Minimax-Multimodal-Toolkit — Minimax-Multimodal-工具kit

MiniMax CLI — Agent 技能指南 使用 mmx 生成文本、图像、视频、语音、音乐，并通过 MiniMax AI 平台进行网络搜索。

前提条件 # 安装 npm install -g mmx-cli # 身份验证（保存到 ~/.mmx/credentials.json） mmx auth login --api-key sk-xxxxx # 或每次调用时传递 mmx text chat --api-key sk-xxxxx --message "Hello" 区域会自动检测。可以使用 --region global 或 --region cn 来覆盖。

代理标志 在非交互式（代理/CI）上下文中始终使用以下标志： 标志 | 目的 ----|---- --non-interactive | 快速失败，缺少参数，而不是提示 --quiet | 抑制旋转器/进度；stdout 是纯数据 --output json | 机器可读的 JSON 输出 --async | 立即返回任务 ID（视频生成） --dry-run | 预览 API 请求而不执行 --yes | 跳过确认提示

命令 text chat | 聊天完成。默认模型：MiniMax-M2.7。 mmx text chat --message [flags] 标志 | 类型 | 描述 ----|----|---- --message | string, 必需，重复 | 消息文本。使用 role: 前缀设置角色（例如 "system:您很有帮助"，"user:您好"） --messages-file | string | JSON 文件中的消息数组。使用 - 表示 stdin --system | string | 系统提示 --model | string | 模型 ID（默认：MiniMax-M2.7） --max-tokens | number | 最大令牌数（默认：4096） --temperature | number | 采样温度（0.0, 1.0] --top-p | number | 核采样阈值 --stream | boolean | 流令牌（默认：TTY 中启用） --tool | string, 重复 | 工具定义 JSON 或文件路径

# 单个消息 mmx text chat --message "user:什么是 MiniMax？" --output json --quiet # 多回合 mmx text chat --system "您是一个编码助手。" --message "user:编写 Python 中的 fizzbuzz" --output json # 从文件 cat conversation.json | mmx text chat --messages-file - --output json stdout：响应文本（文本模式）或完整响应对象（JSON 模式）。

image generate | 生成图像。模型：image-01。 mmx image generate --prompt [flags] 标志 | 类型 | 描述 ----|----|---- --prompt | string, 必需 | 图像描述 --aspect-ratio | string | 例如 16:9, 1:1 --n | number | 图像数量（默认：1） --subject-ref | string | 主题引用：type=character, image=path-or-url --out-dir

| string | 下载图像到目录 --out-prefix | string | 文件名前缀（默认：image） mmx image generate --prompt "一只穿着宇宙服的猫" --output json --quiet # stdout：图像 URL（每行一个，在安静模式下） mmx image generate --prompt "Logo" --n 3 --out-dir ./gen/ --quiet # stdout：保存的文件路径（每行一个）

video generate | 生成视频。默认模型：MiniMax-Hailuo-2.3。这是一个异步任务，默认情况下会轮询直到完成。 mmx video generate --prompt [flags] 标志 | 类型 | 描述 ----|----|---- --prompt | string, 必需 | 视频描述 --model | string | MiniMax-Hailuo-2.3（默认）或 MiniMax-Hailuo-2.3-Fast --first-frame | string | 第一帧图像 --callback-url | string | 完成时的 Webhook URL --download | string | 将视频保存到特定文件 --async | boolean | 立即返回任务 ID --no-wait | boolean | 与 --async 相同 --poll-interval | number | 轮询间隔（默认：5） # 非阻塞：获取任务 ID mmx video generate --prompt "一个机器人。" --async --quiet # stdout：{"taskId":"..."} # 阻塞：等待并获取文件路径 mmx video generate --prompt "海浪。" --download ocean.mp4 --quiet # stdout：ocean.mp4

video task get | 查询视频生成任务的状态。 mmx video task get --task-id [--output json]

video download | 通过任务 ID 下载已完成的视频。 mmx video download --file-id [--out ]

speech synthesize | 文本转语音。默认模型：speech-2.8-hd。最大 10k 个字符。 mmx speech synthesize --text [flags] 标志 | 类型 | 描述 ----|----|---- --text | string | 要合成的文本 --text-file | string | 从文件中读取文本。使用 - 表示 stdin --model | string | speech-2.8-hd（默认），speech-2.6，speech-02 --voice | string | 语音 ID（默认：English_expressive_narrator） --speed | number | 速度倍数 --volume | number | 音量级别 --pitch | number | 音调调整 --format | string | 音频格式（默认：mp3） --sample-rate | number | 采样率（默认：32000） --bitrate | number | 比特率（默认：128000） --channels | number | 音频通道（默认：1） --language | string | 语言增强 --subtitles | boolean | 包括字幕定时数据 --pronunciation | string, 重复 | 自定义发音 --sound-effect | string | 添加音效 --out | string | 将音频保存到文件 --stream | boolean | 将原始音频流式传输到 stdout mmx speech synthesize --text "你好，世界" --out hello.mp3 --quiet # stdout：hello.mp3 echo "突发新闻。" | mmx speech synthesize --text-file - --out news.mp3

music generate | 生成音乐。模型：music-2.5。对丰富的结构化描述做出良好的响应。 mmx music generate --prompt [--lyrics ] [flags] 标志 | 类型 | 描述 ----|----|----