从0到1精通MoneyPrinterTurbo API：视频全流程自动化接口实战指南
你是否还在为视频创作的繁琐流程发愁？从文案撰写、素材收集到字幕生成、音频合成，每个环节都耗费大量时间精力。现在，MoneyPrinterTurbo API让一切变得简单——只需调用几个接口，即可全自动完成短视频制作的全流程。本文将带你从零开始掌握API调用技巧，通过实战案例展示如何在30分钟内生成专业级短视频。
读完本文你将学会：
- 使用脚本生成接口创建爆款视频文案
- 调用视频合成API实现素材自动匹配与剪辑
- 定制字幕样式与背景音乐提升视频质感
- 任务状态查询与视频下载的完整流程
API架构概览与核心功能模块
MoneyPrinterTurbo采用模块化API设计，将视频生成过程拆解为多个独立功能接口，支持灵活组合调用。系统核心控制器位于app/controllers/v1/目录，包含视频合成、字幕生成、音频处理等关键模块，通过app/router.py统一注册管理。
核心API分类
| 接口类型 | 主要功能 | 核心文件 |
|---|---|---|
| 内容生成 | 视频脚本、关键词提取 | llm.py |
| 视频处理 | 素材合成、转场特效 | video.py |
| 音频服务 | 语音合成、BGM管理 | video.py |
| 字幕生成 | 文本提取、样式定制 | video.py |
| 任务管理 | 状态查询、结果下载 | video.py |
API调用流程
视频生成的典型流程包含四个关键步骤，通过不同API接口的组合实现全自动化：
graph TD
A[生成视频脚本] --> B[提取关键词获取素材]
B --> C[合成视频与音频]
C --> D[添加字幕与特效]
D --> E[下载与发布]
环境准备与API接入
在开始调用API前，需完成基础环境配置与依赖安装。项目提供两种部署方式，推荐使用Docker快速启动：
快速部署步骤
-
克隆项目仓库：
git clone https://gitcode.com/GitHub_Trending/mo/MoneyPrinterTurbo cd MoneyPrinterTurbo -
复制配置文件并修改关键参数：
cp config.example.toml config.toml配置文件中需设置API服务端口、默认素材库路径及第三方服务密钥等信息。
-
启动服务容器：
docker-compose up -d服务默认监听8080端口，可通过
http://localhost:8080/docs访问API文档。
实战一：智能脚本生成接口详解
优质视频的核心是引人入胜的脚本。MoneyPrinterTurbo的LLM接口能基于主题自动生成结构完整、语言生动的视频文案，支持多语言与段落数定制。
脚本生成API调用
请求示例：
import requests
API_URL = "http://localhost:8080/scripts"
payload = {
"video_subject": "夏日海边旅行攻略",
"video_language": "zh",
"paragraph_number": 3
}
response = requests.post(API_URL, json=payload)
script_data = response.json()
print(script_data["data"]["video_script"])
此接口位于llm.py的generate_video_script函数，通过调用LLM服务生成结构化脚本。参数paragraph_number控制文案长度，建议短视频设置为2-3段，每段80-120字。
响应示例：
{
"status": 200,
"message": "success",
"data": {
"video_script": "夏日的海边，总是能给人带来无限遐想...（完整文案内容）"
}
}
关键词提取增强素材匹配
生成脚本后，调用/terms接口提取核心关键词，帮助系统更精准匹配视频素材：
TERMS_URL = "http://localhost:8080/terms"
payload = {
"video_subject": "夏日海边旅行攻略",
"video_script": script_data["data"]["video_script"],
"amount": 5
}
terms_response = requests.post(TERMS_URL, json=payload)
keywords = terms_response.json()["data"]["video_terms"]
接口实现位于llm.py，通过NLP分析从脚本中提取最相关的关键词，如"海滩"、"日落"、"冲浪"等，用于后续素材搜索。
视频合成API实战：从参数配置到任务提交
视频合成是MoneyPrinterTurbo的核心功能，通过/videos接口实现从文本到视频的全自动转换。该接口位于video.py，支持丰富的参数配置，满足不同场景需求。
核心参数配置详解
视频合成请求的核心参数定义在app/models/schema.py的VideoParams类中，主要包含以下配置项：
{
"video_subject": "夏日海边旅行攻略",
"video_script": "生成的完整脚本内容",
"video_aspect": "portrait", # 竖屏9:16（抖音/快手）
"voice_name": "zh-CN-XiaoxiaoNeural-Female", # 晓晓女声
"bgm_name": "夏日微风.mp3", # 背景音乐
