: prompt ( 你是一名短视频编导。请围绕以下主题生成一条60秒短视频的完整脚本。\n 要求口语化开头前3秒抓人正文有三个论点结尾有行动号召。\n f主题{topic}\n 输出格式只输出脚本正文不要其他说明。 ) response call_llm_api(prompt) return parse_script(response)这段代码的关键不在函数本身而在 prompt 的结构。我实际用下来的经验是脚本质量直接取决于你对“输出格式”的约束强度。如果你不限定“口语化开头、三个论点、结尾行动号召”这些结构化要求模型会给你写出一篇论文摘要根本不适合朗读。另外一个细节是温度参数——生成脚本时 temperature 建议设 0.7 到 0.9太低会显得机械太高容易跑题。2.2 素材获取层本地素材库、在线图库与视频源的优先级脚本生成之后程序要给每一句话配画面。MoneyPrinterV2 的做法是先对脚本做“短句切分”然后逐句匹配素材。素材来源有三个层级本地素材库程序扫描你指定的目录按文件名关键词匹配句子中的核心词。在线图库Pexels 等通过 API 按关键词搜索图片和视频片段。兜底素材匹配不到时使用默认背景。这个模块我一般建议改三个参数。第一个是source_priority默认顺序是本地优先但如果你本地素材库很空建议改成在线优先否则会大量落在兜底素材上。第二个是video_duration_match每句话对应的视频片段长度尽量控制在句子读音时长加 0.5 秒的缓冲。第三个是素材关键词的提取算法有些版本直接用 jieba 分词有些版本允许你传入自定义权重词表实测自定义词表对“科技类”这种泛词的效果提升最明显。2.3 配音合成两种引擎的选型理由与音色参数配音模块决定了视频的“质感”。MoneyPrinterV2 通常支持两类配音方案一类是本地 TTS 引擎如 edge-tts、pyttsx3免费、延迟低但音色机械感较强另一类是云厂商 TTSAzure、OpenAI TTS音色自然但要付费且需要额外 API 密钥。这里有一个容易被忽略的点——字幕时间轴。你的配音合成后程序需要知道每一句话在音频里的起始时间才能精确压制字幕。本地 TTS 引擎一般能拿到逐句时间戳云 TTS 则要看 API 是否返回时间边界。如果拿不到程序只能按字数估一个时间轴结果就是字幕和声音错位观感很糟。所以部署时我建议优先选能返回时间戳的方案哪怕音色略差也别在早期阶段追求高级音色而牺牲字幕同步。# 一个简化的配音与字幕时间轴生成流程 audio_segments [] subtitle_lines [] for sentence in script_sentences: response tts_synthesize(sentence) audio_segments.append(response.audio) start response.start_time # 保证 TTS 引擎支持时间戳返回 end response.end_time subtitle_lines.append(SubtitleItem(start, end, sentence)) merged_audio concat_audio(audio_segments) save_with_subtitles(merged_audio, subtitle_lines) # 输出 mp4 srt这个流程里的关键参数是max_sentence_length。中文按标点切句时如果一句话超过 25 个字TTS 合成时长会明显变长视频节奏拖慢少于 8 个字又会导致字幕闪得太快。我一般在脚本预处理阶段做一次强制断句超长的用逗号拆开过短的与上一句合并。2.4 视频合成拼接逻辑与字幕烧录的边界问题最后一个模块是把配音、图片/视频片段、字幕合成为 MP4。这块用到的核心库是 moviepy 或 ffmpeg。合成的复杂度集中在两处一是图片类素材要加“克南”效果Ken Burns慢速缩放平移否则静态画面配动态配音会显得死板二是字幕烧录中文字体文件的指定路径以及文字大小、描边宽度的参数调整。# 使用 ffmpeg 将字幕烧录进视频的常见命令 ffmpeg -i input.mp4 -vf subtitlessubtitle.srt:force_styleFontNameSimHei,FontSize12,Outline2 \ -c:v libx264 -crf 20 -preset medium -c:a aac -b:a 128k output.mp4这里要说明的是FontNameSimHei在 Linux 服务器上经常失效因为系统没装中文字体。你需要在部署机上执行fc-list | grep -i simhei确认字体存在否则字幕会显示为一排方框。这条命令里的crf 20是质量参数值越小画质越高、文件越大短视频平台建议 20 到 23 之间。“preset medium”是编码速度预设不影响画质只影响转换耗时。