MoneyPrinterTurbo: automatisierte Kurzvideos aus einem einzigen Thema

Alles Wissenswerte über harry0703/MoneyPrinterTurbo: eine Open-Source-Anwendung, die ein Thema oder Skript in ein Kurzvideo mit Stimme, Untertiteln, Musik und Bildmaterial verwandelt.

Was MoneyPrinterTurbo ist

MoneyPrinterTurbo ist ein Werkzeug zur Erstellung von Kurzvideos, unterstützt durch Sprachmodelle und Automatisierung. Aus einem Thema oder Schlüsselwort erzeugt es ein Skript, sucht oder verwendet Bildmaterial, erstellt Stimme und Untertitel, fügt Hintergrundmusik hinzu und setzt das Ergebnis zusammen. Das Repository bietet vier Nutzungsoberflächen: einen KI-Agenten, eine WebUI, eine API und ein CLI.

Vier futuristische Terminals, die die Nutzungsoberflächen von MoneyPrinterTurbo darstellen: ein KI-Agenten-Hologramm, ein WebUI-Dashboard, ein API-Datenstrom und eine Kommandozeilenschnittstelle.

Sein Umfang besteht nicht darin, Videobilder von Grund auf zu erzeugen: Der dokumentierte Ablauf kombiniert Text, Stimme, Untertitel, Komposition mit FFmpeg und Material, das entweder lokal vorliegt oder von Pexels, Pixabay oder Coverr heruntergeladen wird. Es kann vertikale 9:16-Formate (1080x1920) und horizontale 16:9-Formate (1920x1080) erzeugen und sieht eine anschließende Veröffentlichung auf TikTok, Instagram und YouTube über den Dienst Upload-Post vor.

Der Ursprung: von einem chinesischen Repository zu einer multimodalen Produktionskette

Die GitHub-API datiert die Erstellung des Repositorys auf den 11. März 2024. Sein Autor und sichtbarster Hauptbeitragender ist das Konto harry0703; die offizielle Datei docs/skill/SKILL.md verknüpft die vom Projekt verteilte Skill mit dem Kontakt harry0703@hotmail.com.

Die frühesten erfassten Commits von März 2024 zeigen eine frühe Entwicklung hin zu mehreren Modellquellen: Ein Commit vom 15. März fügt Unterstützung für die Anbieter OpenAI, Moonshot und OneAPI hinzu, nach Windows-Korrekturen und Konfigurationsänderungen. Diese Abfolge stützt eine Produktgeschichte, die sich früh darauf konzentrierte, dem Nutzer die Wahl des Anbieters zu überlassen, statt von einem einzigen Modell abhängig zu sein.

Die aktuelle Darstellung im README behält diesen Ansatz bei: Es ist keine GPU erforderlich, und Cloud-Dienste für LLM, Stimme und Material lassen sich kombinieren; eine GPU wird für lokale Transkription, schnellere Verarbeitung und Stapelverarbeitung empfehlenswert. Das README räumt außerdem ein, dass die Einrichtung für Einsteiger eine gewisse Hürde darstellt, und verlinkt einen externen Dienst, der eine auf dem Projekt basierende Online-Oberfläche anbietet. Das ist eine Einschätzung der Maintainer, keine unabhängige Bewertung der Benutzerfreundlichkeit.

Philosophie und Prinzipien

Die aus der Dokumentation ablesbare Philosophie ist operativ:

Eine vollständige Kette automatisieren, nicht nur ein Skript schreiben: Thema → Text → Suchbegriffe und Material → Stimme → Untertitel → Komposition.
Alternative Wege offenhalten: generiertes oder eigenes Skript, entferntes oder lokales Material, mehrere Stimmen und LLM-Anbieter, WebUI/API/CLI/Agent.
Erstellung und Veröffentlichung trennen: Eine erfolgreiche Generierung soll nicht an einem Problem bei der sozialen Veröffentlichung scheitern; Version v1.3.3 erklärt ausdrücklich, dass Veröffentlichungsfehler vom Erfolg der Generierung isoliert wurden.
Lokale Kontrolle bewahren: config.toml, Materialverzeichnisse und lokale Whisper-Modelle erlauben es, Dienste, Ressourcen und Speicherung anzupassen. Das macht den Ablauf nicht vollständig lokal, da Pexels sowie die LLM- oder TTS-Anbieter Zugangsdaten und Netzwerkzugriff erfordern können.

