GitHub에서 112,197 스타, Python 프로젝트, 순수 커맨드라인—MoneyPrinterTurbo는 최근 1년 동안 중국自媒体 커뮤니티에서 가장 많이 언급된 AI 영상 도구다. 동작 방식은 단순하다. 주제어 하나만 던지면 스크립트를 쓰고, 더빙을 붙이고, 영상을 끌어와 합성한 뒤 9:16 세로 화면 영상을 뱉어낸다.
문제는 이런 "全自动 숏폼 생성기"가 GitHub에 최소한 스무 개는 있다는 것인데, 하필 이 프로젝트가 11만 스타를 모은 이유는 뭘까.
이번 주에 클론해서 직접 돌려보고, 소스 코드도 읽었다. 결론은 이렇다. 기술이惊艳해서가 아니라 "충분히 단순하고, 중국어에 친화적"이기 때문에 이겼다.
어떤 문제를 풀어주는가
自媒体 매트릭스를 굴리는 사람들에게 가장 머리 아픈 건 영상 한 편이 아니라 전체 흐름이다.
60초짜리 숏폼 하나를 만드려면 전통적으로 이렇게 거쳐야 한다:
- 스크립트: ChatGPT / Claude로 대본 작성 후 직접 문장 분할
- 더빙: 剪映 / 서드파티 TTS
- 素材: Pexels, Pixabay에서 직접 영상片段 다운로드
- 자막: 剪映 자동 자막 또는 Aegisub
- 편집: Premiere / Final Cut / 剪映
- 비율: 숏폼 플랫폼은 9:16, YouTube는 16:9라 두 번 렌더링
5개 넘는 도구를 오가야 하고, 어디서든 막힐 수 있다. MoneyPrinterTurbo는 이 체인을 커맨드 하나로 축약한다.
중국어 창작자에게 특히 잘 맞는 부분들:
- 기본값이 9:16 세로 화면
- 중국어 TTS는 기본적으로 edge-tts(마이크로소프트 무료 인터페이스, 자연스러운 음성)
- 출력이 剪映 드래프트(jianying draft) 포맷을 지원해 2차 편집에 바로 투입 가능
이건 단순한 "기능 목록"이 아니라, 매일 2시간씩 도구를 오가며 쓰던 에너지를 실제로 덜어준다.
사용법
최소 실행 흐름:
# 1. 클론
git clone https://github.com/harry0703/MoneyPrinterTurbo.git
cd MoneyPrinterTurbo
# 2. 의존성 설치
pip install -r requirements.txt
# 3. config.toml 설정
# OPENAI_API_KEY 또는 호환 인터페이스 입력 (DeepSeek / Qwen 가능)
# PEXELS_API_KEY는 선택 (미입력 시 기본 素材 사용)
# 음성 서비스 기본 edge-tts, SiliconFlow 선택 가능
# 4. 실행
python main.py --topic "피트니스 입문"
가장 자주 쓰는 파라미터:
| 파라미터 | 역할 |
|---|---|
--topic / video_subject | 주제어. 스크립트 방향 결정 |
voice_name | TTS 음성, 기본 zh-CN-XiaoxiaoNeural |
bgm_name | 배경음악 |
subtitle_enabled | 자막 인코딩 여부 |
Webhook은 선택 설정으로, 비동기 알림 용도다. 배치 작업을 돌릴 때 콜백을 연결할 수 있다.
동작 방식 (아키텍처)
핵심 코드는 app/services/ 디렉터리에 있다. 책임별로 파일 하나씩, 복잡한 DAG 없이 main.py의 단일 흐름으로 직렬화된다.
전체 파이프라인을 의사 코드로 표현하면:
from app.services import llm, tts, material, video
def generate_video(topic: str, voice: str = "zh-CN-XiaoxiaoNeural"):
# 1. LLM 스크립트 생성 후 문장 분할
script = llm.generate_script(topic) # → str
sentences = llm.split_sentences(script) # → List[str]
# 2. TTS 더빙, 문장별 wav 생성
audio_paths = []
for i, s in enumerate(sentences):
p = tts.synthesize(s, voice=voice, out=f"./tmp/{i}.wav")
audio_paths.append(p)
# 3. 키워드로 Pexels 영상 片段 조회
clips = material.fetch_clips(
keywords=llm.extract_keywords(sentences),
count=len(sentences)
)
# 4. FFmpeg 합성 + 자막 인코딩
final = video.compose(
clips=clips,
audios=audio_paths,
subtitles=sentences,
aspect="9:16"
)
return final
if __name__ == "__main__":
generate_video("피트니스 입문")
핵심 모듈을 짚어보면:
- 오케스트레이션 계층:
app/services/디렉터리의 단일 파일 흐름 직렬 방식. LangGraph / Prefect 같은 DAG 엔진이 아니다. 덕분에 디버깅이 쉽고, 로직 수정에 스케줄링 프레임워크 학습이 필요 없다. - 스크립트 계층: 기본값은 GPT-4o-mini지만 OpenAI 호환 인터페이스를 쓴다. DeepSeek으로 바꿔서 돌려봤는데, 이 용도에선 품질이 충분히 쓸만했다.
extract_keywords는 별도 단계로 분리돼 있고, 뒤쪽素材 매칭成败를 가른다. - TTS 계층: edge-tts(무료), SiliconFlow, 火山 등을 지원한다. edge-tts는 음질이 쓸 만하고 비용도 없다.
