Des dizaines de shorts 9:16 par semaine : CapCut à la main ne suffit plus. Stack 2026 : MoneyPrinterTurbo sur un Mac Mini loué dédié—thème, script, stock, voix, sous-titres, ffmpeg. Pour les équipes Mac mini rental / cloud Mac et vidéo IA. Six pain points, pipeline & WebUI vs API, matériel README & RAM NodeMini, cinq chemins de déploiement avec uv sync, checklist location en six étapes, premier 9:16, TCO location vs achat—CapEx devient OpEx vérifiable.
MoneyPrinterTurbo projet MVC open source : thème ou mot-clé → script LLM, B-roll stock/local, Edge TTS/Azure, sous-titres, BGM, MoviePy/ffmpeg → MP4. 1080x1920 vertical, 1920x1080 horizontal, batch, WebUI+FastAPI. README : avec LLM cloud et sous-titres edge, pas de GPU—CPU/RAM. Mieux qu'un VPS Linux sans codecs GUI.
Les équipes testent d'abord laptops, zip Windows, Colab. En un mois, les mêmes six blocages dans les issues GitHub :
Le montage manuel ne scale pas : Hooks, B-roll, sous-titres, export 9:16 à la main—quelques vidéos/semaine. MoneyPrinterTurbo automatise la chaîne mais exige une machine 24/7.
Le sleep du laptop tue les batches : Couvercle fermé en rendu → fichiers temp corrompus, API gaspillée. Les shorts exigent 24/7, pas du dev local sporadique.
Dérive du one-click Windows : start.bat en retard sur main ; pas de caractères chinois ni d'espaces dans le chemin. uv sync --frozen suit le lockfile testé.
Enfer des codecs sur VPS Linux : Headless : preview faible, polices instables, ffmpeg en SSH. macOS : QA WebUI cohérente avec VideoToolbox.
Clés API sur PC partagé : Pexels/OpenAI/Azure sur PC partagé fuient vite. Disque loué dédié par client/marque—secrets isolés.
En bref : En 2026, la barrière passe de « acheter un GPU » à louer un M4 Mac mini un mois avec LLM cloud et MoneyPrinterTurbo—valider le batch 9:16 avant CapEx.
Pas un seul appel modèle mais un convoyeur—étapes remplaçables (script, clips, whisper). Le tableau guide l'automatisation.
| Étape | Rôle | Config type | Sortie |
|---|---|---|---|
| Script | LLM génère la narration à partir du thème | config.toml: llm_provider(OpenAI, DeepSeek, Ollama, Gemini, etc.) | Lignes de scène + mots-clés footage |
| Footage | DL stock ou local | Pexels API clés API, uploads optionnels | MP4 par scène |
| Voice | TTS par scène | Par défaut Edge TTS (gratuit), Azure Speech V2 optionnel | WAV/MP3 |
| Subtitles | Sous-titres incrustés | subtitle_provider = edge(rapide) ou whisper (précis, lourd) | SRT+ calques de style |
| Music | BGM sous la voix | resource/songs, volume WebUI | Piste mixée |
| Compose | MoviePy + ffmpeg Fusion | 9:16 1080x1920 ou 16:9, durée de segment | MP4 final |
WebUI(Streamlit, 8501) : Idéal pour voix, polices, taille de batch. Upstream recommande uv run streamlit run ./webui/Main.py à la racine. Preview Chrome/Edge—README signale Safari page blanche.
API(FastAPI, 8080): Lancez uv run python main.py, OpenAPI sous /docs. Pour n8n/CMS/scheduler. WebUI pour humains, production via API (tunnel SSH), pas de scraping Streamlit.
« MoneyPrinterTurbo : deux produits—studio Streamlit pour le premier template viral, usine API pour le centième render. »
MoneyPrinterTurbo README Minimum 4 cœurs/4 Go, recommandé 8 Go, idéal 16 Go+GPU optionnel. Minimum pour test WebUI cloud. Batch 9:16 et whisper large-v3 demandent de la marge—UMA partagée avec le navigateur sur macOS.
| Palier README | CPU / RAM / GPU | Mode MoneyPrinterTurbo | Mac Mini M4 loué |
|---|---|---|---|
| Minimum | 4 cœurs, 4 Go RAM, pas de GPU | WebUI unique, sous-titres edge, LLM cloud | 16GB location (4 Go impossible—macOS seul dépasse) |
| Recommended | 6–8 cœurs, 8 Go RAM | Shorts quotidiens, petits batches, Edge TTS | Pour 3–5 renders nocturnes 16–24GB |
| Ideal | 8+ cœurs, 16 Go+, GPU 8 Go optionnel | file batch, faster-whisper, ffmpeg lourd | 24–48GB UMA; Metal aide ffmpeg, pas CUDA pour whisper |
Adaptez la RAM au mode sous-titres et au batch. Tarifs : tarifs location Mac Mini.
| Palier location | Charge de travail | Mode sous-titres | Guide batch |
|---|---|---|---|
| 16GB M4 | Créateur solo, LLM API seul, edge | edge | 1–3 vidéos par run ; pas de whisper parallèle |
| 24GB M4 | Agence, 9:16+16:9 mixte, cron nocturne | défaut edge ; whisper large-v3-turbo (~250 Mo) optionnel | 5–10 vidéos/nuit avec file |
| 48GB M4 | Multi-marques, whisper local large-v3, grande biblio BGM | Précision pub : whisper | Plus de segments parallèles ; réserver 80 Go+ |
Conseil : Commencez dans config.toml avec subtitle_provider = "edge". Passez à whisper si le QA timing échoue—README : large-v3 ~3 Go, lent sur CPU.