Futuristisches neonfarbenes Förderband, auf dem sich rohe Datenblöcke in ein Skript, dann in Videoclips, danach in Audiowellenformen und schließlich in ein fertiges Videobild verwandeln.

Geteilter Bildschirm: auf der einen Seite ein Videogenerierungsmodul, das erfolgreich einen kurzen Clip rendert; auf der anderen Seite ein Social-Media-Veröffentlichungsmodul mit Fehlern, die von einem Energieschild blockiert werden.

Wie es funktioniert

Der dokumentierte Ablauf beginnt mit einem Thema oder einem Skript. Das LLM kann den Text verfassen und Begriffe zur Materialsuche erzeugen; der Nutzer kann das Skript auch selbst liefern. Das System bezieht Clips von Pexels, Pixabay oder Coverr oder verwendet eigenes Material, synthetisiert eine Sprecherstimme, erstellt Untertitel und mischt Musik und Video.

Für die Stimme sind Edge TTS, Azure Speech, SiliconFlow, Google Gemini, Xiaomi MiMo, ElevenLabs und Chatterbox dokumentiert. Für Untertitel gibt es zwei Wege: edge, die Standardoption, basierend auf TTS-Zeitstempeln, und whisper, das lokal faster-whisper verwendet und das Modell beim ersten Mal herunterlädt. Der Whisper-Modus kann eine präzisere Zeitachse liefern, auf Kosten von Download und lokalen Ressourcen.

Audio- und Untertitellabor mit zwei holografischen Pfaden: ein schneller Edge-TTS-Weg mit grünen Audiowellenformen und ein Whisper-Weg mit einem lokalen neuronalen Netz, das präzise Zeitstempel berechnet.

Die offizielle Konfiguration listet LLM-Anbieter wie Moonshot/Kimi, OpenAI, Gemini, DeepSeek, Qwen, Azure OpenAI, VolcEngine Ark, xAI Grok, MiniMax, MiMo, Cloudflare AI Gateway, ModelScope, AIHubMix, AIML API, EvoLink, Ollama, OneAPI, LiteLLM, Groq und Pollinations AI auf. Diese Liste belegt vom Projekt konfigurierte Kompatibilität, keine Zertifizierung jedes einzelnen Anbieters.

Zentraler Prozessor, verbunden über leuchtende Glasfaser-Neonkabel mit holografischen Knoten, die LLM-Anbieter, Text-zu-Sprache-Dienste und Bildmaterialquellen darstellen.

Die aktuell erfasste Version, v1.3.3 (24. Juli 2026), fügte eine Stimmvorschau mit geschätzter Dauer, optionale, zum Video passende Musik über Sonilo und ElevenLabs, das Hochladen eigener Musik aus der WebUI, eine globale Geschwindigkeitssteuerung, ZoomIn-/ZoomOut-Übergänge und Aufgabenwiederherstellung hinzu. Zudem werden erweiterte CI-Abdeckung sowie Korrekturen für Neustarts, unterbrochene Aufgaben und Anbieter angegeben.

Offizieller und halboffizieller Status

Es wurde kein Beleg für eine Aufnahme in einen offiziellen Marktplatz eines KI-Anbieters gefunden, ebenso wenig für eine formelle Standardbezeichnung. Das Projekt enthält jedoch eine eigene offizielle Skill unter docs/skill/SKILL.md, die ein zum Lesen von Skills fähiger Agent nutzen kann, um den Generierungsablauf zu installieren und auszuführen.

Das README nennt Kimi/Moonshot AI als Sponsor und Integration und zeigt Werbelinks weiterer Sponsoren. Es enthält zudem Konfigurationen für deren APIs. Das belegt eine im README erklärte Sponsoring- oder Integrationsbeziehung, entspricht jedoch nicht einer offiziellen technischen Billigung durch Kimi, Moonshot AI oder die übrigen Anbieter. Die faktische Verbreitung spiegelt sich in GitHub-Forks und -Sternen wider, nicht in einer erfassten Zertifizierung.

Das Ökosystem

Zentraler Neon-Monolith, der MoneyPrinterTurbo darstellt, umgeben von Satellitenknoten, die Community-Forks und -Erweiterungen symbolisieren, mit Tausenden Sternen, die einen Nebel darum bilden.

