Wer wöchentlich Dutzende 9:16-Shorts braucht, stößt mit CapCut-Handarbeit an Grenzen. Der 2026-Stack: MoneyPrinterTurbo auf einem dedizierten gemieteten Mac Mini—Thema rein, Skript, Stock, Stimme, Untertitel, ffmpeg raus. Für Teams mit Mac mini rental / cloud Mac und KI-Video. Sechs Pain Points, Pipeline & WebUI vs API, README-Hardware & NodeMini-RAM, fünf Deploy-Pfade mit uv sync, Sechs-Schritte-Mietcheckliste, erstes 9:16, Miete vs Kauf TCO—CapEx wird prüfbares OpEx. API-Keys auf dedizierter Partition unterstützen DSGVO-taugliche Mandantentrennung.
MoneyPrinterTurbo ist ein Open-Source-MVC-Projekt: Thema oder Keyword → LLM-Skript, Stock/local B-Roll, Edge TTS/Azure, Untertitel, BGM, MoviePy/ffmpeg → MP4. 1080x1920 vertikal, 1920x1080 horizontal, Batch, WebUI+FastAPI. README: mit Cloud-LLM+edge-Untertiteln keine GPU—CPU/RAM. Passt besser zu Apple Silicon als Linux-VPS ohne GUI-Codecs.
Teams testen zuerst Laptops, Windows-Zip, Colab. Innerhalb eines Monats dieselben sechs Blocker in GitHub-Issues:
Manuelles Editing skaliert nicht: Hooks, B-Roll, Untertitel, 9:16-Export per Hand—wenige Videos/Woche. MoneyPrinterTurbo automatisiert die Kette, braucht aber 24/7-Hardware.
Laptop-Sleep killt Batches: Deckel zu → korrupte Temp-Dateien, verschenkte API-Kosten. Shorts brauchen 24/7-Betrieb, nicht sporadisches Local-Dev.
Windows-One-Click-Drift: start.bat hinkt main hinterher; keine chinesischen Zeichen/Leerzeichen im Pfad. uv sync --frozen folgt dem geprüften Lockfile.
Linux-VPS-Codec-Hölle: Headless: schwacher Preview-Browser, wackelige Untertitel-Fonts, ffmpeg nur per SSH. macOS: konsistentes VideoToolbox+Browser-QA.
API-Keys auf dem Familien-PC (DSGVO-Risiko): Pexels/OpenAI/Azure auf Shared-PCs leaken leicht. Dedizierte Miet-Partition pro Mandant—Datenschutz durch Trennung, dokumentierbar für Audits.
Fazit: 2026 sinkt die Hürde von „GPU-Workstation kaufen“ zu 1 Monat M4 Mac mini mieten mit Cloud-LLM und MoneyPrinterTurbo—9:16-Batch vor CapEx validieren.
Kein einzelner Modellcall, sondern ein Fließband—Stufen tauschbar (Skript, Clips, whisper). Tabelle = Automatisierungsmodell.
| Stufe | Funktion | Typische Config | Output |
|---|---|---|---|
| Script | LLM erzeugt Narration aus Thema | config.toml: llm_provider(OpenAI, DeepSeek, Ollama, Gemini usw.) | Szenenzeilen + Suchkeywords |
| Footage | Stock-DL oder lokal | Pexels API Keys, optionale Uploads | MP4 pro Szene |
| Voice | TTS pro Szene | Standard Edge TTS (kostenlos), optional Azure Speech V2 | WAV/MP3 |
| Subtitles | Eingebrannte Untertitel | subtitle_provider = edge(schnell) oder whisper (genau, schwer) | SRT+ Stil-Layer |
| Music | BGM unter Stimme | resource/songs, WebUI-Lautstärke | Gemischtes Audio |
| Compose | MoviePy + ffmpeg Merge | 9:16 1080x1920 oder 16:9, Segmentlänge | Fertiges MP4 |
WebUI(Streamlit, 8501): Ideal für Stimme, Fonts, Batch-Größe. Upstream empfiehlt uv run streamlit run ./webui/Main.py im Repo. Sofort-Preview in Chrome/Edge—README warnt vor Safari-Leerseite.
API(FastAPI, 8080): uv run python main.py starten, OpenAPI unter /docs. Für n8n/CMS/Scheduler. WebUI für Menschen, Produktion über API (oder SSH-Tunnel), kein Streamlit-Scraping.
