用途:这是 MiniMax 多模态能力的统一命令行入口,覆盖语音合成、语音克隆与音色设计、音乐生成、图像生成、视频生成,以及基于 FFmpeg 的音视频处理。
主要能力与入口:TTS 用 scripts/tts/generate_voice.sh;音乐用 scripts/music/generate_music.sh(默认模型 music-2.5);图像用 scripts/image/generate_image.sh(模型 image-01,支持 text-to-image 与带人物参考图的 image-to-image);视频用 scripts/video/generate_video.sh 与长视频脚本 generate_long_video.sh;媒体工具为 scripts/media_tools.sh。
必要用法:先安装依赖 brew install ffmpeg jq(Linux 用 apt),再运行 bash scripts/check_environment.sh。需先设置 MINIMAX_API_HOST(中国大陆 https://api.minimaxi.com,全球 https://api.minimax.io)和 MINIMAX_API_KEY。所有产物必须写入当前工作目录下的 minimax-output/,每次调用显式给出 --output,例如: bash scripts/tts/generate_voice.sh tts "你好世界" -v female-shaonv -o minimax-output/hello_cn.mp3 多角色场景把文本写入 segments.json,再运行 generate 命令合并。TTS 单次请求上限 10000 字符。图像支持 --aspect-ratio、--width/--height、-n 1–9 等参数。
限制:视频仅 768P、6 秒计费单位,配额有限,生成前需与用户确认;音乐模型 music-2.5 不支持 --instrumental,脚本用结构标签变通实现;计划配额随套餐不同,缺失处暂未提供。脚本为纯 bash,无需 Python。