MoneyPrinterTurboは、テーマを1行入れるだけで台本・素材・音声・字幕・合成までを自動でこなし、短編動画のmp4を書き出すOSSだ。MITライセンスで、原型のMoneyPrinter(FujiwaraChoki氏)から派生したフォークだが、スター数は原型を大きく上回る。

WHAT IT REPLACES何を代替するか

台本から書き出しまでの工程を、テーマ1行の入力にまとめる

手で作る短編動画

工程ごとに別の作業

  • 台本を書く
  • ナレーションを収録する
  • 素材を探して字幕を付ける
  • 編集して書き出す

MoneyPrinterTurbo

WebUI か REST API

  • 台本LLM(13系統から選ぶ)
  • 素材と音声Pexels API と Edge TTS / Azure
  • 字幕と合成edge / whisper → ffmpeg で mp4
出典: harry0703/MoneyPrinterTurbo README(MIT)

30秒でわかるMoneyPrinterTurbo

  • ・テーマ・言語・尺・縦横比を選ぶと、LLM → Pexels → TTS → 字幕 → ffmpeg の順に動いてmp4ができる
  • ・LLMは13系統(OpenAI・DeepSeek・Gemini・Ollama ほか)から選べる。WebUI・REST API・Dockerがそろう
  • ・GPUは原則不要。最低構成はCPU 4コア・RAM 4GB
  • ・Gemini Flash+Edge TTS+Pexels無料キーならAPI料金0円で1本作れる
  • ・2026-08-01時点の最新は v1.3.3(2026-07-24)、スターは 100,803

この記事は「動画自動生成OSS」に絞った解説。AI自動化・DevOps全般の俯瞰は AI自動化ツール|ノーコードからコードまで2026年版の比較と選び方 にまとめている。

MoneyPrinterTurboとは:テーマ1行から動画を作る5層パイプライン

リポジトリの説明文は「利用AI大模型,一键生成高清短视频 / Generate short videos with one click using AI LLM.」と短いが、中では5つの層が1プロセスで順に動く。

FIVE LAYERS中で起きていること

1つのプロセスの中で5つの層が順に動く

  1. LLM

    台本と検索キーワード

  2. Pexels

    HD の動画クリップ

  3. TTS

    ナレーション音声

  4. 字幕

    edge か whisper

  5. 合成

    moviepy + ffmpeg

出力は storage/tasks/<task_id>/final-1.mp4。出典: README・リポジトリ構成
層 やること 設定
LLM テーマから台本と素材検索用キーワードを作る llm_provider
素材 Pexels APIでHD動画クリップを取り、指定秒数でつなぐ pexels_api_keys
TTS 台本を音声にする(Edge TTS無料・Azure有料・SiliconFlow) WebUIの声の選択
字幕 edgeは速いが品質が不安定、whisperはWhisper Large v3(約3GB)で遅いが正確 subtitle_provider(空で字幕なし)
合成 moviepy・ffmpeg・ImageMagickで動画・音声・字幕・BGMを1本にする 出力は storage/tasks/<task_id>/

この順番を覚えておくと切り分けが速い。動画が真っ黒なら素材取得(Pexelsのキーか帯域)、音声だけ出ないならTTS設定、字幕がずれるならWhisperへの切り替えを疑う。

v1.3.3で追加された機能(2026-08-01 実測)

初出後もリリースは月に2〜3回続き、2026-08-01時点の最新は v1.3.3(2026-07-24)、直前は v1.3.2(07-12)と v1.3.1(07-06)。公式リリースノートの主な変更は次のとおり。

・ナレーション音声のプレビュー(推定尺つき。設定を変えなければ最終出力に再利用)
・Sonilo と ElevenLabs によるBGMの自動生成(失敗しても処理を止めない)と、WebUIからのBGMアップロード
・クリップ速度の一括調整と、ZoomIn/ZoomOutトランジション
・WebUI・API・CLIの3経路で、処理段階とエラーを追いやすくした
・Windowsのポータブル版が app というPythonパッケージ衝突で起動しない問題と、WebUIの空白表示を修正

音声プレビューが入ったので、まずナレーションだけを確定させ、その後にBGMと速度・トランジションを詰める順で回すと作り直しが減る。

MoneyPrinterTurboのインストール:動作環境と3つの方法

READMEの「配置要求」にある目安は次のとおり。

項目 最低構成 推奨構成 理想構成
CPU 4コア 6〜8コア 8コア以上
RAM 4GB 8GB 16GB以上
GPU 不要 VRAM 4GB以上 VRAM 8GB以上
Python 3.11(pyproject.tomlで固定) 3.11 3.11
ディスク 5GB(whisperモデル込みで8GB) 20GB 50GB