„MoneyPrinterTurbo: zwei Produkte in einem Repo—Streamlit-Studio für das erste virale Template, API-Fabrik für Render #100.“
MoneyPrinterTurbo README nennt Minimum 4 Kerne/4GB RAM, empfohlen 8GB, ideal 16GB+optional GPU. Minimum für Cloud-API-Einzelftest. 9:16-Batches und whisper large-v3 brauchen Reserve—UMA teilt sich mit Browser auf macOS.
| README-Tier | CPU / RAM / GPU | MoneyPrinterTurbo-Modus | Gemieteter Mac Mini M4 |
|---|---|---|---|
| Minimum | 4 Kerne, 4GB RAM, keine GPU | Einzel-WebUI, edge-Untertitel, Cloud-LLM | 16GB Miete (4GB unmöglich—macOS allein verbraucht mehr) |
| Recommended | 6–8 Kerne, 8GB RAM | Tägliche Shorts, kleine Batches, Edge TTS | Bei 3–5 nächtlichen Renders 16–24GB |
| Ideal | 8+ Kerne, 16GB+, 8GB GPU optional | Batch-Queue, faster-whisper, schweres ffmpeg | 24–48GB UMA; Metal hilft ffmpeg, CUDA-whisper nicht |
Passen Sie RAM an Untertitelmodus und Batch-Größe an. Monatspreise: Mac-Mini-Mietpreise.
| Miet-Tier | Workload | Untertitelmodus | Batch-Richtwert |
|---|---|---|---|
| 16GB M4 | Solo-Creator, nur API-LLM, edge-Untertitel | edge | 1–3 Videos pro Lauf; kein paralleles whisper |
| 24GB M4 | Agentur, 9:16+16:9 gemischt, Nacht-Cron | Standard edge; optional whisper large-v3-turbo (~250MB) | 5–10 Videos/Nacht mit Queue |
| 48GB M4 | Multi-Brand, lokales whisper large-v3, große BGM-Bibliothek | Für Ads: whisper | Mehr parallele Segmente; 80GB+ Disk reservieren |
Tipp: Starten Sie in config.toml mit subtitle_provider = "edge". Nur bei QA-Problemen whisper—README: large-v3 ~3GB, auf CPU langsam.
Dokumentiert: Windows-Zip, Docker, Colab, manuelles uv, API-only. Bei cloud Mac rental: manuelles uv auf macOS—reproduzierbares Lockfile, kein Hyper-V, Pfad ohne Leerzeichen unter ~/MoneyPrinterTurbo.
| Pfad | Vorteile | Nachteile | Ideal für |
|---|---|---|---|
| Windows-One-Click-Zip | Schnellster Erststart, gebündelte Skripte | Versionsdrift, Pfadzeichen, PC muss laufen | Windows-Desktop-Demo |
| Google Colab | Keine lokale Installation | Session-Timeout, kein 24/7-API, Egress-Limits | Nur Demo |
| Docker Compose | Isolierte Dependencies | Schwer auf Mac, MP4-Sharing-Quirks | Teams mit Linux-Servern |
| macOS uv sync (empfohlen) | Upstream-Lock, ffmpeg auto-fetch | Einmalig Python 3.11 + uv | Gemieteter Mac Mini Produktion |
| Nur-API-Daemon | Headless-Automatisierung | Kein visuelles QA bis MP4-Download | CMS/n8n nach WebUI-Template |
GitHub Folgen Sie der offiziellen Installation auf GitHub. Keine chinesischen Zeichen im Pfad. Bei Pexels/HuggingFace-Fehlern VPN prüfen.