- 素材 계층: Pexels / Pixabay API로 키워드 기반 영상 片段 조회. 주의: 키워드 매칭만 하고 영상 의미는 이해하지 못한다.—이게 이 도구와 "진짜 영상을 아는 AI" 사이에서 가장 큰 격차다.
- 합성 계층: FFmpeg로 합성·자막 인코딩, MoviePy로 Python 레이어 글루 작업. 剪映 드래프트 포맷 출력은 여기서 만들어지며, 2차 편집자에게 실질적으로 필요하다.
전체 파이프라인 흐름:
topic → 스크립트 → 문장 분할 → 더빙(wav) → 키워드 추출 → Pexels 片段 조회
↓ ↓
자막 타임라인 ←——————————— FFmpeg 합성 + 인코딩 → 剪映 드래프트
장점과 한계
좋은 점:
- 모듈 분리가 명확. service당 파일 하나, 단일 책임
- 중국어 더빙 체인이 완비됨 (edge-tts + SiliconFlow 듀얼 선택)
- 2차 개발 생태계가 활발. 이슈 영역에 매드 PR이 쌓여 있다 (디지털 휴먼 추가, Stable Diffusion으로 커버 이미지 교체, ComfyUI 연동 등)
- 剪映 드래프트 출력이 진짜다—"JSON 덤프" 수준의 반제품이 아니다
함정:
- 외망 의존성이 강함: Pexels, GPT, edge-tts 모두 인터넷 필요. 중국 네트워크 환경에서 배치 작업은 고역이다
- 素材 매칭은 키워드 의존: "피트니스 입문"이라는 단어로 가져온 결과가 피트니스 센터 풍경이 될 수도, 선수 훈련 장면이 될 수도 있다. 운이 크게 좌우한다
- 음화 싱크 어긋남: FFmpeg 합성이 가끔 문제를 일으킨다. 특히素材 길이와 더빙 길이가 안 맞을 때
- 영구 큐 부재: 긴 영상(>5분)이나 멀티태스크 동시 실행 시 메모리 터짐—
sentences가 전부 메모리에 올라가 있고, TTS도 동기 생성이라 - 오케스트레이션 로직 하드코딩: "AI 커버 이미지 생성"이나 "자동 다국어 번역" 같은 단계를 추가하려면
main.py를 포크해서 수정해야 한다. 플러그인 메커니즘이 없다
횡적 비교: Coze / Dify는 비주얼 워크플로우 오케스트레이션, 드래그 앤 드롭 방식이다. MoneyPrinterTurbo는 프로그래머 친화적 커맨드라인 버전이다. 두 길 중 팀 구성에 맞는 쪽을 고르면 된다.
직접 돌려봤다
주제 "피트니스 입문"으로 60초 세로 화면 영상 생성. 단계별 시간:
| 단계 | 소요 시간 |
|---|---|
| 스크립트 생성 (GPT-4o-mini) | 8s |
| TTS 더빙 (edge-tts, 4문장) | 12s |
| 素材 다운로드 (Pexels 4개 片段) | 25s |
| FFmpeg 합성 + 자막 인코딩 | 18s |
| 합계 | ~63s |
비용: API 약 ¥0.1 / 건, 주로 GPT-4o-mini에 집중됨. edge-tts 무료, Pexels 무료 쿼터 내.
겪은 문제들:
PEXELS_API_KEY없이 처음 돌리니, 조용히 저장소 기본素材 풀로 폴백됨—피트니스 트레이너 훈련 영상만 잔뜩 나왔다. 봐줄 만은 하지만 전부 같은 배치- 문장 경계에서 자막 타임라인이 200ms 표류. 눈으로 봐도 더빙과 자막이 안 맞음
- Pexels에서 받은 片段 길이가 더빙 길이보다 짧으면 FFmpeg가 자동으로 루프 돌리는데, 화면에明显的인 끊김이 보임
해결책은 전부 이슈 영역에서 찾을 수 있고, 주로 config.toml의 타임아웃 파라미터 조정이다.
누구에게 맞는가
적합:
- 自媒体 매트릭스 대량 생산 (하루 50건 이상)
- AI 영상 워크플로우 PoC를 만들려는 엔지니어
- 다중 API 오케스트레이션을 배우려는 Python 개발자 (이 프로젝트는 "API 연결" 교과서급 예시다)
부적합:
- 영상 품질을 중시하는 전문 편집자—素材 이음새가 눈에 띄고,镜头 언어는 제로
- 오프라인 환경—외부 API 강하게 의존
- 강한 제어권을 원하는 사람—오케스트레이션 로직이 main 흐름에 박혀 있어 수정이 포크 기반
시사점
11만 스타는 기술 해자가 아니라 포지셔닝 해자다.
"중국어自媒体이 숏폼을 대량 생산한다"는 시나리오를 한 줄 커맨드로 끝낼 수 있게 만들었고, 나머지 95%의 불완전함은 사용자들이 참아줄 수 있었다.节省한 시간이 영상 결함보다 가치가 컸기 때문이다.
하지만 이 프로젝트는 AI 영상 도구의 공통 병목도 드러낸다: 素材 측면의 의미 이해가 비어 있다. 키워드 매칭으로 가져온 片段은 영원히 "差不多"이지 "정확"이 아니다. 이 레이어를 뚫지 않으면 AI 영상은 여전히 "공장 제품"이고, 전문 편집자의 무대에는 못 올라간다.
저장소 주소: harry0703/MoneyPrinterTurbo.