MoneyPrinterTurbo は、主題またはカスタム スクリプトを短いビデオに変換するオープンソースの制作パイプラインです。ナレーションの生成、映像検索用語の抽出、ストック クリップの取得、音声の合成、字幕の時間とスタイルの設定、音楽の追加、縦向きまたは横向きのビデオのレンダリング、複数のバリエーションの作成、およびオプションで TikTok、Instagram、YouTube ショートへの公開が可能です。
これは、自律的な編集チームではなく、集合システムとして理解されるのが最もよいでしょう。大規模な言語モデルでは、もっともらしいが誤った主張が書かれる可能性があります。ストック検索では、視覚的に関連していても意味的に間違った映像が返される場合があります。テキスト読み上げでは名前を誤って発音する可能性があります。また、技術的に成功したレンダリングでも、ペーシングが弱かったり権利が不明瞭だったりする可能性があります。その本当の利点は、WebUI、API、CLI、およびエージェント スキルを通じてパイプラインを検査およびカスタマイズできることです。
現在のプロジェクトに含まれるもの
| ステージ | 現在の能力 | 人間の責任 |
|---|---|---|
| スクリプト | AI によって生成された、またはユーザーが提供した複数の言語のスクリプト | 情報源調査、事実レビュー、論調と開示 |
| ビジュアル検索 | ローカル メディアと Pexels、Pixabay、および Coverr の取得 | ライセンスの証拠、主題の正確性、視覚的な連続性 |
| 声 | Edge TTS、Azure Speech、SiliconFlow、Gemini、MiMo、ElevenLabs、および Chatterbox | 同意、発音、プロバイダー規約、音声品質 |
| 字幕 | TTS タイムスタンプまたはローカル faster-whisper 転写。設定可能なスタイル | 校正、タイミング、改行、アクセシビリティ |
| オーディオ | ランダムまたは選択された BGM と音量コントロール | 音楽ライセンスとわかりやすいナレーションミックス |
| レンダリング | 9:16（1080×1920）および 16:9（1920×1080）、クリップ期間制御およびバッチ | ペーシング、セーフゾーン、圧縮、デバイスの QA |
| 出版 | 3 つのソーシャル プラットフォーム用のオプションの Upload-Post 統合 | アカウントのセキュリティ、最終承認、キャプション、プラットフォームのコンプライアンス |
プロバイダーを選択する前にワークフローを選択してください
このリポジトリは、クラウド LLM、ゲートウェイ、およびローカル サービスをサポートしています。これには、 Kim/Moonshot、OpenAI、Gemini、DeepSeek、Qwen、Azure、OpenAI、xAI Grok、 MiniMax、Ollama、OneAPI、および LiteLLM。長いプロバイダー リストは、すべての組み合わせが同等に維持されることを意味するわけではありません。サポートされている 1 つの構成から始めて、正常であることがわかっているサンプルを保持し、一度に 1 つのレイヤーを変更します。
| ワークフロー | 推奨される出発点 | 主なトレードオフ |
|---|---|---|
| 高速プロトタイプ | Cloud LLM、Edge TTS、オンライン株式とタイムスタンプの字幕 | 最低のセットアップですが、プロンプトと検索語はマシンから残ります |
| 質の高いナレーション | レビューされたスクリプト、プレミアム TTS、発音辞書 | 高い API コストと音声/類似性ポリシーの機能 |
| ローカルセンシティブ | Ollama、ローカル アセット、セルフホスト型 Chatterbox および faster-whisper | ハードウェアの増加、メンテナンス、実行の遅延 |
| 大音量 | API/CLI、固定構成、メディア キャッシュ、およびバッチ レンダー キュー | 可観測性、同時実行制限、編集上のサンプリングが必要 |
| ブランドキャンペーン | カスタム スクリプト、承認された映像/音楽/フォント ライブラリ、および手動パブリッシュ ゲート | 「ワンクリック」は減りますが、権利と評判のリスクははるかに低くなります |
