小胖实验室
做短视频自动化，最劝退人的往往不是代码逻辑，而是两件事：烧钱的 API 和 折磨人的环境配置。如果你没有闲置的高配显卡，又不想给商业大模型和视频生成平台送钱，那么把 MoneyPrinterTurbo (MPT) 部署在 Google Colab 上，走 “本地轻量 LLM + Edge-TTS + Pexels/Pixabay 素材库” 的路线，是目前唯一真正可行且几乎零成本的“平替方案”。MoneyPrinterTurbo (MPT) 是目前 GitHub 上非常火爆的开源项目，被誉为“短视频自动化神器”。它的核心目标是：利用 AI 技术，一键生成高质量的短视频（如抖音/TikTok/YouTube Shorts 风格），实现从文案到成片的完全自动化。简单来说，你只需要给它一个主题（比如“人工智能的未来”或“如何保持健康”），它就能自动帮你完成写文案、配语音、找素材、加字幕、配背景音乐、合成视频的全过程。
Google Colab
优点：GPU 免费，适合跑 LLM 推理
缺点：会话超时（12 小时），需要定期保活
适用场景：批量生成视频
Google Shell
优点：长期稳定运行，永不掉线
缺点：CPU 计算慢，不适合跑大模型
适用场景：轻量级任务、调试
建议方案：Colab 用于生成，Shell 用于定时任务或监控。
这套方案的核心优势在于避坑：
避开 SVD/Runway：不碰本地 Stable Video Diffusion（显存杀手）或昂贵的 AI 视频生成 API。
避开复杂 TTS：不用部署 GPT-SoVITS 等重型模型，直接用微软免费的 Edge-TTS，音质吊打多数开源库。
避开付费 LLM：用 Colab 算力跑轻量级模型，或对接免费后端。
最终效果：全程无需信用卡，无需申请复杂的商业 Key，生成的视频由高清实拍素材拼接而成，质感自然，生成速度极快（1分钟视频仅需 1-2 分钟渲染）。
核心链路梳理
在动手前，明确我们要搭建的架构：
运行环境：Google Colab（提供免费的 Linux 环境和 GPU/CPU 算力）。
大脑 (LLM)：使用 Transformers 加载轻量级模型（如 Qwen2.5-1.5B），直接在 Colab 内存中运行，无需外部 API。
声音 (TTS)：使用 edge-tts。虽然它调用微软接口，但完全免费、无需 Key、无需鉴权，是目前的版本答案。
画面 (Video)：配置为 Pexels/Pixabay 模式。通过官方免费 API 搜索高清实拍素材，由 FFmpeg 自动剪辑拼接。
手把手部署教程
初始化环境与克隆项目
打开 Google Colab，新建一个 Notebook。依次执行以下代码块。
第一步：克隆代码并安装基础依赖
# 1. 克隆项目 (使用官方最新仓库)
!git clone https://github.com/FujiwaraChoki/MoneyPrinterTurbo.git
%cd MoneyPrinterTurbo
第二步：安装系统级核心工具 (FFmpeg & ImageMagick)
MPT 的视频合成强依赖 FFmpeg，字幕渲染依赖 ImageMagick。Colab 默认环境可能缺少特定配置。
# 安装必要系统包
!sudo apt-get update
!sudo apt-get install -y ffmpeg imagemagick
2. 配置“无 API”核心参数
我们需要修改项目根目录下的 config.toml。你可以直接在 Colab 左侧文件栏双击编辑，或者运行以下 Python 脚本自动写入配置。
核心配置逻辑：
LLM: 指向本地 Transformers 模型。
TTS: 指向 Edge-TTS。
Video: 指向 Pexels/Pixabay。
python
import os
# 配置文件路径
config_path = "config.toml"
提示：Pexels 和 Pixabay 的 API Key 申请是秒过的，完全免费。请务必填入，否则无法拉取视频素材。
3. 启动 WebUI 并内网穿透
Colab 运行在云端，我们需要将本地的 Streamlit 服务（端口 8501）映射到公网，以便你在浏览器中访问。
这里推荐使用 localtunnel，比 ngrok 更稳定且无需注册。
# 1. 安装 localtunnel
!npm install -g localtunnel
# 2. 后台启动 Streamlit
执行后：
终端会输出一个类似 https://some-random-name.loca.lt 的链接。
点击该链接。
如果是首次访问，页面可能会提示输入密码（通常是你的 Colab 实例 IP，或者直接点击 "Click to Continue"）。
成功后即可看到 MoneyPrinterTurbo 的操作界面。
三、 避坑指南与优化技巧
1. Colab 断连问题
免费版 Colab 会在闲置一段时间后断开连接，导致后台进程被杀。
对策：在生成视频时，保持浏览器标签页活跃。如果需要批量生产，建议一次性提交多个任务，或者考虑 Colab Pro。
2. 显存溢出 (OOM)
如果在 Colab 中使用 transformers 加载 LLM，请注意模型大小。
推荐：Qwen2.5-1.5B-Instruct 或 Qwen2.5-0.5B-Instruct。
警告：不要尝试加载 7B 以上的模型，Colab 免费版的 T4 GPU (16GB 显存) 在同时处理视频渲染和大型 LLM 时极易崩溃。
