适用场景
这套方案适合三类人：想批量做口播类短视频但不想按条付费的运营和内容创作者；手上已经有大模型 API Key、希望把"写文案 → 配音 → 配画面 → 出成片"整条链路放在自己机器上跑的 AI 从业者；以及想把这条流水线接进内部系统、做二次开发的工程同学。
它解决的问题很具体：给一个主题，自动生成一段文案，用 TTS 合成旁白，从素材站拉取匹配的横屏/竖屏视频片段，烧上字幕，最后合成为一个可以直接发布的 mp4。整个流程本地执行，成片在你自己硬盘上，中途每一步都能替换成自己的模型或素材源。
环境与前置条件
- 操作系统：Windows 10/11、macOS、主流 Linux 发行版均可。Windows 上需要注意的坑多一些，下文会单独说明。
- Python：官方 README 会写当前要求的版本（一般是 3.10/3.11 这一个区间），以官方文档当前版本为准。不要图省事用系统自带的老版本 Python，也不要盲目上最新的 Python 大版本，依赖兼容性更容易出问题。
- 包管理：推荐 conda 或 venv 做环境隔离，避免污染全局环境。
- ffmpeg：硬性依赖，必须能被命令行直接调用。
- ImageMagick：Windows 上跑 moviepy 渲染字幕经常需要，建议一并装好。
- 磁盘：预留 10 GB 以上。素材会缓存到项目目录里，跑几十条之后占用会明显增长。
- 内存：8 GB 起步，16 GB 更稳。视频合成阶段是内存和 CPU 密集操作。
- 显卡：非必需。默认链路（云端大模型 + Edge TTS）纯 CPU 就能跑。只有当你想用本地 LLM 或本地语音模型时，才需要关注显存，具体需求以所选模型的官方说明为准。
- 网络：需要能访问大模型接口、TTS 接口和素材站 API。如果网络环境需要代理，提前准备好代理地址，项目配置里通常有对应的代理项。
- 需要提前准备的密钥：一个大模型 API Key；一个素材站 API Key（Pexels 一类，免费额度即可起步）；TTS 如果不用免费的 Edge TTS，还需要 Azure 语音等服务的 Key。
分步骤部署
第 1 步：确认 Python 环境
先确认版本和路径，很多后续报错都源于"装到了另一个 Python 上"。
```bash
python --version
which python # Windows 用: where python
```
确认版本落在官方要求区间后，创建独立环境：
```bash
conda create -n mpt python=3.11 -y
conda activate mpt
```
后面的所有命令都要在这个环境里执行。命令行提示符前面出现 (mpt) 就算成功。
第 2 步：获取项目代码
从项目官方页面复制仓库地址，克隆到本地：
```bash
git clone <官方仓库地址> MoneyPrinterTurbo
cd MoneyPrinterTurbo
ls
```
看到 requirements.txt、config.example.toml、webui.py 这类文件，说明代码拿对了。不同版本根目录下的入口脚本名可能略有差异，以官方文档为准。
第 3 步：安装 Python 依赖
```bash
python -m pip install --upgrade pip
pip install -r requirements.txt
```
这一步在装 moviepy、streamlit、edge-tts 等一堆库，耗时取决于网速。成功的标志是最后几行没有 ERROR，并且出现 Successfully installed ...。
如果下载慢，可以临时指定国内镜像源（镜像地址以镜像站官方页面为准）：
```bash
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
```
第 4 步：安装 ffmpeg 与 ImageMagick
按平台选一条：
```bash
macOS
brew install ffmpeg imagemagick
Ubuntu / Debian
sudo apt update && sudo apt install -y ffmpeg imagemagick
用 conda 统一装（三个平台都适用）
conda install -c conda-forge ffmpeg imagemagick -y
```
Windows 用户如果用安装包装 ImageMagick，安装向导里有一个 Install legacy utilities (e.g. convert) 选项，务必勾上，否则 moviepy 会找不到 convert 命令。ffmpeg 解压后要把 bin 目录加进系统 PATH，加完要重开一个终端才生效。
验证：
```bash
ffmpeg -version
convert --version # Windows 上可能是 magick --version