2.5 并发与队列为什么它能“全自动”却不能“多任务乱跑”MoneyPrinterV2 的自动化体现在你能批量提交任务。常见的实现是维护一个任务队列——你可以在 Web 界面一次输入五个主题程序逐个跑完。但这里有个性能边界大模型 API、素材下载、视频编码都是耗时操作如果你的部署机器只有 2 核 4G同时跑两条任务就会把 CPU 打满视频编码速度会从 1 分钟降到 10 分钟甚至内存溢出进程被杀。所以我的建议是先摸清单条任务的资源占用再决定并发数。具体做法是用htop观察跑视频合成时的 CPU 和内存峰值然后用“内存总量除以单任务峰值”粗略估算并发上限。多数 VPS 上单任务合成 60 秒视频大约需要 2G 内存4G 内存机器跑 2 条已经是极限了。3. 安装与部署从 Python 环境到 API 密钥全步骤复现3.1 部署前的环境准备Python 版本、pip 镜像与虚拟环境这个项目是典型的 Python 应用依赖一堆第三方库。先明确环境要求建议 Python 3.10 以上Python 3.8 有一些老库的兼容性问题。如果你在 Windows 上部署注意别用系统自带的 PowerShell 直接跑服务建议用 Anaconda 或 pyenv 管理 Python 版本。Linux 服务器上则先用以下命令准备基础环境# Ubuntu/Debian 系安装基础依赖 sudo apt update sudo apt install -y python3-venv python3-pip ffmpeg git python3 -m venv venv source venv/bin/activateffmpeg 是必须的。项目里的视频合成命令直接调系统 ffmpeg不是 Python 库能替代的。安装完以后执行ffmpeg -version确认版本不低于 4.4老版本在处理特殊字幕样式时会报错。Python 虚拟环境这一步千万别跳后面装 opencv、moviepy 这类库时依赖冲突会让你想砸电脑虚拟环境是唯一的后悔药。3.2 拉取源码与依赖安装国内网络环境的处理方式git clone 项目仓库地址 MoneyPrinterV2 cd MoneyPrinterV2 pip install -r requirements.txt这一步可能遇到的问题很有代表性直接pip install在大模型相关依赖上经常卡住尤其是 torch 和 moviepy。如果装到一半报网络超时先换 pip 源再装一次pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txttorch 这个包比较大建议单独装。你要先查项目要求的 torch 版本写在 requirements.txt 里然后到 pytorch.org 官方渠道按 CUDA 版本选命令。单说部署的话纯 CPU 机器也能跑但视频合成速度会慢 3 到 5 倍。如果只是测试功能CPU 版本够用如果打算批量生产内容建议租个带 GPU 的云服务器哪怕是最小的 T4 都行。装完依赖后验证一下关键库是否可用python -c import moviepy, cv2, torch; print(OK)如果 import 报错八成是库版本冲突。常见的是 opencv 的 libGL.so.1 缺失这个在 Ubuntu 服务器上很常见解决方法是sudo apt install -y libgl1。3.3 配置文件详解API 密钥、素材目录、模型名称的填写逻辑项目的配置通常是一个.env文件或config.toml。我把最核心的几项列出来以.env为例# .env 文件核心配置 LLM_API_KEYsk-xxxxxxxxxxxx LLM_MODEL_NAME你的模型名称 LLM_BASE_URLhttps://api.xxx.com/v1 PEXELS_API_KEYxxxxx TTS_ENGINEedge-tts TTS_VOICEzh-CN-XiaoxiaoNeural LOCAL_VIDEO_DIR./assets/videos IMAGE_SOURCEpexels VIDEO_SOURCEpexels这里面最需要留意的是LLM_BASE_URL。很多兼容 OpenAI 协议的国内服务商比如 DeepSeek、智谱等都要求填自己的基础地址否则请求会默认走到 OpenAI 官方地址直接超时。你以为代码写错了其实是地址没改。PEXELS_API_KEY是全球图库的 API 密钥不填的话素材会全部落到本地目录本地没素材就黑屏。TTS 的 voice 参数我建议先用zh-CN-XiaoxiaoNeural这是比较稳妥的女声换了别的声音有的版本会出现个别字发音异常。3.4 启动 Web 服务两种模式分别怎么跑MoneyPrinterV2 通常提供两种运行方式命令行单次生成和 Web 服务批量操作。命令行模式适合调试Web 模式适合日常使用。