MoneyPrinterPlus:AI自动短视频生成工具,详细使用教程

简介: 详细介绍如何使用MoneyPrinterPlus:AI自动短视频生成工具,一键批量生成各类短视频。一键混剪短视频。

MoneyPrinterPlus是一款使用AI大模型技术,一键批量生成各类短视频,自动批量混剪短视频,自动把视频发布到抖音,快手,小红书,视频号上的轻松赚钱工具。

之前有出过一期基本的介绍,但是后台收到有些小伙伴说,不知道如何使用。

今天我将会手把手的详细介绍如何使用MoneyPrinterPlus快速生成短视频。

前提准备

  1. 首先需要下载MoneyPrinterPlus工具。开源地址如下:https://github.com/ddean2009/MoneyPrinterPlus
  2. 因为这个工具依赖于ffmpeg工具,所以你需要下载安装ffmpeg工具。

​ ffmpeg工具下载地址: https://ffmpeg.org/

​ 安装完之后,需要把ffmpeg添加到系统路径中。

​ 如果你在命令行中输入ffmepg得到类似下面的结果:

ffmpeg version 6.0 Copyright (c) 2000-2023 the FFmpeg developers
  built with Apple clang version 15.0.0 (clang-1500.0.40.1)
    configuration: --prefix=/opt/homebrew/Cellar/ffmpeg/6.0-with-options_4 --enable-shared --cc=clang --host-cflags= --host-ldflags='-Wl,-ld_classic' --enable-gpl --enable-libaom --enable-libdav1d --enable-libmp3lame --enable-libopus --enable-libsnappy --enable-libtheora --enable-libvorbis --enable-libvpx --enable-libx264 --enable-libx265 --enable-libfontconfig --enable-libfreetype --enable-frei0r --enable-libass --enable-demuxer=dash --enable-opencl --enable-audiotoolbox --enable-videotoolbox --enable-neon --disable-htmlpages --enable-libopenjpeg --enable-librsvg

​  那么恭喜你,ffmpeg工具安装好了。否则的话还是要检查一下ffmpeg工具是否安装好。

3. 系统依赖python环境,你需要包装至少安装python 3.10版本。

同样的,你也需要把python添加到系统路径中。

 如果你在命令行中输入python得到下面的结果:

