Nella Parte 2 ho messo MoneyPrinterTurbo alla prova e ho trovato un difetto fastidioso: voce e sottotitoli ottimi, ma il footage pescato da Pexels non c'entrava niente col tema — caffè e nuvole su un video che parla di self-hosting. Avevo chiuso dicendo che non era un destino, ma un difetto del prompt. Qui lo correggo davvero: con una patch di poche righe ottengo footage a tema in automatico, su qualsiasi argomento. Niente clip scelte a mano — si sistema il sistema una volta, e resta automatico.
La correzione: il problema è nel prompt, non nel tool
E qui cambio idea rispetto a come avevo aperto: il footage a caso non è un limite del tool, è un difetto del prompt con cui chiede i termini di ricerca all'LLM. Sono andato a leggerlo nel codice del repo, e due cose saltano all'occhio. La prima: impone di «aggiungere sempre il soggetto principale» a ogni termine, così infila «self-hosting» ovunque — esattamente la cosa che nessuno stock sa filmare. La seconda: non chiede mai soggetti concreti, quindi l'LLM resta sul vago e ambiguo.
La correzione sta tutta lì, e non è selezionare le clip a mano — quello tradirebbe il senso dello strumento. È riscrivere quel prompt una volta sola, perché l'LLM generi soggetti concreti e filmabili (oggetti, luoghi, dispositivi, azioni), traduca i concetti astratti in scene reali ed eviti le parole ambigue come «cloud». Dopo la patch, il tool continua a fare tutto da solo: argomento, copione, termini, footage, montaggio. Resta automatico — sceglie solo meglio.
Come riprodurlo: il repo più una patch di poche righe
Mettiamo le cose in chiaro, perché è la domanda giusta: quello che hai visto non è il repo vergine «scarica e funziona». È il repo ufficiale di MoneyPrinterTurbo — che fa già tutto in automatico — più una sola modifica. Senza quella, di default sforna caffè e nuvole; con quella, footage a tema. Il setup di base resta quello della Parte 1: un container con Ollama in locale come backend LLM, una chiave Pexels gratuita per il footage ed edge-tts per la voce, tutto configurato nel file config.toml del repo.
La modifica vera è una sola e sta in un punto preciso: il file app/services/llm.py, nella funzione generate_terms, dove il tool costruisce il prompt con cui chiede i termini di ricerca all'LLM. Il prompt di default impone di «aggiungere sempre il soggetto principale» e non chiede mai immagini concrete. Basta sostituire quei vincoli con questi:
# File da modificare: app/services/llm.py (funzione generate_terms)
# Sostituisci i vincoli del prompt con questi:
2. each search term must name a CONCRETE, FILMABLE subject
(object, place, device, person, action a stock camera can shoot),
e.g. "server rack", "person typing keyboard", "data center aisle".
3. NEVER use abstract/conceptual terms ("self-hosting", "data privacy",
"control", "flexibility"): translate the concept into a concrete scene.
4. NEVER use ambiguous words. In particular AVOID "cloud" (it returns
sky/weather clips); use "data center" or "server room" instead.
5. do NOT force the main subject into every term if it is abstract;
prefer concrete imagery that represents the topic, whatever its domain.