"font_name": "STHeitiMedium.ttc", # 字幕字体
"text_color": "#FFFFFF", # 字幕颜色
"video_clip_duration": 5, # 每个镜头时长
"video_concat_mode": "sequential" # 素材顺序拼接
}
其中video_aspect参数支持三种主流比例：
portrait(9:16)：适合抖音、快手等短视频平台landscape(16:9)：适用于西瓜视频、YouTubesquare(1:1)：适合Instagram、视频号
完整视频合成请求示例
VIDEO_URL = "http://localhost:8080/videos"
payload = {
"video_subject": "夏日海边旅行攻略",
"video_script": script_data["data"]["video_script"],
"video_terms": keywords,
"video_aspect": "portrait",
"voice_name": "zh-CN-XiaoxiaoNeural-Female",
"bgm_name": "random", # 随机选择背景音乐
"font_name": "STHeitiMedium.ttc",
"text_color": "#FFFFFF",
"font_size": 60,
"stroke_color": "#000000",
"stroke_width": 1.5
}
response = requests.post(VIDEO_URL, json=payload)
task_id = response.json()["data"]["task_id"]
print(f"视频生成任务已提交，ID: {task_id}")
提交成功后，系统返回唯一task_id，用于后续查询任务状态和获取结果。任务处理逻辑位于video.py的create_task函数，通过任务管理器实现异步处理。
任务管理与结果获取
视频合成是耗时操作（通常3-5分钟），系统采用异步处理模式，通过任务ID跟踪进度并获取最终结果。
任务状态查询
调用/tasks/{task_id}接口查询处理进度：
TASK_URL = f"http://localhost:8080/tasks/{task_id}"
response = requests.get(TASK_URL)
task_data = response.json()
print(f"当前进度: {task_data['data']['progress']}%")
print(f"状态: {task_data['data']['state']}")
任务状态定义在app/services/state.py中，包含以下几种状态码：
- 0: 等待中
- 1: 处理中
- 2: 已完成
- 3: 失败
当进度达到100%且状态为2时，视频生成完成，可通过返回的URL访问或下载视频文件。
视频下载与流式播放
系统提供两种获取视频的方式：直接下载和流式播放。下载接口位于video.py：
DOWNLOAD_URL = f"http://localhost:8080/download/{task_id}/final-1.mp4"
response = requests.get(DOWNLOAD_URL, stream=True)
with open("summer_beach.mp4", "wb") as f:
for chunk in response.iter_content(chunk_size=1024):
if chunk:
f.write(chunk)
对于需要在线预览的场景，可使用流式播放接口video.py：
<video controls>
<source src="http://localhost:8080/stream/{task_id}/final-1.mp4" type="video/mp4">
</video>
高级功能：字幕定制与音频优化
MoneyPrinterTurbo提供丰富的字幕和音频定制选项，帮助提升视频质量，打造专业效果。
字幕样式深度定制
字幕生成接口video.py支持多项样式参数，可创建符合品牌风格的字幕效果：
SUBTITLE_URL = "http://localhost:8080/subtitle"
payload = {
"video_script": script_data["data"]["video_script"],
"subtitle_position": "bottom", # 字幕位置（top/bottom/center）
"font_name": "STHeitiMedium.ttc",
"text_fore_color": "#FFFFFF",
"text_background_color": "#00000080", # 半透明黑色背景
"font_size": 56,
"stroke_color": "#000000",
"stroke_width": 2
}
response = requests.post(SUBTITLE_URL, json=payload)
项目文档docs/guide/subtitle-font.md提供了更多字体选择和样式配置示例，支持自定义颜色、描边、阴影等效果。
背景音乐管理
系统内置背景音乐库，可通过API查询、上传和管理音频文件。获取可用背景音乐列表：
BGM_URL = "http://localhost:8080/musics"
response = requests.get(BGM_URL)
bgm_list = response.json()["data"]["files"]