   ```bash
     Python 3.11.5 (main, Sep 11 2023, 08:31:25) [Clang 14.0.6 ] on darwin
       Type "help", "copyright", "credits" or "license" for more information.
         >>>
           ```
          
             那么恭喜你python环境安装好了。
            
            ## 安装项目
            
            有了上面的前提准备工作,接下来就可以安装MoneyPrinterPlus工具了。 
            
            运行下面的命令,将会把MoneyPrinterPlus拷贝到你的本地目录。
            
            ```bash
            git clone https://github.com/ddean2009/MoneyPrinterPlus
            ```
            
            进入MoneyPrinterPlus目录,运行安装必须的依赖:
            
            ```bash
            pip install -r requirements.txt
            ```
            
            然后运行:
            
            ```bash
            streamlit run gui.py
            ```
            
            会自动开启浏览器,进入MoneyPrinterPlus界面。
            
            ![image-20240616210820039](https://flydean-1301049335.cos.ap-guangzhou.myqcloud.com/img/202406162108034.png)
            
            ## 基本配置
            
            首先我们点击左边的基本配置,这里需要配置一些我们需要用到的资源信息。
            
            1. 资源库

资源库指的是我们从哪里获取视频或者图片信息,这里目前提供了两个资源提供方,分别是pexels和pixabay。

大家任意选择一个即可。

以pexels为例,我们登入pexels官网,注册一个账号。

在图片和视频API里面,可以查看自己的api密钥。

image-20240616211609578

查看自己的API密钥:

image-20240616211719443

把这个API密钥记下来,拷贝到MoneyPrinterPlus的配置即可。

  1. 音频库

音频库目前支持微软云和阿里云两个平台。后面会添加腾讯云。

因为有些小伙伴注册微软云不太方便,所以这里特意介绍一下阿里云怎么设置。

首先注册个阿里云账号,然后开通智能语音交互服务:

https://nls-portal.console.aliyun.com/

在全部项目---》点击创建项目,项目类型选择:语音识别 + 语音合成 + 语音分析即可。

然后你就会看到项目appkey,把这个appkey记录下来。后面需要用到。

image-20240616212039562

另外,在项目总览部分,需要开通下面这几个服务:

分别是录音文件识别(极速版),语音合成,和长文本语音合成。

如果你要转换的文字内容不超过300个字的话,可以选择不开通长文本语音合成。

image-20240616212319682

这样阿里云的语音服务已经开启成功了。

接下来到账号的AccessKey管理中创建一个新的AccessKey。记住对应的AccessKey ID 和 AccessKey Secret。

image-20240616212456323

有了上面三个内容,就可以填写到MoneyPrinterPlus的配置里面了。

image-20240616211913847

接下来就是大模型配置了。

目前支持Moonshot,openAI,Azure openAI,Baidu Qianfan, Baichuan,Tongyi Qwen, DeepSeek这些。

国内要用的话推荐Moonshot(最近发现moonshot不太稳定,大家可以考虑Baichuan或者DeepSeek)。

同样的到Moonshot开发者平台上注册一个key:https://platform.moonshot.cn/ 填入对应的配置即可。

image-20240616212642905

AI短视频生成

有了基础配置之后,就可以点击左边的AI视频进入AI视频生成页面。

  1. LLM视频文案生成

在视频主题区输入你需要生成的视频主题,然后点击生成视频文案。

程序会自动使用大模型生成对应的视频文案和视频文案关键字:

image-20240616220713534

如果你对视频文案或者关键字不满意,可以手动进行修改。

  1. 视频配音区

在视频配音区可以选择配音语言和对应的配音语言,目前支持100+配音语言。

还可以选择不同的配音语速,以支持不同使用场景。

image-20240616220840076

如果你对配音不太确定,可以点击试听声音试听对应的配音语音。

  1. 背景音乐

背景音乐放在项目下的bgmusic目录下面,你可以自行添加背景音乐文件到该文件夹下面。