# Install uv if missing (macOS) curl -LsSf https://astral.sh/uv/install.sh | sh # Clone upstream git clone https://github.com/harry0703/MoneyPrinterTurbo.git cd MoneyPrinterTurbo # Python 3.11 + locked deps (recommended path on macOS) uv python install 3.11 uv sync --frozen # Config: copy example and edit keys cp config.example.toml config.toml # Set llm_provider, pexels_api_keys, optional azure speech keys
# config.toml (excerpt — see config.example.toml in repo) [app] subtitle_provider = "edge" # or "whisper" if models downloaded # If ffmpeg auto-download fails on your rental: # ffmpeg_path = "/opt/homebrew/bin/ffmpeg" [pexels] pexels_api_keys = ["your-pexels-key"] # Pick one LLM block per provider docs, e.g. OpenAI, DeepSeek, Ollama localhost
# From repo root — WebUI on http://127.0.0.1:8501 uv run streamlit run ./webui/Main.py --browser.gatherUsageStats=False # Optional: allow LAN QA from your laptop (use firewall rules) export MPT_WEBUI_HOST=0.0.0.0 uv run streamlit run ./webui/Main.py --browser.gatherUsageStats=False # API service on http://127.0.0.1:8080 — docs at /docs uv run python main.py
Warnung: Exponieren Sie Ports 8501/8080 nicht ohne Authentifizierung ins Internet. Nutzen Sie SSH-Port-Forwarding oder VPN. Zugang auf NodeMini-Hosts: Hilfezentrum.
Erster Monat = Abnahmetest: ein Template, eine Stimme, ein Untertitelstil, dann Batch skalieren. Entspricht HowTo-JSON-LD.
RAM nach Pipeline: 16GB nur edge+Cloud-LLM, 24GB Nacht-Batches, 48GB mit faster-whisper large-v3.
Dedizierte Miete: Mac Mini M4, macOS 14+, Remote-Login, 80GB+ frei für Modelle/Clips/Export.
Installation mit uv: MoneyPrinterTurbo klonen,uv sync --frozen、ffmpeg prüfen (sonst in config ffmpeg_path）。
config.toml ausfüllen: Pexels Keys, LLM, Stimme,subtitle_provider、resource/songs mit rechtefreier BGM.
WebUI starten, Template fixieren: 9:16（1080x1920) End-to-End, Segment/Font notieren. Dann API für Automatisierung.
Archivieren und skalieren: Vor Mietende config.toml, Fonts,models/whisper-* tar. cron/n8n auf localhost:8080 .
WebUI: konkretes Thema, 9:16 vertikal, Edge TTS testen, lesbare Untertitel, leise BGM. MP4 aus Output-Ordner. Bei Off-Topic Skript vor Re-Run anpassen—Batch vervielfacht Fehler.
Vergleichen Sie Beschaffung vor CapEx. Zahlen sind Richtwerte. Aktuelle Preise: Mietpreise.
| Option (24 Monate) | Einmalig/laufend | 24/7 Video-Fabrik | Ideal für |
|---|---|---|---|
| M4 24GB Kauf | ~$1.100–1.400 einmalig+Strom | Ja, wenn Sie Hardware warten | Studio 3+ Jahre |
| Monatliche Mac-Mini-Miete | Monatlich, niedrige Anfangskosten | Ja—dedizierte Disk und IP | 30-Tage-Pipeline vor Kauf |
| Windows-Tower+GPU | Hohe Stromkosten, Treiber-Drift | Möglich, aber laut/instabil | Bereits Windows-Editing |
| SaaS-Video-Generatoren | Pro Seat/Minute | Vendor-gehostet | Geringes Volumen, keine Compliance |
Colab time-out. Windows-One-Click hinkt main hinterher. Laptops drosseln bei ffmpeg. Für reproduzierbare 9:16, getrennte API-Keys (Datenschutz), Browser-QA auf macOS: NodeMini Mac Mini cloud rental. 30 Tage mieten, Pipeline beweisen, dann kaufen—statt Docker auf headless VPS um Mitternacht.
Nein. Upstream README: mit Cloud-LLM, Edge TTS, subtitle_provider = edge optional GPU. faster-whisper lokal nur bei QA-Bedarf—mehr RAM/CPU, kein CUDA auf Apple Silicon.
Windows-Zip für schnelle Desktop-Demo. Für Nacht-Batches, API und stabiles ffmpeg ohne Sleep: monatliche Mac-Mini-Miete. Pläne: Mac-Mini-Mietpreise.
Prüfen Sie LICENSE, LLM-AGB, Pexels. Für Ads resource/songs ersetzen. API-Rechnungen für DSGVO-Audit aufbewahren—Compliance liegt beim Nutzer.
Auf dem Miet-Host uv run python main.py ausführen, Endpunkte unter /docs (http://127.0.0.1:8080) aufrufen. SSH-Port-Forward oder Auth-Reverse-Proxy vom Orchestrator. Remote-Muster: Hilfezentrum.