MoneyPrinterAICreate
基于通义万相 Wan2.1 的 AI 短视频生成工具，输入主题即可自动生成文案、分镜、视频素材并剪辑
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
基于通义万相 Wan2.1 的 AI 短视频生成工具，输入主题即可自动生成文案、分镜、视频素材并剪辑
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：深夜 11 点，你正为一期知识科普视频绞尽脑汁——要写文案、要找素材、要配音、要剪辑，一套流程下来两个小时起步。而现在，只需输入一个主题，比如「量子计算入门」，AI 就能自动生成讲解文案、拆分成多个分镜、调用通义万相 Wan2.1 逐段生成视频素材，最后自动拼接成一段带字幕、配音和 BGM 的完整短视频。
MoneyPrinterAICreate 就是这样一个让 AI 帮你「一条龙」生产短视频的工具。它基于开源项目 MoneyPrinterTurbo 构建，新增了阿里通义万相 Wan2.1 的文生视频、图生视频能力，让视频素材不再是静态 PPT 念稿，而是真正有画面运动的动态内容。
MoneyPrinterAICreate 的作者 q1uki 在 GitHub 上 Fork 了热门的 MoneyPrinterTurbo 项目，在原有框架基础上接入了阿里通义万相（Wan2.1）的视频生成 API。这不是简单的功能叠加——原版 MoneyPrinterTurbo 依赖图片素材拼接成视频，画面是静态的；而 MoneyPrinterAICreate 通过 Wan2.1 的视频生成能力，让每一段素材都是 AI 生成的动态画面，从根本上改变了视频的可看性。
该项目上线后获得了 304 颗星、59 个 Fork，说明社区对「AI 生成动态视频素材」这一方向有强烈需求。项目仓库结构清晰，遵循标准的 Python 项目布局，代码质量良好。
MoneyPrinterAICreate 的工作流程分为五个阶段，形成完整的自动化流水线：
文案生成：用户提供视频主题和风格偏好，大语言模型（支持 OpenAI、DashScope、Google Generative AI 等）自动生成完整讲解文案；
分镜规划：AI 根据文案自动拆分为多个分镜，并为每个分镜生成对应的视频提示词（prompt）和可选的图片素材参考；
视频素材生成：调用通义万相 Wan2.1 的文生视频（text-to-video）和图生视频（image-to-video）API，逐段生成 5 秒动态视频素材。用户可对 AI 生成的提示词进行人工修改，确保内容可控；
配音合成：使用 Edge TTS 将文案转为自然语音，支持多种音色选择；
智能剪辑：基于 moviepy 库自动拼接视频片段、添加字幕（faster-whisper 语音识别）、配上背景音乐，输出最终 MP4 文件。
项目同时提供两个服务入口：
Web UI（Streamlit）：端口 8501，傻瓜式操作界面，适合非技术用户。输入主题 → 生成文案 → 生成视频 → 下载，一条龙完成；
REST API（FastAPI）：端口 8080，文档地址 http://127.0.0.1:8080/docs，适合开发者集成到自动化工作流中，可批量生产内容。
| 组件 | 技术选型 | 作用 |
|---|---|---|
| Web 框架 | Streamlit 1.33 + FastAPI | UI 和 REST API |
| 视频生成 | 魔搭 Wan2.1 API | 文生视频、图生视频 |
| 语音识别 | faster-whisper 1.0 | 视频字幕自动生成 |
| 语音合成 | Edge TTS 6.1 | 文字转配音 |
| 视频处理 | moviepy 2.0 + FFmpeg + ImageMagick | 素材剪辑与合成 |
| LLM 调用 | OpenAI SDK + g4f + DashScope | 文案和分镜生成 |
| ASGI 服务器 | Uvicorn | 高性能 API 服务 |
值得注意的是，项目引入了 g4f（一个聚合多个免费 LLM API 的库）和 DashScope（阿里云通义千问 API），这意味着用户即使没有 OpenAI Key，也能使用国内免费或低成本的 LLM 服务来完成文案生成，降低了整体使用门槛。
项目 README 中特别强调了隐私问题：wan2.1 生成视频功能使用的是官方试用 API，上传的图片会被平台收集，因此用户不应上传包含个人隐私内容的图片。这是一个实际的安全考量，也是用户在使用前必须知晓的约束。
MoneyPrinterAICreate 提供了完整的容器化支持，部署门槛大幅降低。
只需三步即可启动完整服务：
git clone https://github.com/q1uki/MoneyPrinterAICreate.git
cd MoneyPrinterAICreate/MoneyPrinterAICreate
docker-compose up -d
docker-compose.yml 配置了两个服务——webui（Streamlit，端口 8501）和 api（FastAPI，端口 8080），数据卷挂载当前目录到容器内 /MoneyPrinterTurbo，配置文件和生成素材留在宿主机，升级版本时数据不丢失。
相比纯 GPU 推理项目，MoneyPrinterAICreate 的硬件需求相对亲民：
GPU：不需要（视频生成依赖云端 Wan2.1 API，本地只做剪辑）；
内存：建议 4GB 以上（moviepy 剪辑时内存占用较大）；
磁盘：预留 5GB（存储生成的视频素材）；
API Key：必须准备 Wan2.1 API Key（魔搭社区申请，目前免费）和一个大模型 API Key（OpenAI / DashScope / Google Generative AI 任选其一）。
唯一需要注意的是：Wan2.1 试用 API 速度较慢，测试下来每个 5 秒视频素材平均需要 10 分钟，偶尔超过 20 分钟还未成功，建议有心理预期。
Wan2.1 试用 API 的生成速度是当前最大的痛点。一个 25 秒（5 段×5 秒）的短视频，仅视频素材生成就需要 50 分钟以上，加上配音、剪辑，整体制作时间远超传统剪辑。这使得它暂时更适合「批量预生成」而非实时创作。
如前所述，wan2.1 试用 API 会收集上传的图片。用户在使用图生视频功能时，应避免上传人脸、证件、截图等敏感内容。项目作者已在 README 中明确提示。
当前版本的剪辑逻辑是根据分镜时长切分视频片段，配音文案与画面并非严格对齐——同一个分镜内，朗读的文案和画面可能存在时序上的偏差。作者在 TODO 中列出了这一优化方向，但目前尚未解决。
MoneyPrinterAICreate 代表了 AIGC 视频赛道的一个细分方向：将大语言模型的文案能力与视频生成模型的素材能力结合，实现从文字到完整视频的端到端自动化。它不追求生成完美电影级画面，而是专注于「可用的短视频」——知识科普、产品介绍、新闻摘要等场景的核心需求。
作者在 README 中列出了后续优化计划：接入腾讯混元大模型、预设风格提示词、分镜与配音时序对齐等。随着视频生成模型能力的快速提升（Wan2.1 本身也在迭代），生成速度和画质问题有望逐步改善。
从项目生态角度看，它依托 MoneyPrinterTurbo 的成熟框架（Star 4.4k+），站在了巨人肩膀上，同时为社区提供了一个「视频生成增强版」的可参考实现。这种 Fork + 增量开发的模式，也是开源社区推动 AIGC 工具快速迭代的典型路径。
图1：项目作者 q1uki 的 GitHub 头像
项目地址：https://github.com/q1uki/MoneyPrinterAICreate | Stars: 304 | Fork: 59 | 语言: Python