```
能打印出版本信息即可。
第 5 步：生成配置文件
```bash
cp config.example.toml config.toml # Windows: copy config.example.toml config.toml
```
config.toml 是真正生效的配置，config.example.toml 是模板。不要直接改模板文件，因为将来更新代码时模板会被覆盖。
第 6 步：配置大模型
最省事的方式是先启动 WebUI，在设置页里可视化填写 Key 和模型名，保存后会自动写回 config.toml。想直接改文件也可以，配置项大致长这样（字段名以当前版本的 config.example.toml 注释为准）：
```toml
llm_provider = "openai" # 兼容 OpenAI 协议的厂商一般都能选这一类
openai_api_key = "sk-你的key"
openai_base_url = "https://你的服务商接口地址/v1"
openai_model_name = "你的模型名"
```
三个要点：base_url 有的厂商要带 /v1、有的不要，填错就是 404；模型名必须和厂商文档里完全一致；如果用 Azure、通义、Gemini、Ollama 等，选对应的 provider 而不是硬套 OpenAI 字段。
填完先做一次连通性测试，把问题挡在生成视频之前：
```bash
curl -sS https://你的接口地址/v1/models \
-H "Authorization: Bearer 你的key" | head
```
能返回一串 JSON 模型列表，说明网络和 Key 都没问题。
第 7 步：配置 TTS
预算为零的话用 Edge TTS，不用申请 Key，中文音色例如：
zh-CN-XiaoxiaoNeural（女声）zh-CN-YunxiNeural（男声）zh-CN-YunjianNeural（男声，偏解说感）
单独测一下 edge-tts 能不能出声：
```bash
python -c "import edge_tts, asyncio; asyncio.run(edge_tts.Communicate('这是一段测试语音','zh-CN-XiaoxiaoNeural').save('t.mp3'))"
```
目录里出现 t.mp3 并且能播放，就说明 TTS 链路通了。如果要用 Azure 语音，则改配 azure_speech_key / azure_speech_region 一类的字段。
第 8 步：配置素材来源
在素材站官网申请一个免费 API Key（地址以官方页面为准），填进 config.toml 对应的 key 字段，多个 key 一般用英文逗号分隔、轮询使用。如果 API 走不通，也可以改用项目支持的本地素材上传方式，具体能力以当前版本为准。
第 9 步：启动 WebUI
```bash
streamlit run webui.py
```
终端出现 You can now view your Streamlit app in your browser 和 http://localhost:8501 即启动成功。浏览器打开这个地址就能看到界面。局域网内其他机器要访问，加参数：
```bash
streamlit run webui.py --server.address 0.0.0.0 --server.port 8501
```
项目同时提供命令行入口（不同版本可能是 main.py 或 cli.py），可以用 python main.py --help 查看可用参数，方便做自动化批处理。
验证部署是否成功
按顺序做三层验证，从轻到重：
```bash
1. 依赖是否齐全
python -c "import moviepy, edge_tts, streamlit; print('deps ok')"
2. 外部工具是否就位
ffmpeg -version | head -n 1
```
两条都正常输出后，在 WebUI 里跑一条"最小可用"任务，参数尽量保守：
- 视频时长：15~30 秒
- 文案：100 字左右
- 分辨率：先用默认或较低档
- 语音：Edge TTS
点击生成后，界面上会出现任务进度。跑完在输出目录（通常是 storage/tasks/<任务 id>/ 下面，以当前版本为准）能看到一个最终的 mp4 文件，能正常播放、有画面有配音有字幕，就算整条流水线跑通了。
常见报错与解决
1. ModuleNotFoundError: No module named 'moviepy'（或 streamlit / edge_tts）
→ 原因：依赖装到了别的 Python 解释器上，或者 conda 环境没激活。
→ 解决：
```bash
conda activate mpt
