一、背景
前文我们已经搭建了文本转图片、文本转音频两种转换工具，尚缺文本转视频的这种工具。
想要把文本转为视频，需要以下几个素材：
- 1、主题（包括文案、关键字）
- 2、插图
- 3、音频
- 4、字幕
- 5、背景音乐
本文将通过部署MoneyPrinterTurbo，搭建一套本地AI视频生成工具。
二、部署
从官网github拉取项目，包括代码、Dockerfile、docker-compose.yml、config.example.toml等等
github项目地址
1、修改配置文件
bash
cp config.example.toml config.toml- 视频里的插图素材，来自于pexels，需要获取其apikey。
- 选择一款LLM, 这里以kimi为例，填写其apikey和model。
示例：
2、运行容器
bash
cd MoneyPrinterTurbo
docker compose up -d
其docker镜像比较大，当然远比前文说的index-tts小多了。
三、pexels
pexels是一个开放免费的素材库，可供AI检索，用于生成视频的插图。
- https://www.pexels.com/api/key/ 查看apikey
四、kimi大模型
进入moonshot开发控制台
https://platform.moonshot.cn/console/api-keys
生成apikey，为MoneyPrinterTurbo所用。
复制这里的apikey至config.toml文件里。
每个注册账户会被分配15元的免费额度，供开发自用。
五、生成视频
访问首页UI：http://localhost:8501/
基础配置，可以看到你所使用的LLM等信息
1、主题（包括文案、关键词）
输入主题，用「场景+主体+动作+风格」四段式代替一句话
点击使用AI根据主题生成【视频文案】和【视频关键词】
2、插图
可以上传本地文件，默认是从Pexels素材库搜索而得。
如果是本地文件，你可以上传mp4文件，也可以上传图片等。
3、音频
根据第一步生成的文案，调用Azure TTS文本转语音服务，生成视频的音频。
注意，这里要选择zh-CN等汉语朗读的声音。
如果你选择的是其他语言，而第一步输入的又是汉字，那么可能会导致生成视频失败。
4、字幕
5、背景音乐
选择本地的文件作为背景音乐。
配置完成，点击底部的"生成视频"。
结果发现，生成的视频经常是画面与文案不搭。
MoneyPrinterTurbo 仅做「关键词-素材库搜索」而不做「视觉语义理解」。
它的大致流程是：
- 大模型把文案拆成几个关键词。
- 用关键词去 Pexels / Pixabay 搜索 标签匹配 的素材。
- 按时间轴简单拼接，不做二次校验。
想要让MoneyPrinterTurbo更好地做到「视觉语义理解」，建议是本地上传素材。
把「素材来源」改成 Local，然后把与文案一一对应的图片/短视频按 01.jpg 02.jpg ... 命名，上传到 ~/moneyprinter-data/images/，项目会按文件名顺序直接引用，100% 贴合。
「视频拼接模式」选择"顺序拼接"。