Repositories des Autors und offizielle Ressourcen

harry0703/mpt-assets: Repository mit Medienressourcen für MoneyPrinterTurbo; 7 Sterne und 2 Forks in der GitHub-Suche dieses Durchlaufs. Das README des Hauptprojekts verlinkt gehostete Beispiele, die diese Assets verwenden.
harry0703/MoneyPrinterTurbo: das Kernprojekt, mit einem offiziellen Google-Colab-Notebook (docs/MoneyPrinterTurbo.ipynb) und einer Agenten-Skill (docs/skill/SKILL.md).
Der Inhalt des Repositorys selbst umfasst Dockerfiles, Docker-Kompositionen, cli.py, main.py, WebUI, API, config.example.toml und Tests. Bei der Suche nach Namen und Beschreibungen wurde kein weiteres öffentliches Repository des Autors zum Thema Kurzvideo identifiziert.

Derivate, Ports und Community-Erweiterungen

Die Forks-API und die Repository-Suche zeigen eine Community von Derivaten. Nicht alle sind mit dem Originalprojekt kompatibel, werden davon gepflegt oder unterstützt:

q1uki/MoneyPrinterAICreate (314 Sterne, 62 Forks) beschreibt sich selbst als auf MoneyPrinterTurbo basierend und fügt Shot-Skripting sowie Anbindungen an Text-zu-Video- und Bild-zu-Video-Generierung hinzu.
Asad-Ismail/MoneyPrinterTurbo-Extended (304 Sterne, 100 Forks) präsentiert sich als erweiterte Implementierung.
yl365/MoneyPrinterTurboEasy (215 Sterne, 27 Forks) präsentiert sich als Variante zur direkten Installation und behauptet, MoneyPrinter/MoneyPrinterTurbo nachzubilden.
MentholG/VideoGen ist der prominenteste Fork, den der Forks-Endpunkt zurückgab, mit 42 Sternen und 6 Forks; seine Beschreibung weist auf Kurzvideoerstellung mittels großer Modelle hin.
EnjiniaTech/MoneyPrinterTurbo-ES (5 Sterne) wird als spanischsprachiger Fork identifiziert; es handelt sich um eine inoffizielle Übersetzung/Portierung.
liortesta/MoneyPrinterTurbo-Hebrew (1 Stern) präsentiert sich als Fork mit hebräischer WebUI und RTL/BiDi-Untertitelunterstützung; ein Beispiel für nicht-englische Lokalisierung, ebenfalls inoffiziell.
korosu/mpt-batch (1 Stern) wird als Stapelgenerator für MoneyPrinterTurbo beschrieben, und korosu/shorts-pilot (1 Stern) als Befüller einer YouTube-Shorts-Ideenwarteschlange per LLM. Es handelt sich um Community-Erweiterungen, keine vom Kern-Repository erklärten Abhängigkeiten.

Holografischer Globus mit leuchtenden Datenpunkten, die Community-Lokalisierungen verbinden: ein spanischsprachiger Knoten, ein Knoten mit Hebräisch-Unterstützung und ein Knoten für erweiterte KI-Videogenerierung.

Die Zahlen in diesem Abschnitt stammen aus der GitHub-Such- und Forks-API vom 6. August 2026. Eine Repository-Beschreibung belegt weder Qualität noch Sicherheit oder Kompatibilität mit der aktuellen Version.

Zahlen zum Repository

Messung: 6. August 2026, 08:03 UTC, GitHub-API.

Metrik	Wert
Sterne	101.817
Forks	15.316
Echte Abonnenten	643
Commits	685
Von der API angegebene offene Issues	16
Hauptsprache	Python
Lizenz	MIT
Erstellung	11. März 2024
Letzte Metadatenaktualisierung	6. August 2026, 08:00 UTC
Letzte erfasste Veröffentlichung	`v1.3.3`, 24. Juli 2026

Futuristisches Dashboard mit Neon-Statistiken: ein strahlendes Sternsymbol für 101.817 Sterne, ein verzweigtes Schaltkreismuster für 15.316 Forks und eine Commit-Zeitleiste von März 2024 bis Juli 2026.

Die Beitragenden mit den meisten Beiträgen in der erfassten API-Antwort waren harry0703 (271), yyhhyyyyyy (22) und vuisme (14). Die Gesamtzahl von 685 Commits stammt aus dem Link zur letzten Seite der Commit-Paginierung der API. open_issues_count kann offene Pull-Requests einschließen; deshalb sollte sie nicht als reine Issue-Zahl gelesen werden. Außerdem dupliziert watchers_count in der allgemeinen GitHub-Antwort die Sternezahl: Als tatsächliche Abonnentenzahl wird subscribers_count angegeben.