先启动 Web 服务python app.py --port 8088访问http://localhost:8088就能看到一个网页界面。页面里一般有三个必填项主题词、视频时长、比例横屏/竖屏。如果你在远程服务器上部署记得在配置里关掉调试模式或者用--host 0.0.0.0启动否则只能本机访问。命令行模式的长这样python main.py --topic 人工智能如何改变教育行业 --duration 60 --format vertical跑通后在输出目录会看到 mp4 文件、同名 srt 字幕文件和一堆临时素材。这里我第一次跑的时候犯过一个错以为任务跑完就结束了但程序其实还有一个上传/发布模块可选可以把视频推送到某些内容平台需要在配置里额外填写平台 API 密钥。没有密钥的话这一步会静默跳过不会报错。4. 从零跑通第一条视频配置校验、文本生成到成片输出的完整链路4.1 启动前自检三分钟确认配置没有坑在跑第一条任务之前先做一次快速的配置自检。我把步骤写成一个 bash 脚本片段你可以直接粘贴执行# 1. 检查 ffmpeg ffmpeg -version | head -n 1 # 2. 检查字体 fc-list :langzh | head -n 3 # 3. 检查网络连通性将下面地址换成你配置的 LLM_BASE_URL curl -I --max-time 5 https://api.你的服务商.com # 4. 检查素材目录是否存在且有写入权限 ls -ld ./assets/videos这四条里第二条最容易被忽略。很多人视频生成出来字幕全是方框就是因为系统缺少中文字体。如果你fc-list输出为空执行sudo apt install -y fonts-wqy-microhei fonts-wqy-zenhei安装文泉驿字体然后在视频合成参数里把字体名改成WenQuanYiMicroHei。网络连通性这条也别省。大模型 API 的连通性波动会影响生成质量如果你配置的是海外服务商测试时延迟很高建议换国内兼容 OpenAI 协议的服务。注意别用任何代理工具纯粹从代码层面解决。4.2 第一条视频的推荐参数新手最不容易翻车的组合我用过一段时间后总结了一套“保底参数”适用于绝大多数主题主题词选词具体一点比如不要写“科技”写成“国产大模型 2025 年应用落地”时长60 秒比例竖屏 9:16短视频平台主推格式脚本生成温度0.8每句最长字数20 字素材来源在线优先本地兜底字幕字体WenQuanYiMicroHei输出分辨率1080x1920这里有几个参数你可能在界面上找不到——比如“每句最长字数”它可能在脚本预处理模块里需要手动改代码。别慌搜索代码里的max_sentence_length把它从默认值改小即可。为什么要改这个参数因为大模型生成的脚本里经常有一句 50 字的长句配音会读成一整段画面素材却只有一张图观感就是“一张图配了一长段解说”很尴尬。4.3 从主题到成片分步执行与日志关键词解读配置好以后提交第一条任务。观察终端日志你会看到类似这样几个阶段[1/6] Generating titles... OK [2/6] Selecting title... OK [3/6] Generating script... OK [4/6] Fetching audio resources... OK [5/6] Fetching video resources... OK [6/6] Composing video... OK Output saved to /output/xxx.mp4每个阶段对应的日志关键词值得留意。第 4 步如果卡很久或者大量输出“retry”说明 TTS 服务不稳定或限流最简单的处理是换一个 TTS 引擎重新跑。第 5 步如果大量输出“fallback to local”说明在线素材 API 的密钥过期或配额用完去 API 管理面板看一下。最后一步如果提示编码错误十有八九是输出目录空间不足df -h确认。正常一条 60 秒视频在普通 4 核机器上大约耗时 2 到 4 分钟。如果超过 10 分钟还没结束别傻等直接 CtrlC 杀掉进程查一下是不是视频素材下载卡住了——某些在线图库在特定时间段访问极慢。4.4 批量生成的正确姿势队列操作与限流策略跑通第一条以后你会想批量生成。这里我建议采用“3 1”策略一次提交 3 条不同主题的任务队列同时保持 1 条人工审核的余量。原因很实际——批量输出里总有 20% 左右的内容有明显的逻辑硬伤比如大模型把话题写偏、素材匹配错乱如果完全没人审核就发布很伤账号标签。批量操作时还要注意 API 的限流rate limit。免费额度通常按分钟或按天计数批量跑的时候很容易触发限制表现为脚本阶段大量重试。处理方式是在代码里加一个简单的 sleep 间隔import time # 在循环生成脚本的任务之间强制休眠 1 秒避免触发限流 for topic in topic_list: generate_video_task(topic) time.sleep(1)多少台机器跑多少个任务没有标准答案。