READMEは「クラウドLLM・クラウドTTS・オンライン素材を使うならGPUよりCPUとメモリが重要」と明記している。GPUが効くのは、faster-whisper でローカル字幕を作るときと、OllamaなどでローカルLLMを動かすとき(VRAM 8GB以上が現実的な下限)だけだ。

導入経路は3つ。最短で試すならWindowsのワンクリック起動パッケージかGoogle Colab、macOS/Linuxで使い続けるならuv、PCを汚したくないならDockerを選ぶ。

Windowsのワンクリック起動パッケージは、解凍先のパスに中国語・特殊文字・空白を含めないこと(D:\MoneyPrinterTurbo は可)。同梱は旧版なので、先に update.bat、次に start.bat を実行する。

uv(macOS / Linux 推奨):READMEは依存管理にuvを推奨し、requirements.txt はpip互換のために残しているだけだと明言している。

curl -LsSf https://astral.sh/uv/install.sh | sh
git clone https://github.com/harry0703/MoneyPrinterTurbo.git
cd MoneyPrinterTurbo
uv python install 3.11
uv sync --frozen

brew install imagemagick          # macOS
sudo apt-get install imagemagick  # Ubuntu/Debian

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

Docker Compose:同梱の docker-compose.yml にWebUI(Streamlit)とAPI(FastAPI)の2サービスが定義されている。

git clone https://github.com/harry0703/MoneyPrinterTurbo.git
cd MoneyPrinterTurbo
docker compose up        # 古い環境では docker-compose up

起動後はWebUIが http://0.0.0.0:8501、APIのSwagger UIが http://0.0.0.0:8080/docs に出る。

APIキーとLLM・TTS・字幕プロバイダーの選び方

最低限要るのは「LLMのキー」と「Pexelsのキー(無料登録で即時発行)」の2つ。WebUIの「Settings」か、config.example.toml を config.toml にコピーして書く。

[app]
llm_provider = "deepseek"  # openai, moonshot, gemini, ollama, pollinations 等
pexels_api_keys = ["your_pexels_api_key_here"]  # 複数並べると順に使う
subtitle_provider = "edge"  # edge or whisper

[app.deepseek]
deepseek_api_key = "sk-xxxxxxxxxxxxxxxx"
deepseek_model_name = "deepseek-chat"

[app.openai]
openai_api_key = "sk-xxxxxxxxxxxxxxxx"
openai_base_url = "https://api.openai.com/v1"
openai_model_name = "gpt-4o-mini"

プロバイダーごとの落とし穴は3つ。Azure OpenAIは azure_model_name にモデル名ではなくデプロイ名を入れる(汎用名だと404)。Geminiは base_url の指定が要らない。Ollamaは別ターミナルで ollama serve し、ollama pull でモデルを落としておく。

FREE OR QUALITY構成の選び方

無料で回すか、数円かけて精度を取るか

無料セット

  • LLM: Gemini Flash / Pollinations
  • TTS・字幕: Edge
  • 素材: Pexels 無料キー

品質重視

  • LLM: DeepSeek
  • TTS: Azure Neural
  • 字幕: Whisper Large v3

支点は本数と、字幕・声の精度をどこまで求めるか

プロバイダー 種類 コスト目安 APIキー 向き
OpenAI (gpt-4o-mini) LLM 約$0.15/1M入力 必須 品質が安定
DeepSeek (deepseek-chat) LLM 約$0.14/1M 必須 コスパ。中国本土から直接使える
Gemini 2.0 Flash LLM 無料枠あり 必須 無料で回す
Ollama LLM 0円 不要 ローカル(GPU推奨)
Pollinations LLM 0円 不要 試用向け
Edge TTS TTS 0円 不要 標準
Azure TTS TTS 従量課金 必須 高品質
Whisper Large v3 字幕 0円(ローカル) 不要 精度は高いが遅い

初心者はGemini Flash+Edge TTS+Edge字幕+Pexelsの無料セットから始めると、月に数十本ならAPI料金0円で済む。DeepSeek+Azure Neural+Whisperにすると、1本あたり数円〜数十円で声と字幕の精度が上がる。中国本土からはOpenAI/GeminiにVPNが要るため、READMEはDeepSeekかMoonshotを勧めている。

動画を生成する手順:WebUIとREST API

http://localhost:8501 を開き(空白ならChromeかEdgeで開き直す)、次の順に指定する。最初は「コーヒーの歴史」のような簡単なテーマでキーの動作を確かめると安全だ。