python -m pip install -r requirements.txt
python -c "import moviepy; print(moviepy.__file__)"
```
输出的路径应该在你当前 conda 环境目录里。
2. ImageMagick is not installed on your computer. 或 convert: command not found
→ 原因：moviepy 渲染文字需要 ImageMagick，系统里没有，或者装的是没有 convert 的新版本。
→ 解决：安装后在 config.toml 里把 imagemagick_path 指向实际安装目录（Windows 下目录名以你的安装结果为准）：
```bash
sudo apt install -y imagemagick # macOS 用 brew install imagemagick
convert --version
```
```toml
imagemagick_path = "C:\\Program Files\\ImageMagick"
```
3. ffmpeg: command not found / FileNotFoundError: ffmpeg
→ 原因：没装 ffmpeg，或者装了但不在 PATH 里。
→ 解决：
```bash
conda install -c conda-forge ffmpeg -y
ffmpeg -version
```
Windows 加完 PATH 后要重开终端。
4. 生成文案时报 401 Unauthorized / invalid api key / 模型不存在
→ 原因：Key 错、base_url 少了或多写了 /v1、模型名拼错、账户余额或额度不足。
→ 解决：用 curl 单独打一次接口，把报错定位在模型侧而不是项目侧：
```bash
curl -sS https://你的接口地址/v1/chat/completions \
-H "Authorization: Bearer 你的key" \
-H "Content-Type: application/json" \
-d '{"model":"你的模型名","messages":[{"role":"user","content":"ping"}]}'
```
5. Edge TTS 报 No audio was received 或连接超时
→ 原因：edge-tts 依赖在线语音服务，网络不通或代理没生效。
→ 解决：先用第 7 步那行 python -c 单独测；确认网络后，给项目配置代理项，或者改用 Azure 语音等带 Key 的引擎。
6. 素材下载数量为 0，或提示素材站 API 报错
→ 原因：API Key 未填、超额、被限流，或网络无法访问素材站。
→ 解决：换一个可用 Key；配置代理；或改用本地素材文件上传，绕开外部接口。
7. 字幕显示成方框或者乱码
→ 原因：系统缺少中文字体，或项目中指定的字体名与实际字体文件不匹配。
→ 解决：把中文字体文件（思源黑体一类）放进项目的字体目录，并在配置里把字幕字体名改成该字体的实际名称，重启 WebUI 后再生成。
8. Port 8501 is already in use
→ 原因：端口被占用，可能是上一次的进程没退干净。
→ 解决：
```bash
streamlit run webui.py --server.port 8502
```
后续维护
配置备份：config.toml 里存着你的所有密钥，单独备份一份到安全位置，权限设为仅本人可读。这个文件绝对不要提交进 git 仓库，git status 时确认它在忽略列表里。
升级：更新前先备份 config.toml，然后：
```bash
git pull
pip install -r requirements.txt
```
依赖列表和新配置项都可能变化，升级后对着官方 README 和更新记录核一遍配置字段有没有改名的。如果 git pull 冲突，不要强行覆盖自己的 config.toml。
日志与长期运行：前台跑容易随终端关闭而中断，建议用 tmux 或 systemd 托管，并把输出重定向到文件：
```bash
streamlit run webui.py >> mpt.log 2>&1 &
tail -f mpt.log
```
排错时主要看这几类信息：大模型返回的原始报错、素材下载数量、ffmpeg 的合成报错、以及生成目录里是否留下了中间产物（音频、字幕、切片视频），哪一步的产物缺失，问题就出在哪一步。
磁盘与配额：定期清理 storage 下的历史任务和缓存素材，du -sh storage 看一眼占用。如果用的是付费 API，留意余额和限流，最好在配置里放多个 Key 做轮询。
安全：不要把 8501 端口直接暴露到公网。需要远程访问时，走反向代理并加上鉴权。