# 打印所有可用BGM
for bgm in bgm_list:
print(f"名称: {bgm['name']}, 大小: {bgm['size']} bytes")
如需使用自定义音乐，调用上传接口video.py上传MP3文件：
UPLOAD_BGM_URL = "http://localhost:8080/musics"
files = {"file": open("custom_music.mp3", "rb")}
response = requests.post(UPLOAD_BGM_URL, files=files)
上传的音乐将保存在系统歌曲目录，可在视频合成时通过bgm_name参数指定使用。
常见问题与最佳实践
任务失败排查与解决方案
视频生成失败通常有以下几种原因：
- 素材不足：关键词过于生僻导致无法匹配足够素材
- 参数错误：视频比例与素材分辨率不匹配
- 资源限制：系统并发任务数超出限制
可通过检查任务详情中的错误信息定位问题：
TASK_URL = f"http://localhost:8080/tasks/{task_id}"
response = requests.get(TASK_URL)
print(response.json()["data"].get("error_msg"))
API调用性能优化
为提高视频生成效率，建议：
- 预先生成并缓存热门主题的脚本和关键词
- 非高峰时段提交任务（系统默认限制[app/controllers/v1/video.py#L42]最多5个并发任务）
- 合理设置素材时长，短视频建议总时长控制在30-60秒
完整工作流自动化示例
以下是整合所有API的完整视频生成流程代码：
def generate_video_pipeline(subject, aspect="portrait"):
# 1. 生成视频脚本
script = generate_video_script(subject)
# 2. 提取关键词
keywords = extract_video_terms(subject, script)
# 3. 提交视频生成任务
task_id = submit_video_task(subject, script, keywords, aspect)
# 4. 轮询等待完成
while True:
status = check_task_status(task_id)
if status["state"] == 2: # 任务完成
return status["videos"][0]
elif status["state"] == 3: # 任务失败
raise Exception(f"视频生成失败: {status.get('error_msg')}")
time.sleep(10) # 每10秒查询一次
总结与进阶方向
通过本文介绍的API，你已经掌握了MoneyPrinterTurbo的核心功能调用方法。从视频脚本生成到最终合成下载，整个流程可通过简单的API调用实现全自动化。对于进阶用户，可探索以下高级功能：
- 自定义素材库集成：通过app/services/material.py扩展更多素材来源
- 视频特效定制：修改app/services/utils/video_effects.py添加转场和滤镜效果
- 批量生成与分发：结合任务队列实现多主题视频批量生产
项目文档docs/guide/features.md提供了更多功能细节和高级配置选项，建议深入阅读以充分发挥系统潜力。现在就动手尝试，用API打造你的自动化视频工厂吧！
提示：通过Web界面也可直观管理API任务，详细操作见docs/guide/文档。如需获取更多API使用技巧和最新功能更新，可加入项目交流群docs/wechat-group.jpg。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型，它在 Kimi-K2-Base 的基础上，通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式，以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日，正式发布的Qwen3-Coder-Next，一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署，一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型，在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明，该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外，我们通过整合印章识别和文本检测识别（text spotting）任务扩展了模型的能力，同时保持 0.9B 的超紧凑 VLM 规模，具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架，具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意：本仓库为Github仓库镜像，PR或Issue请移步至Github发起，感谢支持！Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
kernel
docs
pytorch
flutter_flutter
ops-math
kernel
ohos_react_native
nop-entropy
RuoYi-Vue3
agent-studio