Ein PyPI-Eintrag namens MoneyPrinterTurbo, Version 1.4.5, wurde gefunden, doch das offizielle README verlinkt diese Distribution nicht, und es wurde keine Zuordnung zu harry0703 erfasst. Aus Vorsicht sollte er weder als offizielles Paket noch als Adoptionsmetrik des Projekts behandelt werden.

Wie man beitragen kann

Es wurde keine CONTRIBUTING.md, keine Pull-Request-Vorlage und keine formelle Branching-Anleitung gefunden. Das README lädt dazu ein, Issues oder Pull-Requests einzureichen, und das Repository enthält ein test/-Verzeichnis; Version v1.3.3 weist zudem erweiterte CI-Abdeckung aus. Der dokumentierte Weg besteht daher darin, ein Issue oder einen Pull-Request auf GitHub zu eröffnen, doch die Quelle erlaubt es nicht, einen detaillierteren Beitragsablauf oder nicht veröffentlichte Review-Anforderungen zuzuschreiben.

Wie die Community es aufgenommen hat

Die abrufbare externe Evidenz ist begrenzt und erlaubt daher keine Aussage über einen breiten Konsens:

Hacker News bewahrt den Beitrag 42150493, veröffentlicht von amrrs am 15. November 2024 und direkt mit dem Repository verlinkt. Beim Abruf hatte er 2 Punkte und 0 Kommentare. Das belegt, dass das Projekt dort vorgestellt wurde, bietet aber keine Nutzermeinungen, die als Lob oder Kritik zugeordnet werden könnten.
Die Abfrage der Hacker-News-Kommentare ergab Treffer für den wirtschaftlichen Begriff „money printer“ in themenfremden Threads; diese wurden verworfen, da sie sich nicht auf das Repository bezogen.
Die automatisierte Reddit-Abfrage lieferte eine HTML-Seite statt abrufbarer Daten, und die Websuchen zu Reddit, X, Product Hunt, Dev.to/Hashnode und YouTube ergaben keine individuell verifizierbaren Ergebnisse. Das beweist nicht, dass solche Beiträge nicht existieren; es begrenzt nur, was in diesem Durchlauf zuverlässig dokumentiert werden kann.

Das README verlinkt zwei vom Projekt ausgewählte Demonstrationen zu Einsatz und Nutzung auf Douyin. Es handelt sich um vom Projekt ausgewählte Ressourcen, keine unabhängigen Rezensionen: eine vollständige Demonstration und ein Installationstutorial für Windows. Es wurden keine verifizierbaren Titel, Kanäle oder Aufrufzahlen von YouTube erfasst.

Als Signale für offene Bedürfnisse innerhalb von GitHub fordern offene Issues der Nutzer luciomerlo unterschiedliche Skripte bei Mehrfachgenerierung, Stapelverarbeitung und das Speichern von Standardparametern; ouliu forderte Text-zu-Video- und Bild-zu-Video-Funktionen. Das sind konkrete Anfragen, kein Beleg dafür, dass diese Funktionen fehlerhaft sind. Version v1.3.3 dokumentiert zudem Korrekturen für eine leere WebUI-Anzeige, Startfehler des Windows-Pakets und die Wiederherstellung unterbrochener Aufgaben.

MoneyPrinterTurbo im Vergleich zu anderen Angeboten

Angebot	Verifizierbare Übereinstimmung	Verifizierbarer Unterschied
`q1uki/MoneyPrinterAICreate`	Seine Beschreibung erklärt, dass es auf MoneyPrinterTurbo basiert und Video mittels KI erzeugt.	Fügt ausdrücklich Shot-Planung und Anbindungen an Text-zu-Video und Bild-zu-Video hinzu; es wurde kein Leistungsvergleich erfasst.
`Asad-Ismail/MoneyPrinterTurbo-Extended`	Präsentiert sich als erweiterte Implementierung des Projekts.	Die erfasste Beschreibung gibt nicht an, welche Erweiterungen kompatibel sind oder wie sie den Ablauf verändern; sie sollten nicht abgeleitet werden.
`yl365/MoneyPrinterTurboEasy`	Seine Beschreibung erklärt dasselbe Ziel, Kurzvideo aus Text zu erzeugen.	Präsentiert sich als Variante zur direkten Nutzung; die Quelle liefert keine vergleichbare Bewertung von Installation, Qualität oder Kosten.