image-20240616221041774

可以选择是否开启背景音乐,和默认的背景音乐音量。

  1. 视频配置区

视频配置区可以选择视频布局:竖屏,横屏或者方形。

可以选择视频帧率,视频的尺寸。

还可以选择每个视频片段的最小长度和最大长度。

最最重要的,还可以开启视频转场特效。目前支持30+视频转场特效。

image-20240616221116997

  1. 字幕配置

如果你需要字幕,那么可以点击开启字幕选项,可以设置字幕字体,字幕字体的大小和字幕颜色等。

如果你不知道怎么设置,选择默认即可。

image-20240616221242812

  1. 最后的视频生成

最后点击生成视频按钮即可生成视频。

页面会有相应的进度提醒。

image-20240616221712173

最后生成的视频会展示在页面最下面,大家可以自行播放。

相关文章
|
13天前
|
数据采集 人工智能 定位技术
分享一个开源的MCP工具使用的AI Agent 支持常用的AI搜索/地图/金融/浏览器等工具
介绍一个开源可用的 MCP Tool Use 通用工具使用的 AI Agent (GitHub: https://github.com/AI-Agent-Hub/mcp-marketplace ,Web App https://agent.deepnlp.org/agent/mcp_tool_use,支持大模型从Open MCP Marketplace (http://deepnlp.org/store/ai-agent/mcp-server) 的1w+ 的 MCP Server的描述和 Tool Schema 里面,根据用户问题 query 和 工具 Tool描述的 相关性,选择出来可以满足
|
12天前
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
148 0
|
2月前
|
人工智能 自然语言处理 API
AI-Compass Agent智能体技术生态:整合AutoGPT、LangGraph、CrewAI等前沿框架,构建自主决策工具调用的AI智能体系统
AI-Compass Agent智能体技术生态:整合AutoGPT、LangGraph、CrewAI等前沿框架,构建自主决策工具调用的AI智能体系统
|
2月前
|
人工智能 监控 数据处理
数据标注管理工具:AI燃料工厂的精益引擎
本文详解如何构建高吞吐数据标注系统,涵盖实时质检、智能调度与全息监控三大技术支柱,结合真实案例与代码实现,揭示从技术债到工程化落地的完整路径。
|
2月前
|
人工智能 编解码 搜索推荐
16个AI Logo 设计工具大盘点:技术解析、Logo格式对比与实用推荐
本文介绍了品牌标志(Logo)的重要性,并盘点了多款免费且好用的 Logo 生成工具,分析其输出尺寸、格式及适用场景,帮助无设计基础的用户选择合适工具,高效制作满足不同用途的 Logo。
197 0
|
2月前
|
机器学习/深度学习 人工智能 资源调度
AI大模型训练管理工具:千亿参数时代的指挥中枢
本内容揭示了大模型训练中三大核心挑战:实验复现难、资源利用率低、合规风险高,并提出“三维控制塔”解决方案,涵盖实验管理、资源调度与合规追踪。推荐Immuta + 板栗看板等工具组合助力不同规模团队实现高效、合规、低成本的AI训练。
|
2月前
|
数据采集 人工智能 自然语言处理
AI时代KPI管理全指南:2025年六项工具横向测评与最佳实践
KPI(关键绩效指标)管理正从传统考核向融合目标、过程与数据的智能化系统演进。本文详解其技术架构与实施路径,解析主流工具功能特性,提供科学选型建议。内容涵盖KPI体系设计、数据采集、分析反馈及热点问题解决方案,助力企业构建数据驱动的高效绩效管理系统,实现战略闭环管理。
245 0
|
人工智能 编解码 安全
玩转短视频?守护视频安全?AI智能提速?9.9元体验? 阿里云视频点播大招盘点
前言 随着近几年在线视频市场规模不断扩大,内容不断创新,用户粘性增加,在线视频市场的商业价值不断增长,各垂直行业纷纷引入视频能力,一时之间,视频已经成为了众多移动APP和在线平台沉淀用户的有效方法。 为了让更多用户可以快速拥有视频能力,阿里云视频点播(VoD)自从上线以来,不断迭代升级,已经全面覆盖点播业务场景,并支持定制化的开发需求。
4604 0
玩转短视频?守护视频安全?AI智能提速?9.9元体验? 阿里云视频点播大招盘点
|
人工智能 缓存 NoSQL
【深度】企业 AI 落地实践(四):如何构建端到端的 AI 应用观测体系
本文探讨了AI应用在实际落地过程中面临的三大核心问题:如何高效使用AI模型、控制成本以及保障输出质量。文章详细分析了AI应用的典型架构,并提出通过全栈可观测体系实现从用户端到模型推理层的端到端监控与诊断。结合阿里云的实践经验,介绍了基于OpenTelemetry的Trace全链路追踪、关键性能指标(如TTFT、TPOT)采集、模型质量评估与MCP工具调用观测等技术手段,帮助企业在生产环境中实现AI应用的稳定、高效运行。同时,针对Dify等低代码平台的应用部署与优化提供了具体建议,助力企业构建可扩展、可观测的AI应用体系。
|
29天前
|
机器学习/深度学习 人工智能 PyTorch
GPT为定制AI应用工程师转型第一周学习计划
本计划帮助开发者快速入门AI领域,首周涵盖AI基础理论、Python编程及PyTorch实战。前两天学习机器学习、深度学习与Transformer核心概念,掌握LLM工作原理。第三至四天快速掌握Python语法与Jupyter使用,完成基础编程任务。第五至七天学习PyTorch,动手训练MNIST手写识别模型,理解Tensor操作与神经网络构建。
97 0

热门文章

最新文章