但一个口碑比较好的经验是单账号单机每分钟最多提交 2 条任务也就是间隔 30 秒以上。跑小批量时不必改代码Web 界面的任务队列本身就带间隔设置。5. 避坑指南MoneyPrinterV2 部署与使用中的 5 个高频翻车点5.1 字幕出方框而不是汉字现象成片里字幕位置显示一排 “口口口” 或根本无字。原因系统缺少中文字体文件或者代码里指定的字体名不对。解决安装文泉驿字体后把视频合成代码里的字体名改成系统里实际存在的名称再用fc-list | grep WenQuanYi验证。需要确认的是——字体的“内部名称”和“文件名”未必一致建议直接在代码里写fonts/wqy-microhei.ttc这样的文件路径跳过字体名解析环节。5.2 视频合成速度比大模型生成还慢现象日志停在 6/6 很久CPU 100%内存吃满。原因moviepy 或者 ffmpeg 在做高分辨率编码竖屏 1080x1920 比横屏 1920x1080 慢很多因为像素数量更多。解决我一般把渲染分辨率降到 720x1280短视频平台会自动优化码率肉眼很难看出区别。如果坚持 1080p可以关掉视频软件里的“硬件加速”开关这个开关在有独立显卡的机器上反而会让 ffmpeg 锁在 x264 软件编码。5.3 大模型生成的脚本文风统一像个机器人写的现象十条标题全是“震惊”“揭秘”“竟然后缀”正文充满“首先、其次、最后”。原因prompt 里没做多样性约束同一个系统默认 prompt 把所有风格锁死了。解决在脚本生成函数中增加一个“风格”字段把风格日常口语/硬核知识/情感叙事作为参数传入。如果项目不支持这个参数就在 topic 前面手动加风格前缀例如“请用街头采访的语气聊一聊……”5.4 素材匹配永远错位说“苹果”配了一张手机图片现象脚本提到苹果公司画面却配了一个红苹果。原因素材关键词提取用的是通用分词没有行业语境判断。解决改造素材关键词模块加入“领域词典替换”。具体做法是把脚本中的词先映射成语义向量再计算与素材标签的相似度。“苹果公司”映射到 手机、科技、发布会普通“苹果”映射到水果。实现上可以用 sentence_transformers 加载一个小型中文模型但会增加 200MB 内存占用低配机器谨慎使用。5.5 部署成功但视频里没有声音现象mp4 能播放画面正常但没有声轨。原因TTS 合成失败后代码静默跳过或者音频格式与视频容器不兼容。解决先检查输出目录有没有生成临时音频文件如果没有单独调 TTS 接口测试。如果音频文件存在用下面的命令检查容器ffprobe output.mp4 # 关注 Audio 行没有 Audio 表示声轨缺失确认是容器问题后把音频转成统一的 AAC 格式再合成ffmpeg -i input_audio.wav -c:a aac -b:a 160k merged_audio.m4a加了这条常规处理逻辑后声音也就稳定了。6. 让 MoneyPrinterV2 的质量上台阶内容模板、交叉验证与账号节奏先说一个容易被忽略的事实这类工具生成的内容同质化非常严重。同一个模型、同一套 prompt、同样的素材源一百个人跑出来前 5 秒叫嚣话术都差不多。想让它真正可用你要做的是给它建“差异化外壳”。我最常用的做法是配置三套不同的脚本模板并随机轮换新闻评述类“跟你聊个刚发生的事……”、知识清单类“本期讲三个你不知道的细节……”、亲测体验类“我花了一周测了五个工具结果……”。这些模板不是改 prompt 风格而是直接改变脚本开头句子结构和素材节奏观众观感差异极大。其次一定要建立素材的“回流验证”。很多重复词和素材错位问题并不是当前版本能修复的但你可以让系统把每次生成的“主题词 脚本 素材关键词”记录下来每周人工抽查 10 条聚类出哪些词最容易匹配失败然后手动补充到自定义词典里。这个行为比调任何参数都有效——相当于你在帮大模型做在线学习。另外一个质量方法是做“双模型交叉验证”。如果你有两条不同的 API 渠道可以设置一个选项先用模型 A 生成脚本再用模型 B 检查脚本里有没有事实性错误和敏感词。别小看这一步它能把视频内容踩线的概率降低七成以上对想在公域平台发布的创作者尤其重要。代码实现也不复杂多写一个validate_script()的函数把输出的概率映射为 pass/warn/reject 三档即可。最后聊一下发布节奏。批量工具容易让人产生“一次性创作 20 条然后慢慢发”的想法这个策略我会劝你放弃。平台评论区对账号权重的影响很大基于大模型生成的内容通常互动率偏低。我的做法是每天发 1 到 2 条并且每一条都由真人改一下标题和首句——只花 2 分钟但能显著降低“一眼假”的风险。经历这么多轮部署之后我最大的教训是自动化工具最大的价值不是“替你思考”而是“把批量生产的执行成本压缩到接近零”好让你把精力花在真正有复利的地方——选题方向判断和内容差异化。这大概也是 MoneyPrinterV2 这类项目最值得你投入的理由希望帮到你。本文还有配套的精品资源点击获取