・Video Subject:テーマを1〜2文で
・Video Language:zh-CN / en / ja など
・Video Aspect Ratio:9:16(Shorts/TikTok)か 16:9(YouTube)
・Video Clip Duration:素材1本の秒数(3〜5秒が一般的)
・Video Count:一度に作る本数。素材の順がランダムなので複数作って選ぶ
・Video Voice・字幕の見た目・BGM(ランダムか指定、音量0〜1.0)

「Generate Video」を押すと、クラウドLLM/TTS+Edge字幕の構成で1本あたり3〜10分が目安。出力は storage/tasks/<task_id>/ に audio.mp3・subtitle.srt・script.json・final-1.mp4(複数なら final-N.mp4)として残る。

日本語字幕を使うなら、同梱の resource/fonts/ は中華フォント中心なので、Noto Sans JPなどを追加して subtitle_font で指定する。BGMの音量は bgm_volume = 0.2 前後にするとナレーション(1.0)を邪魔しにくい。

定期実行するなら uv run python main.py でAPI(0.0.0.0:8080)を起動し、ジョブを投げる。返ったタスクIDで進捗を確かめ、完了後に final-1.mp4 を取る。

curl -X POST "http://localhost:8080/api/v1/videos" \
  -H "Content-Type: application/json" \
  -d '{
    "video_subject": "在宅勤務を集中するための5つの習慣",
    "video_aspect": "9:16",
    "video_clip_duration": 3,
    "video_count": 1,
    "video_language": "ja",
    "voice_name": "ja-JP-NanamiNeural",
    "subtitle_enabled": true,
    "n_threads": 2
  }'

cronから毎日投げる場合、Pexelsの無料APIは200req/hの制限があるので、本数を増やすならキーを2〜3本登録しておく。YouTubeへの公開まで自動化するならyoutube-automation-agent、多言語化するならVideoLingoと組み合わせる。

つまずきやすい5つの落とし穴

READMEのFAQとIssueで多いものを、症状と対処で並べる。

症状 原因 対処
No ffmpeg exe could be found ネットワーク制限で自動DLに失敗 ffmpegを手で入れ、config.toml の ffmpeg_path に絶対パス
ImageMagick security policy ... @ Linuxのpolicy.xmlがテキスト読み書きを禁止 pattern="@" の行の rights を読み書き可に(下のコマンド)
Too many open files 複数本の同時生成 ulimit -n 10240
Whisperモデルが落ちない 初回にHuggingFaceから約3GBを取得 models/whisper-large-v3/ に手で配置
LLMの応答が空 base_url・モデル名の誤りかレート制限 Streamlitのターミナルのスタックトレースを読む

ImageMagickのポリシーは次の1行で直る(バージョン番号は環境による)。

sudo sed -i 's/rights="none" pattern="@"/rights="read|write" pattern="@"/' \
  /etc/ImageMagick-7/policy.xml

MoneyPrinterTurboの商用利用と、MoneyPrinter系3プロジェクトの違い

権利は3層で考える。

・本体:MIT。改変・商用利用・再配布が自由で、条件は著作権表示の維持だけ
・Pexels素材:商用利用可・帰属表示不要。ただし特定できる人物・著作物・商標が主な被写体なら権利を別に確認し、素材の転売は禁止
・BGM:resource/songs/ の同梱曲はREADMEに「YouTube動画由来。権利侵害があれば削除してほしい」とある

商用配信の前に

  • ・同梱BGMは使わず、YouTube Audio LibraryやDOVA-SYNDROMEの曲に差し替えて bgm_file で指定する
  • ・YouTubeは2024年から、大量生成・反復・再利用のコンテンツをスパムとして扱っている。自動生成をそのまま大量投稿せず、テーマ・台本・サムネは人が通す

名前の似たプロジェクトが3つある。

プロジェクト 作者 スター ライセンス 範囲
MoneyPrinter(無印) FujiwaraChoki 約14k MIT 英語のShorts生成のみ。拡張は止まっている
MoneyPrinterTurbo(本記事) harry0703 58k+(2026-08-01に100,803) MIT 動画生成+WebUI+REST API
MoneyPrinterV2 FujiwaraChoki 約30k AGPL-3.0 動画+Twitter Bot+アフィリエイト+コールドメール

最小実装を読むなら無印、動画生成を実用・商用フォークで使うならMoneyPrinterTurbo、SNS投稿まで1ツールで回すならMoneyPrinterV2(AGPLなので組み込みには注意)。商用SaaS(Pictory・Synthesia等で月$30〜100)と比べると、APIキーの実費だけで動くのがMoneyPrinterTurboの強みだ。逆に、設定ファイルを一切触りたくない人や、演出・編集効果を作り込みたい人には向かない。

参照ソース