3. 字体缺失问题
Linux 环境下默认没有中文字体，导致字幕显示为方框。
解决：MPT 项目通常自带字体文件。如果仍报错，可在 Colab 中手动上传一个 .ttc 或 .ttf 中文字体文件到 resource/fonts 目录，并在 config.toml 中修改 font_name 为该文件名。
4. 为什么选择“素材库模式”？
很多人执着于 AI 生成视频（SVD/Runway），但在低成本方案下，实拍素材拼接的效果往往更好：
速度快：无需逐帧渲染，只需下载和剪辑，1分钟视频仅需 1-2 分钟。
画质高：Pexels/Pixabay 提供的是 1080P/4K 实拍视频，远比低配显卡跑出来的模糊 AI 视频清晰。
更自然：实拍光影真实，没有 AI 视频常见的闪烁和变形伪影。
https://www.xpyan.com/tuijian/video/MoneyPrinterTurbo.html
Google Cloud Shell 部署（适合常驻：Ollama 或 Transformers 都行）
Cloud Shell 的优点是：像一台常驻 Linux；缺点是：算力一般，GPU 没有。
所以建议：
文案：用小模型（Transformers CPU 也能跑，慢点但可用），或干脆 Ollama 跑超小模型
配音：edge-tts 没问题
合成：ffmpeg 没问题
素材：Pexels/Pixabay 没问题
拉代码 & 安装依赖
git clone https://github.com/xxx/MoneyPrinterTurbo.git
cd MoneyPrinterTurbo
pip install -r requirements.txt
sudo apt-get update
sudo apt-get install -y ffmpeg
方案 A：在 Cloud Shell 装 Ollama（可选）
Ollama 在某些受限环境可能不好装，如果你装得上，流程是：
curl -fsSL https://ollama.com/install.sh | sh
启动服务（有时需要新开一个 shell）：
ollama serve
拉一个小模型（示例）：
ollama pull qwen2.5:0.5b
然后在 MoneyPrinterTurbo 里把 LLM provider 指向本地 Ollama（通常是 http://127.0.0.1:11434）。
Cloud Shell 没 GPU，别指望大模型。0.5B/1.5B 这种还能凑合用。
方案 B：Transformers（更通用）
pip install transformers accelerate sentencepiece
然后同 Colab 一样，用小模型出脚本。
配置素材库模式 + 运行
配置方式同上（.env 或 config.yaml），然后：
python main.py --topic "自律与复利" --ratio 9:16 --material stock
生成完你可以用 Cloud Shell 的“下载文件”功能把 mp4 拉到本地。
跑得顺的关键细节（这部分是经验，不是理论）
别在 Colab 上硬跑视频扩散
SVD、AnimateDiff 这一类“生成视频片段”的路线，不是不能跑，是成本太高：慢、显存吃紧、失败率高。
素材库模式用现成镜头，剪出来的视频更稳定，且成片流畅度普遍更好。
脚本输出要“可执行”，别让模型自由发挥
最实用的脚本格式是“旁白分段 + 每段关键词”。例如 6 段，每段给 2～3 个检索词（中英都给最好）：
中文关键词：便于你看懂
英文关键词：便于 Pexels/Pixabay 命中率更高（因为很多标签是英文）
edge-tts 的声音选对了，质感差很多
常见可用中文音色（示例）：
zh-CN-XiaoxiaoNeural（女声，清晰）
zh-CN-YunxiNeural（男声）
zh-CN-XiaoyiNeural（女声）
同一段旁白，换个音色就像换了一个账号的风格。
素材检索尽量“具体”
别搜“成功”“自律”这种抽象词，命中率很差。换成：
“morning routine”
“writing notes”
“gym training”
“city night timelapse”
“typing on laptop”
这种镜头型关键词，画面更稳定。
5）字幕不要追求花
短视频字幕最影响观感的是：
断句
行宽
字体大小
对比度（描边/阴影）
MoneyPrinterTurbo 如果能设置字幕样式，建议直接用“白字+黑描边”这种保守方案。
你可以照着复用的一套“最小可行流程”
在 Colab 部署 MoneyPrinterTurbo + ffmpeg
Transformers 小模型生成“6段旁白 + 每段关键词”
edge-tts 合成配音
MoneyPrinterTurbo 选择“素材库模式”，从 Pexels/Pixabay 拉镜头
合成出 9:16 或 16:9 成片，下载 mp4
这套方案的特点是：不靠昂贵 API，不跑重型视频生成模型，失败率低，出片稳定。
先用 Colab 测试，确保流程可行
关键词选择很重要，决定了素材质量
定期更新模型，新模型效果更好
素材多样化，避免重复使用同一个视频
监控生成质量，定期检查输出的视频是否满足要求
这套方案虽然"免费"，但时间和精力成本是最大的投入。调试好了，确实能跑起来，但不要期望一键生成就能用——中间需要不少微调。