MoneyPrinterTurbo 如何手动下载 whisper-large-v3 模型并放入 models 目录-迪斯科星球

MoneyPrinterTurbo 如何手动下载 whisper-large-v3 模型并放入 models 目录

【免费下载链接】MoneyPrinterTurbo利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.项目地址: https://gitcode.com/GitHub_Trending/mo/MoneyPrinterTurbo

MoneyPrinterTurbo 生成视频时可以自动合成字幕，其中 whisper 模式的字幕质量更可靠，但它依赖一个约 3GB 的whisper-large-v3模型。正常情况下 faster-whisper 会从 HuggingFace 自动拉取模型，而国内环境通常无法访问 HuggingFace，自动下载会失败。这篇文章给出项目文档提供的完整手动下载路径：从网盘下载模型、解压到项目models目录，并配置config.toml让程序优先加载本地模型文件。

什么时候需要手动下载模型

当你把字幕引擎切换为 whisper 后，启动服务并触发字幕生成，如果遇到下面任一类报错，说明模型没有成功下载到本地，需要走手动下载流程（来源：README.md 常见问题一节）：

LocalEntryNotfoundEror: Cannot find an appropriate cached snapshotfolderfor the specified revision on the local disk and outgoing trafic has been disabled. To enablerepo look-ups and downloads online, pass 'local files only=False' as input.

或者：

An error occured while synchronizing the model Systran/faster-whisper-large-v3 from the Hugging Face Hub: An error happened while trying to locate the files on the Hub and we cannot find the appropriate snapshot folder for the specified revision on the local disk. Please check your internet connection and try again. Trying to load the model directly from the local cache, if it exists.

另外，app/services/subtitle.py 在加载模型失败时会直接给出提示，日志含义是：这可能是网络问题，请手动下载模型并放入models文件夹：

failed to load model: ... this may be caused by network issue. please download the model manually and put it in the 'models' folder.

下载模型文件

由于国内无法访问 HuggingFace，项目文档给出了两个网盘下载地址，whisper-large-v3模型文件约为 3GB，下载前请确保网络通畅（来源：sites/docs/zh/guide/subtitle-generation.md）：

百度网盘: https://pan.baidu.com/s/11h3Q6tsDtjQKTjUu3sc5cA?pwd=xjs9
夸克网盘：https://pan.quark.cn/s/3ee3d991d64b

如果你的环境可以直接访问 HuggingFace，也可以按 README.md 说明直接从 HuggingFace 下载模型文件，无需网盘中转。

解压并放入 models 目录

下载完成后先解压，然后把解压出的整个目录放到项目根目录下的models文件夹中（若不存在models目录，自行新建即可）。最终路径应为：

.\MoneyPrinterTurbo\models\whisper-large-v3

放置成功后，目录结构应如下（文档示例，来源：README.md）：

MoneyPrinterTurbo ├─models │ └─whisper-large-v3 │ config.json │ model.bin │ preprocessor_config.json │ tokenizer.json │ vocabulary.json

注意两层要点：目录名必须是whisper-large-v3，且目录内必须包含model.bin文件。

配置 config.toml 使用 whisper 模式

在 config.example.toml 的基础上复制出config.toml后，涉及本模型的配置有两处：

[app]段中切换字幕引擎：

[app] # Subtitle Provider, "edge" 或 "whisper"；留空表示不生成字幕 subtitle_provider = "whisper"

[whisper]段中确认模型尺寸与运行方式：

[whisper] # Only effective when subtitle_provider is "whisper" # recommended model_size: "large-v3" model_size="large-v3" # if you want to use GPU, set device="cuda" device="CPU" compute_type="int8"

model_size默认就是large-v3，与手动放置的目录名对应。如果要使用 GPU，按注释将device改为cuda，并可参考该段中被注释的示例调整compute_type（例如 GPU FP16、GPU INT8、CPU INT8 三种写法）。

验证模型是否会被本地加载

验证分两步，依据 app/services/subtitle.py 的加载逻辑：

检查文件位置。程序只在models/whisper-{model_size}目录存在、且其中包含model.bin时，才会把这个本地路径传给WhisperModel：
```
model_path = f"{utils.root_dir()}/models/whisper-{model_size}" model_bin_file = f"{model_path}/model.bin" if not os.path.isdir(model_path) or not os.path.isfile(model_bin_file): model_path = model_size
```
也就是说，如果目录名写错（比如多套了一层压缩文件夹）、或解压后缺少model.bin，程序不会报错，而是回退到用模型名large-v3在线加载，最终又回到 HuggingFace 下载失败的错误。所以核对“目录名 + model.bin 是否存在”是最直接的成功判断。
看加载日志。模型首次加载时会输出一行日志：
```
loading model: {model_path}, device: {device}, compute_type: {compute_type}
```
其中model_path显示为项目下的models/whisper-large-v3而不是large-v3，说明走的是本地路径；随后正常进行转写并生成.srt字幕文件（日志中有complete, elapsed: ... s与subtitle file created: ...），即整个手动下载流程完成。

使用限制

whisper 模式生成速度慢、对电脑配置有一定要求；项目文档建议优先使用edge模式，字幕质量不好时再切换到 whisper。
subtitle_provider如果留空，表示不生成字幕。
本文档路径基于项目根目录下的models目录；[whisper]段的device、compute_type只影响模型运行方式，不影响模型文件的放置位置。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析