MiniMax Skills多模态工具集深度解析:mmx CLI一站式生成图、视频、音频与音乐

原创2026-09-21 16:20:541,664 阅读
文章标签:AI 技能AI 插件代码智能体

MiniMax Skills多模态工具集深度解析:mmx CLI一站式生成图、视频、音频与音乐

MiniMax Skills 是一个面向 AI 编程工具的技能库,其中的多模态工具集(multimodal toolkit)通过 mmx CLI 命令,让你一站式完成 AI 图片生成、文生视频、文字转语音(TTS)和 AI 音乐生成,无需在多个平台之间切换。🎨

MiniMax Skills多模态工具集标识图,展示mmx CLI一站式生成图片、视频、音频与音乐的AI能力

多模态工具集能做什么?

mmx 是 MiniMax AI 平台的命令行入口,一个工具覆盖 6 类能力:

命令 功能 默认模型 典型场景
mmx image generate 文生图 image-01 海报、插图、封面图
mmx video generate 文生视频(异步任务) MiniMax-Hailuo-2.3 短视频、背景视频
mmx speech synthesize 文字转语音 speech-2.8-hd 配音、有声读物
mmx music generate AI 音乐生成 music-2.5 主题曲、背景音乐
mmx vision describe 图像理解 VLM 视觉模型 看图问答、OCR 辅助
mmx text chat / search query 对话与联网搜索 MiniMax-M2.7 文本创作、资料检索

完整说明见 skills/minimax-multimodal-toolkit/SKILL.md。

最快安装方法:3 步上手 mmx CLI

安装过程非常轻量,只需三步:

# 1. 安装(需要 Node.js 环境)
npm install -g mmx-cli

# 2. 登录认证(凭证保存在 ~/.mmx/credentials.json,只需一次)
mmx auth login --api-key sk-xxxxx

# 3. 验证可用额度
mmx quota show

💡 小贴士:区域会自动检测,也可用 --region cn 或 --region global 手动指定。

文生图:一张命令出一张图

图片生成支持自定义宽高比和批量出图:

mmx image generate --prompt "一只穿宇航服的猫" --aspect-ratio 16:9 --out-dir ./gen/ --quiet
  • --n 3 可一次生成 3 张
  • --subject-ref 支持人物主体参考,保持角色一致性

更多比例与批量技巧:skills/frontend-dev/references/minimax-image-guide.md

文生视频:异步任务 + 自动轮询

视频生成是异步任务,mmx 默认会自动轮询直到完成并下载文件:

# 阻塞模式:等待完成并保存文件
mmx video generate --prompt "海浪拍打礁石" --download ocean.mp4

# 非阻塞模式:立即返回任务 ID
mmx video generate --prompt "机器人漫步" --async --quiet

支持 --first-frame 图生视频、--poll-interval 轮询间隔等参数,镜头语言技巧详见 skills/frontend-dev/references/minimax-video-guide.md。

文字转语音:TTS 语音合成

mmx speech synthesize 支持最多 1 万字符的文本,可调节语速、音量、音高,并支持字幕时间轴:

mmx speech synthesize --text "你好,世界" --out hello.mp3 --quiet

音色选择有完整决策指南(按场景、性别、年龄、语言匹配),收录在 skills/frontend-dev/references/minimax-voice-catalog.md;使用细节见 skills/frontend-dev/references/minimax-tts-guide.md。

AI 音乐生成:从一句话到完整歌曲

这是 mmx 参数最丰富的命令之一,除了 --prompt,还能用结构化参数精细控制曲风、情绪、人声、乐器、BPM、调式甚至歌曲结构:

mmx music generate --prompt "温暖的晨间民谣" \
  --vocals "男女对唱,副歌和声" \
  --instruments "木吉他、钢琴" \
  --bpm 95 \
  --out song.mp3

纯音乐加 --instrumental 即可。更进阶的"歌词编辑 + 风格微调 + 迭代反馈"工作流(含翻唱模式),由 skills/minimax-music-gen/SKILL.md 技能提供,提示词写法参考 skills/frontend-dev/references/minimax-music-guide.md。

生态联动:多模态技能如何组合使用

MiniMax Skills 仓库里,mmx 只是"地基",上层技能把多模态能力组合成了开箱即用的完整工作流:

想安装整套技能库,可以克隆仓库:

git clone https://gitcode.com/gh_mirrors/skills18/skills

各 AI 编程工具(Claude Code、Cursor、Codex、OpenCode)的接入步骤见 README_zh.md。

常见问题与实用技巧

命令行速查:全部标志的完整对照表在 skills/frontend-dev/references/minimax-cli-reference.md。

退出码帮你定位问题:3 = 认证失败(重新 mmx auth login),4 = 额度用尽,5 = 超时(重试一次),10 = 内容过滤触发(调整提示词)。

配置优先级:CLI 参数 > 环境变量 > ~/.mmx/config.json > 默认值,也可 export MINIMAX_API_KEY=sk-xxxxx 通过环境变量传密钥。

管道玩法:stdout 始终是干净数据,可放心串联,例如"生成图片 → 自动描述":

URL=$(mmx image generate --prompt "落日海滩" --quiet)
mmx vision describe --image "$URL" --quiet

总结

mmx CLI 把 MiniMax 的 图片、视频、语音、音乐 四大生成能力收敛到了一条命令之后,再叠加 skills 仓库中 gif-sticker-maker、minimax-music-gen、frontend-dev 等上层技能,普通用户也能在终端里完成"从文字到多媒体成品"的完整创作链路。🚀

登录后查看全文
skills