インストールと動作の要件
現在の README では、Windows 10、macOS 11、または主流の Linux ディストリビューションと Python 3.11 以降を推奨しています。最小として 4 つの CPU コアと 4 GB RAM、推奨として 6 ～ 8 つのコアと 8 GB RAM が記載されており、GPU はオプションであると記載されています。 GPU は、faster-whisper、バッチ作業、およびより重いローカル処理に役立ちます。クラウドを多用するワークフローは、CPU、メモリ、ネットワークの信頼性に大きく依存します。
デプロイメント オプションには、Windows パッケージ、UV ベースのローカル インストール、Docker Compose、Google Colab、WebUI、API、および CLI が含まれます。推奨されるコンテナー コマンドでは、GitHub Container Registry の事前構築済みイメージを使用します。追跡する代わりにリリースまたはイメージダイジェストを実稼働環境に固定します 最新の。認証されたネットワーク アクセスが意図的に構成されていない限り、依存関係とコンテナーをスキャンし、イメージの外部に構成を保存し、WebUI をローカルホストにバインドします。
| 方法 | こんな方に最適 | 追加するコントロール |
|---|---|---|
| Windowsパッケージ | 迅速な個別評価 | 正式リリースを確認し、試用中は機密性の高い API キーを使用しないようにします |
| UVローカルインストール | 再現可能な Python 依存関係を必要とする開発者 | ロックファイル、分離環境、固定コミットを使用する |
| ドッカー | 反復可能なサービスまたはチーム展開 | ダイジェストの固定、ポートの制限、最小限のボリュームのマウント、非 root での実行 |
| コラボ | ローカルセットアップを行わない一時的な実験 | 機密資産をアップロードしたり、ノートブックに秘密を保持したりしないでください |
| API/CLI | 自動化とバッチ統合 | 認証、キュー制限、冪等性、構造化ログ |
エラーを早期に発見する本番ワークフロー
- 対象者と主張を定義します。 結果、ターゲット プラットフォーム、期間、言語、行動喚起を 1 つ書きます。
- 世代の前に研究する。 注意が必要な日付、引用符、数値、主張を含むソースシートを作成します。
- スクリプトをロックします。 声に出して読み、サポートされていない記述を削除し、発音をマークします。
- ショットリストを作成します。 関連性の低いストック映像を受け入れるのではなく、すべての文に視覚的な目的を与えます。
- 低コストのドラフトを生成します。 1 つの音声、少ないバリエーション、短いクリップを使用して構造を検証します。
- 資産とライセンスを確認します。 すべての外部クリップとトラックのソース URL、寄稿者、ダウンロード日、および該当するライセンスを記録します。
- ナレーションと字幕を確認します。 名前、番号、タイミング、セリフの長さ、話者の強調を修正します。
- 意図的にバリアントをレンダリングします。 すべてを一度に変更するのではなく、フック、音声、ペース、映像など 1 つの変数を変更します。
- 最終的なプラットフォーム QA を実行します。 携帯電話で音声をオンまたはオフにして視聴します。安全ゾーンと圧縮を検査します。
- 最初に手動で公開します。 自動アップロードは、承認、ロールバック、アカウント制御が証明された後にのみ有効にします。
映像のライセンスにはアセットごとの証拠が必要です
README には、無料の高解像度アセットのソースとして Pexels、Pixabay、および Coverr が記載されています。 「無料」は無制限と同じではありません。ライセンス条項は変更される可能性があり、ロゴ、認識可能な人物、財産、機密性の高いコンテキスト、再配布またはスタンドアロンの再販に関するルールを課す場合があります。ダウンロードした各アセットの正確なソースとライセンスの状態を保管し、それがストック サイトからのものであることを単にメモするだけではありません。