Der verifizierbare Vergleich beschränkt sich auf Repositories, die eine Beziehung zu MoneyPrinterTurbo erklären. Es wurde kein unabhängiger Benchmark erfasst, der Stimmqualität, Materialeignung, Geschwindigkeit oder Kosten gegenüber diesen Derivaten misst.

Kurzanleitung zur Nutzung

Installation und erster Start

macOS oder Linux mit uv (Python 3.11 oder höher):

git clone https://github.com/harry0703/MoneyPrinterTurbo.git
cd MoneyPrinterTurbo
uv python install 3.11
uv sync --frozen
sh webui.sh

Das Skript öffnet den Browser, und beim ersten Start wird config.toml aus config.example.toml erstellt. Konfigurieren Sie in der WebUI oder in dieser Datei den LLM-Anbieter, die Materialschlüssel und die jeweils erforderlichen Zugangsdaten. Um die WebUI im lokalen Netzwerk verfügbar zu machen, gibt die Dokumentation an:

MPT_WEBUI_HOST=0.0.0.0 sh webui.sh

Container: Kopieren Sie zunächst config.example.toml als config.toml, wechseln Sie in das Repository-Verzeichnis und führen Sie aus:

docker compose -f docker-compose.release.yml up

Öffnen Sie anschließend http://127.0.0.1:8501 für die WebUI oder http://127.0.0.1:8080/docs für die API-Dokumentation. Die empfohlene Komposition lädt das Image ghcr.io/harry0703/moneyprinterturbo:latest herunter.

Übliche Arbeitsabläufe

Ein Video aus einem Thema per CLI erstellen:
```
uv run python cli.py --video-subject "Wie künstliche Intelligenz den Alltag verändert"
```
Um alle durch diese Installation verifizierten Optionen einzusehen, verwenden Sie uv run python cli.py --help.
Im Browser arbeiten: Führen Sie sh webui.sh aus, wählen Sie Anbieter und Stimme in der WebUI, geben Sie Thema oder Skript ein und passen Sie Ausrichtung, Untertitel, Musik und Materialquelle an. Die Anwendung unterstützt mehrere Generierungen, um ein Ergebnis auszuwählen.
Die API bereitstellen:
```
uv run python main.py
```
Die Dokumentation der Instanz ist unter /docs oder /redoc des konfigurierten Ports verfügbar.
Einen skillfähigen Agenten damit beauftragen: Das README bietet die URL https://raw.githubusercontent.com/harry0703/MoneyPrinterTurbo/main/docs/skill/SKILL.md sowie eine Nachricht mit dem Thema an. Die offizielle Skill gibt an, dass der Agent installiert, konfiguriert und die MP4-Datei liefert und dabei nur fehlende Zugangsdaten anfordert.

Wesentliche Konfiguration

config.toml: wird aus config.example.toml erstellt; sollte nicht versioniert werden, da sie Schlüssel und lokale Einstellungen enthält.
[app].video_source: wählt pexels, pixabay, coverr oder local; die drei entfernten Dienste verwenden ihre jeweiligen Schlüssellisten.
llm_provider und die Anbieterschlüssel: wählen das LLM aus, das den Text verfasst und Materialsuchbegriffe vorbereitet.
subtitle_provider: edge ist die Standardoption; whisper aktiviert lokale Transkription und kann beim ersten Mal ein Modell herunterladen.
upload_post_*: aktivieren, wählen Plattformen aus und automatisieren die Veröffentlichung über Upload-Post; standardmäßig deaktiviert.

Häufige Fallstricke und Lösungen

Windows und Pfade: Das README warnt, dass der Paketpfad keine chinesischen Zeichen, Sonderzeichen oder Leerzeichen enthalten darf. Nach dem Herunterladen des Startpakets wird empfohlen, zunächst update.bat und dann start.bat auszuführen.
FFmpeg wird nicht erkannt: Bei RuntimeError: No ffmpeg exe could be found FFmpeg herunterladen und ffmpeg_path unter [app] konfigurieren; die Dokumentation enthält ein Beispiel für einen Windows-Pfad.
Whisper-Download schlägt fehl: Das README schlägt vor, Systran/faster-whisper-large-v3 manuell herunterzuladen und dessen Verzeichnis unter models/whisper-large-v3 abzulegen. Zur Verkleinerung und Beschleunigung wird large-v3-turbo als Alternative gezeigt.
Zu viele geöffnete Dateien: Bei OSError: [Errno 24] Too many open files ulimit -n prüfen; die Dokumentation schlägt vor, den Wert zu erhöhen, etwa mit ulimit -n 10240.
Leere WebUI nach dem Start: Das README rät, Chrome oder Edge auszuprobieren; die Veröffentlichung v1.3.3 gibt eine spezifische Korrektur für eine beim Start der Generierung leere WebUI an.