Documenté : zip Windows, Docker, Colab, uv manuel, API seule. Pour cloud Mac rental : uv manuel sur macOS—lockfile reproductible, pas d'Hyper-V, chemin sans espaces sous ~/MoneyPrinterTurbo.
| Chemin | Avantages | Inconvénients | Idéal pour |
|---|---|---|---|
| Zip one-click Windows | Démarrage le plus rapide, scripts inclus | Version en retard, chemins, PC allumé | Essai bureau Windows |
| Google Colab | Pas d'install locale | Timeout session, pas d'API 24/7, limites egress | Démo seulement |
| Docker Compose | Dépendances isolées | Lourd sur Mac, partage MP4 capricieux | Équipes déjà sur serveurs Linux |
| macOS uv sync (recommandé) | Lock upstream, ffmpeg auto | Une fois Python 3.11 + uv | Mac Mini loué en production |
| Démon API seul | Automatisation headless | Pas de QA visuelle avant téléchargement MP4 | CMS/n8n après template WebUI |
GitHub Suivez l'installation officielle sur GitHub. Pas de caractères chinois dans le chemin. VPN si Pexels/HuggingFace échouent.
# 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
Attention : Exponieren Sie Ports 8501/8080 nicht ohne Authentifizierung ins Internet. Nutzen Sie SSH-Port-Forwarding oder VPN. Zugang auf NodeMini-Hosts: centre d'aide.
Premier mois = test d'acceptation : un template, une voix, un style de sous-titres, puis scalez le batch. Aligné sur le HowTo JSON-LD.
RAM selon pipeline : 16 Go edge+LLM cloud ; 24 Go batches nocturnes ; 48 Go avec faster-whisper large-v3.
Louer un Mac dédié : Mac Mini M4, macOS 14+, login distant, 80 Go+ libres.
Installer avec uv : MoneyPrinterTurbo cloner,uv sync --frozen、ffmpeg vérifier (sinon dans config ffmpeg_path）。
Remplir config.toml : Pexels clés, LLM, voix,subtitle_provider、resource/songs avec BGM cleared.
Lancer WebUI, figer le template : 9:16（1080x1920) bout en bout, noter segments/polices. Puis API pour automatiser.
Archiver et scaler : Avant fin de location config.toml, polices,models/whisper-* en tar. cron/n8n vers localhost:8080 .
WebUI : thème concret, 9:16 vertical, tester Edge TTS, sous-titres lisibles, BGM bas. MP4 depuis le dossier indiqué. Corriger le script avant re-run—le batch amplifie les erreurs.
Vergleichen Sie Beschaffung vor CapEx. Zahlen sind Richtwerte. Aktuelle Preise: tarifs location.
| Option (24 mois) | Initial/récurrent | Usine vidéo 24/7 | Idéal pour |
|---|---|---|---|
| M4 24GB Achat | ~1 100–1 400 $ + électricité | Oui si vous maintenez le matériel | Studio interne 3+ ans |
| Location Mac Mini mensuelle | Mensuel, faible initial | Oui—disque et IP dédiés | Preuve pipeline 30 jours avant achat |
| Tour Windows + GPU | Facture élevée, dérive drivers | Possible mais bruyant/instable | Déjà sur Windows montage |
| Générateurs vidéo SaaS | Par siège/minute | Hébergé chez le vendeur | Faible volume, pas de compliance |
Colab expire. Le one-click Windows dérive de main. Les laptops throttlent sous ffmpeg. Pour 9:16 reproductible, clés API isolées, QA navigateur sur macOS : NodeMini Mac Mini cloud rental. Louez 30 jours, prouvez la pipeline, achetez ensuite—au lieu de Docker sur VPS headless à minuit.
Non. README upstream : GPU optionnelle avec LLM cloud, Edge TTS, subtitle_provider = edge. faster-whisper local seulement si le QA l'exige—plus de RAM/CPU, pas de CUDA sur Apple Silicon.
Zip Windows pour une démo bureau rapide. Pour batches nocturnes, API et ffmpeg stable sans veille : location Mac Mini mensuelle. Plans : tarifs location Mac Mini.
Vérifiez LICENSE, conditions LLM, Pexels. Remplacez resource/songs pour la pub. Conservez les factures API—compliance côté utilisateur.
Sur l'hôte loué, exécutez uv run python main.py et appelez les endpoints sous /docs (http://127.0.0.1:8080). SSH port-forward ou reverse proxy avec auth depuis l'orchestrateur. Patterns distants : centre d'aide.