自動化されたセマンティック マッチングによって、中傷的または誤解を招く組み合わせが作成される可能性もあります。詐欺、病気、または犯罪に関するナレーションの下に、特定可能な人物がランダムに表示される可能性があります。サポートされていない身元、場所、因果関係を示唆する映像を拒否します。主題がデリケートな場合は、抽象的なビジュアルまたは独自のビジュアルを使用します。
このリポジトリは、バンドルされているサンプル音楽が YouTube からのものであることを指摘し、侵害が存在する場合は削除するよう述べています。この警告は、商業出版前にバンドルされたトラックを独自の文書化されたライブラリに置き換える理由になります。同様に、フォントには個別のライセンスがあります。リポジトリに含まれていても、必ずしもすべての放送権や商業権が付与されるわけではありません。
脚本とビジュアル品質のルーブリック
| 次元 | 合格条件 | よくある自動化された障害 |
|---|---|---|
| フック | 最初の数秒での具体的な約束や緊張感 | 一般的な「今日のペースの速い世界では」オープニング |
| 証拠 | すべての事実上の主張は現在の情報源にマッピングされます | 自信を持ってでっち上げた統計や古い事実 |
| ショットの関連性 | 映像は正確な文または意図的な比喩を示しています | キーワードが間違ったオブジェクト、国、またはアクティビティに一致しました |
| ペーシング | クリップの変化は視聴者を飽きさせることなく意味をサポートします | 固定長カットは文章のリズムを無視します |
| 声 | 名前、略語、数字は自然なものです | 発音の間違いや感情の不一致 |
| 字幕 | 正確で読みやすく、プラットフォームの安全ゾーン内にある | 不正な改行、タイミングのずれ、または下部のテキストの非表示 |
| オーディオミックス | 電話のスピーカーでもナレーションは明瞭なまま | 音楽のトランジションで子音またはクリップがマスクされる |
| 権利 | アセット、音楽、フォント、音声、肖像の証拠がアーカイブされます | 検索プロバイダーの可用性が権限と等しいと仮定する |
字幕のタイミング: 速いか正確か
デフォルトのエッジ方式は TTS タイムスタンプを使用し、GPU を必要とせず、高速です。 Whisper メソッドはレンダリングされたオーディオをローカル faster-whisper で転写し、実際の配信をよりよく反映する可能性がありますが、モデルをダウンロードしてコンピューティングを追加します。文書化されているデフォルトの Whisper モデルは約 3 GB です。 large-v3-turbo は、約 1.6 GB のより小型で高速な代替手段として説明されています。より大きなモデルが常に読みやすいキャプションを作成すると仮定するのではなく、言語、名前、音楽をテストしてください。
どちらのパスが使用される場合でも、自動化されたタイムスタンプはドラフトです。行数を制限し、名前や文法単位の分割を避け、キャプションが読みやすい長さになるようにします。多言語出力の場合は、TTS の前にスクリプトを翻訳してレビューします。完成した字幕を翻訳すると、タイミングが崩れ、フレームあたりのテキストの量が膨大になる可能性があります。
セキュリティとプライバシーの境界
構成には、LLM、音声、ストックメディア、および公開 API キーが含まれる場合があります。 config.toml をコミットしたり、サポート スクリーンショットで共有したり、パブリック コンテナ レイヤーにベイクしたりしないでください。個別の制限付き認証情報、プロバイダーの予算、ローテーションを使用します。 WebUI または API ポートがローカルホストを超えて公開されている場合は、認証、TLS、ネットワーク制限、およびレート制限を追加します。ビデオ生成エンドポイントは、お金、ディスク、CPU を消費する可能性があります。
自動公開は特に重要です。文書化された Upload-Post 構成により、生成されたビデオをレンダリング後に公開できます。 YouTube の公開設定を非公開または限定公開に設定し、明示的な承認ゲートが存在するまで自動アップロードを無効にしておきます。レンダリングが成功しても、公開許可が得られることはありません。
総合的な生産の経済性を測定する
