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。🎨
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:
- 📱 照片变表情包:skills/gif-sticker-maker/SKILL.md — 把照片转成 4 张 Funko Pop 风格的动画 GIF 贴纸,串联了图片生成 + 图生视频 + FFmpeg 转换
- 🎤 专属歌曲:skills/buddy-sings/SKILL.md — 根据 AI 宠物名字与个性定制一首歌
- 📋 个性化歌单:skills/minimax-music-playlist/SKILL.md — 分析听歌品味,生成主题歌单 + 专辑封面
- 🌐 前端工作室:skills/frontend-dev/SKILL.md — 构建落地页时自动调用图片、视频、TTS、音乐四类资源脚本(skills/frontend-dev/scripts/minimax_image.py、skills/frontend-dev/scripts/minimax_video.py 等)
- 🔍 图像分析:skills/vision-analysis/SKILL.md — 描述、OCR、图表数据提取
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。🚀
