Minimax media cli

通过 mmx 终端 CLI 调用 MiniMax AI 平台：一条命令完成文本对话、图像/视频/语音/音乐生成、联网搜索与图像理解（VLM）。所有生成在 MiniMax 服务端完成，本地只下发参数、取回文件或 JSON。专为非交互（agent/CI）场景设计：固定旗标即可拿到纯数据 stdout 与可判定的退出码。

何时使用

适用：

• 在终端批量/可编排地生成媒体：文生图、文/图生视频（海螺 Hailuo）、文字转语音、生成音乐/BGM、联网搜索、对图提问（vision）。
• 用户说「用 mmx…」「MiniMax 生成一段视频」「海螺文生视频」「文字转语音」「生成一段背景音乐」「MiniMax 联网搜一下」。
• 想把媒体生成串进脚本/流水线，要求机读 JSON 输出与明确退出码。

不该用（负边界）：

• 未安装 mmx 或未鉴权（无 API key / OAuth）：任何 API 命令都会失败（退出码 3），先安装并登录，key 由用户提供，你不要读写。
• 需要精细本地剪辑（转场、变速、裁切调色、多轨混音、时间轴拼接）：mmx 只「生成」，这类编辑回退 ffmpeg 或 videodb-perception-editing。
• 想走 fal.ai / ElevenLabs / Veo 等其他供应商：用 fal-ai-media-generation 或对应直连 API，本技能仅覆盖 MiniMax。

步骤

1. 安装并鉴权：npm i -g mmx-cli → mmx auth login --api-key sk-xxxxx（OAuth 落 ~/.mmx/credentials.json，API key 落 ~/.mmx/config.json）。用 mmx auth status 确认生效。
2. 选子命令：text chat / image generate / video generate / speech synthesize / music generate / search query / vision describe。
3. agent 场景一律加 agent 旗标（见「指令」），拿纯数据与可判定退出码。
4. 视频等异步任务：--async 立即拿 taskId，再轮询 video task get、最后 video download；或直接 --download 阻塞等完。
5. 取回文件/URL/JSON，按退出码判定成败（见下表），失败别死等。

指令

agent/CI 旗标（非交互场景必带）：

旗标	作用
--non-interactive	缺参直接失败，不弹交互提示
--quiet	关进度条，stdout 为纯数据
--output json	机读 JSON 输出
--async	立即返回 taskId（视频生成）
--dry-run	只预览 API 请求不执行
--yes	跳过确认提示

区域自动探测，可用 --region global / --region cn 覆盖。

退出码：0 成功 / 1 一般错误 / 2 用法错误 / 3 鉴权失败 / 4 配额超限 / 5 超时 / 10 触发内容过滤。

子命令与默认模型：

• text chat --message <text>（默认 MiniMax-M2.7，多轮加 --system，可 --messages-file - 从文件/管道读）
• image generate --prompt <text>（image-01，--n 多图，--out-dir 落盘目录）
• video generate --prompt <text>（默认 MiniMax-Hailuo-2.3，异步，默认轮询到完成）
• speech synthesize --text <text>（默认 speech-2.8-hd，上限 1 万字，--out 落盘，--text-file - 读管道）
• music generate --prompt <text>（music-2.6-free，--instrumental 纯器乐，--lyrics <text> 指定歌词，--lyrics-optimizer 自动写词）
• search query --q <text>（MiniMax 联网搜索）
• vision describe --image <file> --prompt <text>（VLM 图像理解）

示例

文本对话（机读）：

mmx text chat --message "user:What is MiniMax?" --output json --quiet

文生图（多图落盘）：

mmx image generate --prompt "A cat in a spacesuit" --n 3 --out-dir ./gen/ --quiet

文生视频——非阻塞拿 taskId / 阻塞下载：

mmx video generate --prompt "A robot." --async --quiet
mmx video generate --prompt "Ocean waves." --download ocean.mp4 --quiet

文字转语音 / 生成音乐：

mmx speech synthesize --text "Hello world" --out hello.mp3 --quiet
mmx music generate --prompt "Cinematic orchestral, building tension" --instrumental --out bgm.mp3 --quiet

管道编排——生成图再描述 / 异步视频全流程：

URL=$(mmx image generate --prompt "A sunset" --quiet)
mmx vision describe --image "$URL" --quiet

TASK=$(mmx video generate --prompt "A robot" --async --quiet | jq -r '.taskId')
mmx video task get --task-id "$TASK" --output json
mmx video download --task-id "$TASK" --out robot.mp4

注意事项

• 未鉴权一切免谈：先 mmx auth login 并 auth status 确认；key 由用户提供，你不要读写凭证文件。
• agent 场景固定带 --non-interactive --quiet --output json，否则会被交互提示卡住或拿到带进度条的脏输出。
• 媒体任务可能异步、配额受限或区域受限：视频用 --async + 轮询，按退出码（3 鉴权 / 4 配额 / 5 超时 / 10 内容过滤）显式处理，别死等。
• 语音上限 1 万字；超长先切分。
• 本技能只讲 CLI 用法，不替代供应商政策审查、内容安全检查与产物文件校验。

互见

• related：fal-ai-media-generation —— 另一套多模态生成（fal.ai，含 Veo/Kling/Seedance 等），换供应商时对照选型。
• related：videodb-perception-editing —— 承接 mmx 生成后的视频感知索引与服务端时间轴剪辑。
• related：demo-video-generator —— 从零渲染演示视频，与纯 AI 生成互补。
• combines_with：videodb-perception-editing —— mmx 出素材 + VideoDB 编排时间轴，串成完整媒体流水线。

---

采编自 sickn33/antigravity-awesome-skills（MIT）。