ソフトウェアは MIT ライセンスを取得していますが、実行には LLM、TTS、ストック API、プロキシ、公開、コンピューティング、ストレージ、およびレビューのコストが発生する場合があります。あたりのコストを測定する 受け入れられました レンダリングごとではなくビデオ。拒否されたバリアントと編集者の時間を含めます。 10 個のドラフトを生成し、使用可能な結果が 1 つだけのパイプラインの生産性は 10 倍にはなりません。
| メトリック | 計算式 | それが明らかにするもの |
|---|---|---|
| 合格率 | 公開された候補者 ÷ レンダリングされた候補者 | 弱いプロンプト、アセット、または音声によって引き起こされる無駄 |
| 修正時間 | 承認された分ごとに人間が編集する分 | 自動化により実際の労働力が削減されるかどうか |
| 変動費 | すべての API とコンピューティング費用 ÷ 承認された動画 | プロバイダーとバリアントの経済学 |
| 権利範囲 | 証拠のある資産 ÷ 使用された外部資産 | 商業出版の準備 |
| クレーム精度 | 検証された事実の主張 ÷ 事実の主張 | 編集の信頼性 |
| 保持値 | テンプレートごとのプラットフォームの総再生時間と完了率 | スループットが高いと視聴者の成果が向上するかどうか |
代替案
| オプション | ベストフィット | トレードオフ |
|---|---|---|
| MoneyPrinterTurbo | オープンでカスタマイズ可能なストックフッテージビデオの自動化 | セットアップと編集/法的管理は引き続きお客様が行います |
| CapCut | クリエイターの素早い編集、テンプレート、手動による磨き上げ | プログラム可能性が低いエンドツーエンドの自動化 |
| Adobe Premiere Pro | プロフェッショナルな編集、オーディオ、カラー、配信制御 | 高度なスキルと手作業による生産時間 |
| Descript | トランスクリプト主導の編集、音声および共同レビュー | ホストされた商用ワークフローとさまざまなカスタマイズ モデル |
| Runway | ストックアセンブリではなく、生成されたビデオショット | より高い生成コストと一貫性の課題 |
| カスタム FFmpeg パイプライン | 正確な決定論的なメディア要件を持つチーム | よりエンジニアリングを強化しながらも、最大限の制御と監査可能性を実現 |
よくある質問
GPUは必要ですか?
いいえ。プロジェクトでは、クラウドを多用するワークフローはクラウドなしでも実行できると言っています。 GPU は、faster-whisper、バッチ生成、およびより重いローカル処理に役立ちます。
独自のスクリプトとメディアを使用できますか?
はい。カスタム スクリプトとローカル アセットがサポートされており、多くの場合、ブランドと権利の管理に適しています。
生成されたすべての動画は安全に収益化できますか?
いいえ。すべての申し立て、アセット、トラック、フォント、音声、肖像、プラットフォームのルールを確認してください。オープンソース コードのライセンスでは、出力入力はクリアされません。
複数の言語をサポートしていますか?
多言語スクリプトといくつかの TTS プロバイダーをサポートしていますが、出力品質は選択したモデル、音声、用語、およびネイティブ レビューによって異なります。
自動公開を有効にする必要がありますか?
手動ワークフローによって最終承認、資格情報のセキュリティ、プラットフォーム設定、ロールバック、およびインシデント処理が証明された後にのみ使用できます。
最初のテストはどれが最適ですか?
検証済みのスクリプトから 20 ～ 30 秒のビデオを 1 つ作成し、すべてのアセット ライセンスを記録し、修正時間を測定して、既存のエディターのワークフローと比較します。
一次情報源
- 公式リポジトリと現在の機能ドキュメント
- 公式英語版 README
- MIT公式ライセンス
- 公式リリース
- Pexels ライセンス
- Pixabay ライセンスの概要
- Coverr ライセンス
- 変更されたコンテンツまたは合成コンテンツに関する YouTube 開示ガイドライン
最終レビュー日は 2026 年 7 月 25 日です。プロバイダーのサポート、依存関係、プラットフォーム APIs、およびソース ライセンスが変更されました。デプロイされたリビジョンを固定し、運用前にすべての外部条件を再確認します。
