MoneyPrinterTurbo 离线 TTS 部署指南：AI视频生成本地配音，零 API 成本-港品优选

MoneyPrinterTurbo 离线 TTS 部署指南：AI视频生成本地配音，零 API 成本

【免费下载链接】MoneyPrinterTurbo利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.项目地址: https://gitcode.com/GitHub_Trending/mo/MoneyPrinterTurbo

MoneyPrinterTurbo 是一款 AI视频生成工具，能把一个主题变成高清短视频；它的离线语音合成把配音全程放在本地跑，不走云端 API，文本不出本机，零调用成本。下文是一份本地 TTS 部署与离线字幕生成的完整指南。

🎙 它到底解决了什么问题

MoneyPrinterTurbo 让关键词自动走完脚本、配音、字幕、剪辑全流程，而配音环节可以完全离线，这是它的核心价值。

全程本地合成：TTS 请求在本地进程内完成，没有网络依赖，弱网环境也能出片
数据不出机器：脚本文本不上传第三方服务器，规避隐私泄露风险
零调用成本：无按量 API 计费，部署一次即可无限次生成，批量生产成本可控
双引擎架构：V1 引擎基于 edge-tts 库，快速稳定；V2 引擎集成 Azure Cognitive Services SDK，音色更真实，字级字幕时间戳更精确

⚡ 三步跑起来

第一步：克隆仓库

git clone https://gitcode.com/GitHub_Trending/mo/MoneyPrinterTurbo cd MoneyPrinterTurbo

第二步：安装依赖

pip install -r requirements.txt

第三步：配置并启动。把模板配置复制为config.toml后填入语音参数，WebUI 与 API 两个入口二选一：

cp config.example.toml config.toml sh webui.sh # Windows 用 webui.bat python main.py # 或启动 API 服务，文档见 http://127.0.0.1:8080/docs

⚙️ 关键配置速览

配置由app/config/config.py统一加载，与离线语音合成相关的项不多：

参数	作用	示例值	是否必填
`speech_key`	Azure Speech 服务密钥，V2 引擎前提	你的服务密钥	选填（V2 必填）
`speech_region`	Azure 服务区域，与密钥配套	eastasia	选填（V2 必填）
`voice_name`	发音人名称	zh-CN-XiaoxiaoNeural	选填
`voice_rate`	语速倍率，可调范围 -50%~+50%	1.1	选填
`subtitle_provider`	字幕生成模式：edge 或 whisper	edge	选填

语音库内置 1000+ 种发音人，覆盖数十种语言：中文有 zh-CN-XiaoxiaoNeural（晓晓）、zh-CN-YunxiNeural（云希），英文有 en-US-JennyNeural，还有日文、法文、德文等，完整清单见docs/voice-list.txt。

📝 edge 还是 whisper：字幕模式怎么选

模式	生成速度	质量	硬件要求	适用场景
edge	快	良好	低	批量生产、快速验证
whisper	慢	高	中高	正式发布内容

切换只需在config.toml中设置subtitle_provider = "whisper"，其余保持不变。

📺 三类场景直接抄作业

中文教育视频

需求：讲解清晰自然，字幕对齐不能出错。

音色：zh-CN-XiaoxiaoNeural，女声柔和，适合教学场景
语速：voice_rate设 1.1，+10% 跟上课件节奏
字幕：whisper 模式，逐句对齐更稳

中英双语商业演示

需求：一条视频内按语言切换音色，统一横屏交付。

音色：中文段 zh-CN-YunxiNeural，英文段 en-US-JennyNeural
语速：保持 1.0，商务内容避免急促感
字幕：中英双语字幕、16px 字号，输出 1920x1080 横屏

批量短视频流水线

需求：每天产大批量短视频，吞吐量优先。

音色：同音色内容复用已合成的语音缓存，不重复计算
语速：1.0 默认值即可，保证产出风格统一
字幕：edge 模式求快，同时调大max_concurrent_tasks并配好material_directory

硬件与调优建议

组件	最低配置	推荐配置	最佳配置
CPU	4 核	8 核	12 核以上
内存	8GB	16GB	32GB
存储	256GB SSD	512GB NVMe SSD	1TB NVMe SSD

软件层面四条一句话建议：

给 Python 进程留足内存余量，避免频繁 GC 拖慢流程
用max_concurrent_tasks把并发任务数压在机器承受范围内
复用已合成的语音结果，同一文本不重复计算
语音与素材文件放 SSD，直接提升读写吞吐

常见问题

合成速度慢？先看 CPU 与内存占用，降并发；字幕生成改用 edge 引擎也能明显提速。

音色怎么选？用 WebUI 的试听功能逐个预览候选，听完再定；1000+ 全量清单见docs/voice-list.txt。

能自定义语音模型吗？当前版本支持 Azure TTS 标准模型，GPT-SoVITS 等本地自定义模型在计划中。

字幕不准？把subtitle_provider切到 whisper，同时保证音频清晰，重新生成即可。

源码导读

代码分四层：控制器层app/controllers/负责请求入口与业务编排；服务层app/services/装 TTS、字幕、视频合成等核心能力；模型层app/models/定义请求参数结构；工具层app/utils/提供通用函数。TTS 核心在 app/services/voice.py：一次配音依次经过文本预处理（清洗括号等符号）、选音色、调用引擎合成音频、采集字级边界时间戳、生成 SRT 字幕并转格式五步，azure_tts_v1与azure_tts_v2两个引擎实现都在这里。功能路线上，GPT-SoVITS 本地自定义模型、情感化合成、接入更多 TTS 服务商、一键发布到 YouTube 等平台都已列入计划。

MoneyPrinterTurbo 已把配音与字幕整条链路做成开箱即用的本地工具，你只需提供主题。把仓库克隆下来用默认配置跑出第一条视频，遇到坑或想要新特性时，直接向社区提交 Issue 或 PR 是最快的参与方式。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析