Integrationen und Migration

Das Projekt integriert LLM- und TTS-Anbieter per Konfiguration, Materialquellen, Cloudflare AI Gateway, Ollama und LiteLLM sowie Upload-Post zur Veröffentlichung. Die Veröffentlichungsintegration erfordert einen Upload-Post-Schlüssel und kann TikTok, Instagram und YouTube auswählen; die YouTube-Sichtbarkeit unterstützt public, unlisted oder private.

Es wurde keine offizielle Migrationsanleitung von einer anderen Videoanwendung erfasst. Die identifizierten Derivate sind alternative Ausgangspunkte, keine dokumentierten Migrationspfade. Um innerhalb von MoneyPrinterTurbo den Anbieter zu wechseln, besteht der verifizierbare Weg darin, die Felder für Anbieter, Basis-URL, Modell und Zugangsdaten in config.toml oder in der Basiskonfiguration der WebUI zu aktualisieren.

Anwendungsfälle und wem dieses Repository helfen kann

Ersteller von Kurzvideos, Marketing- oder Öffentlichkeitsarbeitsteams, die von einer Idee zu einem Entwurf mit Sprecherstimme, Musik, Clips und Untertiteln gelangen müssen, ohne jede Ebene einzeln zu bearbeiten, können den Ablauf über WebUI oder CLI nutzen und 9:16 oder 16:9 wählen.
Teams, die denselben Inhalt in mehreren Netzwerken veröffentlichen, können zunächst das Video erzeugen und, bei Nutzung von Upload-Post, die anschließende Veröffentlichung auf TikTok, Instagram und YouTube aktivieren. Die Trennung von Veröffentlichungs- und Generierungsfehlern in v1.3.3 ist für diesen Ablauf relevant.
Entwickler, die Videoproduktion in einen eigenen Dienst integrieren möchten, verfügen über main.py, in /docs dokumentierte API und Konfiguration von Aufgabenlimits (max_concurrent_tasks und max_queued_tasks).
Nutzer, die Kontrolle über Daten oder Ressourcen benötigen, können lokales Material wählen, Ollama als lokalen Anbieter verwenden und Whisper-Modelle in models/ speichern; sie sollten bedenken, dass andere Teile des Ablaufs je nach Konfiguration weiterhin externe Dienste aufrufen können.
KI-Agenten, die mit Terminal und Skills umgehen können, können die offizielle Skill nutzen, um den Prozess mit uv zu installieren und auszuführen, und liefern bei Abschluss die MP4-Datei, sofern die nötigen Zugangsdaten vorhanden sind.

Ressourcen

Repository: https://github.com/harry0703/MoneyPrinterTurbo
Dokumentation und Installation: https://github.com/harry0703/MoneyPrinterTurbo#installation
Veröffentlichungen und Änderungen: https://github.com/harry0703/MoneyPrinterTurbo/releases
Offizielle Skill für Agenten: https://github.com/harry0703/MoneyPrinterTurbo/tree/main/docs/skill
Google-Colab-Notebook: https://colab.research.google.com/github/harry0703/MoneyPrinterTurbo/blob/main/docs/MoneyPrinterTurbo.ipynb
Container-Image: https://github.com/harry0703/MoneyPrinterTurbo/pkgs/container/moneyprinterturbo
Vom Projekt ausgewählte Demonstrationen: https://v.douyin.com/iFhnwsKY/ und https://v.douyin.com/iFyjoW3M
Hacker-News-Diskussion: https://news.ycombinator.com/item?id=42150493
Nicht als offiziell verifizierter PyPI-Eintrag: https://pypi.org/project/MoneyPrinterTurbo/
Issues und Pull-Requests: https://github.com/harry0703/MoneyPrinterTurbo/issues und https://github.com/harry0703/MoneyPrinterTurbo/pulls

Hinweis: Dieser Artikel kombiniert das offizielle README, die Skill und Konfiguration, Veröffentlichungen, Commits, Forks und Issues von GitHub sowie am 6. August 2026 durchgeführte Abfragen bei Hacker News, Reddit und Suchmaschinen. Die Kennzahlen ändern sich mit der Zeit; externe Plattformen ohne abrufbare Ergebnisse werden nicht als Abwesenheit von Berichterstattung interpretiert.